申请/专利权人:山东建筑大学
申请日:2023-12-18
公开(公告)日:2024-03-22
公开(公告)号:CN117750153A
主分类号:H04N21/81
分类号:H04N21/81;G10L25/63;G10L25/57;G10L25/30;G10L15/25;G10L15/183
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本公开提供了基于多模态三维可塑模型的单样本说话人生成方法及系统,涉及说话人生成技术领域,获取音频以及参考图像,输入至多模态3DMM参数预测网络模型中,首先提取音频特征以及文本特征,并对音频特征以及文本特征进行上下文特征增强,得到注入上下文信息的音频表征和语义表征;获取初始的头部姿态嵌入参数以及初始表情描述,利用初始的头部姿态嵌入参数预测下一时刻的头部姿态参数;利用初始表情描述预测下一时刻表情参数,将预测的头部姿态参数和表情参数融合嵌入至参考图像中,通过视频合成网络将多帧图像合成说话人的头部视频序列。
主权项:1.基于多模态三维可塑模型的单样本说话人生成方法,其特征在于,包括:获取音频数据和参考图像,将音频数据输入至多模态3DMM参数预测网络模型中,首先提取音频特征以及文本特征,并对音频特征以及文本特征进行上下文特征增强,得到注入上下文信息的音频表征和语义表征;利用参考图像获取初始的头部姿态嵌入参数以及初始表情描述,利用初始的头部姿态嵌入参数和下一时刻音频表征以及语义表征融合预测下一时刻的头部姿态参数;利用初始表情描述融合下一时刻音频表征预测下一时刻表情参数;将预测的头部姿态参数和表情参数融合嵌入至参考图像中,通过视频合成网络将多帧图像合成说话人的头部视频序列。
全文数据:
权利要求:
百度查询: 山东建筑大学 基于多模态三维可塑模型的单样本说话人生成方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。