本申请公开了一种视频标签生成方法、装置、电子设备及非易失性存储介质。其中，该方法包括：从目标视频文件中获取目标图像集合和目标音频文件，其中，目标图像集合中包括目标视频文件中的各帧图像；确定目标图像集合中的图像的图像特征信息；确定目标音频文件的音频特征信息；依据图像特征信息和音频特征信息生成第一类目标标签，其中，第一类目标标签用于展示目标视频文件的关键视频内容。本申请解决了由于视频时长较长和内容较多造成的用户提取关键信息的效率低的技术问题。