基于神经网络的生成模型旨在通过对训练样本的学习,使神经网络能生成符合训练数据分布的样本。生成对抗网络作为一种重要的生成模型在视频生成方面的应用越来越受关注,但基于生成对抗网络的很多模型在用于视频生成任务时,面临训练困难、网络设计复杂等问题,因此需要改进相关方法。本论文针对特定任务对变分自编码器的和用于隐变量的生成对抗网络的结构进行了设计。此外,本论文研究了变分自编码器的隐空间中变量所对应图像的渐变性及将变分自编码器与生成对抗网络结合用于视频生成任务可行性。最后,本论文针对“文本-视频”生成任务进行了算法框架的设计以及在MNIST手写字体移动视频数据集上验证算法框架的可行性和灵活性,并通过与其他方法的对比验证了所提出算法的优越性。实验结果表明变分自编码器与生成对抗网络相结合的视频生成框架能针对输入文本生成内容符合、动作流畅的视频,并且通过训练实现对训练样本中对象与动作之间信息的解耦,能够针对训练样本中不包含的描述文本生成正确的视频。本论文所进行的研究可以在多媒体领域,如智能节目制作,人体动画生成等方面得到应用.