本申请涉及人工智能技术，提供一种基于骨架迁移的动画视频处理方法、装置、计算机设备与存储介质，包括：对初始视频进行切割，得到初始形象视频与初始背景视频；从初始形象视频中抽取出形象骨架，得到骨架视频流，并解析骨架视频流，得到转化动作指令；将转化动作指令加载至目标卡通形象中，得到目标卡通形象对应的形象动作视频；将初始音频信息转化为初始文本，并对初始文本进行修改，得到目标文本；根据预设语音包与目标文本生成目标音频信息；将目标音频信息、形象动作视频以及初始背景视频进行融合，得到目标视频。本申请能够降低动画视频的制作成本，提高视频制作的效率，促进智慧城市的快速发展。