本发明涉及远程通信技术领域，尤其涉及一种基于混合现实技术的视频通信方法、终端及存储介质，本发明方法首先获取虚拟模型，然后将虚拟模型发送到对象终端，接着再捕捉图像特征、声音特征以及交互特征，对图像特征进行提取，获得对象主体以及对象位置，然后根据交互特征进行提取，获得操作命令，将上述交互特征、对象主体以及对象位置发送到对象终端，由终端根据对象主体以及虚拟模型进行图像叠加，获得图像的混合现实视频，根据命令操纵虚拟模型，使得虚拟模型得以展示。本发明向对象终端仅发送一次虚拟模型，因此，减少数据的传输量，且由于具有虚拟模型，可以在对象终端一侧进行虚拟模型的操作。