1.一种视频处理方法，其特征在于，所述方法包括：
获取视频对应的文本数据；
从所述文本数据中确定多个第一文本片段，所述第一文本片段用于对物品的相关信息进行介绍；
基于所述多个第一文本片段，从所述视频中确定目标第一文本片段对应的多个目标视频片段，所述目标第一文本片段用于对相同物品的相关信息进行介绍；
基于所述多个目标视频片段，生成目标视频。
2.根据权利要求1所述的视频处理方法，其特征在于，所述从所述文本数据中确定多个第一文本片段，包括：
将所述文本数据输入文本识别模型，通过所述文本识别模型，输出所述第一文本片段的时间戳。
3.根据权利要求2所述的方法，其特征在于，所述通过所述文本识别模型，输出所述第一文本片段的时间戳，包括：
通过所述文本识别模型，对所述文本数据进行语义识别，得到所述文本数据的语义描述信息，所述语义描述信息用于指示所述文本数据的各个文本片段所描述的内容；
从所述文本数据中确定满足第一目标条件的语义描述信息对应的第一文本片段，输出所述第一文本片段的时间戳。
4.根据权利要求2所述的视频处理方法，其特征在于，所述基于所述多个第一文本片段，从所述视频中确定目标第一文本片段对应的多个目标视频片段，包括：
将所述视频、所述文本数据和所述第一文本片段的时间戳输入片段分割模型，通过所述片段分割模型，输出所述目标视频片段的时间戳；
基于所述目标视频片段的时间戳，从所述视频中确定所述多个目标视频片段。
5.根据权利要求4所述的方法，其特征在于，所述通过所述片段分割模型，输出所述目标视频片段的时间戳，包括：
通过所述片段分割模型，从所述文本数据中确定所述目标第一文本片段对应的第二文本片段；
基于所述第二文本片段，从所述视频中确定目标视频片段，作为所述目标第一文本片段对应的多个目标视频片段。
6.根据权利要求1所述的视频处理方法，其特征在于，所述基于所述多个第一文本片段，从所述视频中确定目标第一文本片段对应的多个目标视频片段之后，所述方法还包括：
对于任一目标视频片段，获取所述任一目标视频片段对应的第三文本片段；
将所述第三文本片段输入文本分类模型，通过所述文本分类模型，确定所述第三文本片段的内容类型，作为所述任一目标视频片段的内容类型，所述内容类型用于指示所述任一目标视频片段所介绍的物品的相关信息的类型；
所述基于所述多个目标视频片段，生成目标视频，包括：
基于所述多个目标视频片段的内容类型，对满足第二目标条件的目标视频片段进行拼接，得到所述目标视频。
7.根据权利要求1所述的视频处理方法，其特征在于，所述基于所述多个目标视频片段，生成目标视频之后，所述方法还包括：
获取目标音频，合成所述目标视频和所述目标音频。
8.一种视频处理装置，其特征在于，所述装置包括：
获取单元，被配置为执行获取视频对应的文本数据；
确定单元，被配置为执行从所述文本数据中确定多个第一文本片段，所述第一文本片段用于对物品的相关信息进行介绍；
所述确定单元，还被配置为执行基于所述多个第一文本片段，从所述视频中确定目标第一文本片段对应的多个目标视频片段，所述目标第一文本片段用于对相同物品的相关信息进行介绍；
生成单元，被配置为执行基于所述多个目标视频片段，生成目标视频。
9.一种服务器，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至7中任一项所述的视频处理方法。
10.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由服务器的处理器执行时，使得服务器能够执行如权利要求1至7中任一项所述的视频处理方法。