本申请涉及一种基于解说音频的现场视频动态调整方法、装置、设备、系统和介质，涉及增强现实技术的领域，其方法包括获取并播放现场活动的当前解说音频数据；识别所述当前解说音频数据的关键词信息；获取第一摄像头采集的所述现场活动的当前视频数据；基于所述关键词信息和所述当前视频数据确定是否生成提示信息，所述提示信息用于提示用户调整所述第一摄像头的角度。本申请根据提示信息转动第一摄像头使得显示设备播放的当前视频数据中的内容与当前解说音频数据中的内容达到同步，提高了用户观看体育赛事或演出的体验感。