一种基于风格向量的语音驱动数字人面部视频生成方法

本发明公开了一种基于风格向量的语音驱动数字人面部视频生成方法，方法包括以下步骤：步骤S1：采集数据集；步骤S2：算法设计，网络整体结构由四部分组成，包括视频解耦模块、图像与音频编码模块、特征耦合模块、图像生成与视频编码模块；步骤S3：训练数据集；步骤S4：测试数据集。本发明通过图像与音频编码模块得到风格向量和音频特征，结合图像生成与视频编码模块，将风格向量和音频特征耦合后生成高质量的说话人面部视频。