数字人视频生成方法、装置、电子设备及存储介质

本申请实施例适用于数字人技术领域，提供了一种数字人视频生成方法、装置、电子设备及存储介质，该方法包括：获取多模态数据的数据特征；多模态数据的数据特征包括图像的第一图像特征、音频的第一音频特征以及唇部点云数据的第一点云特征；根据第一图像特征，生成融合第一音频特征与第一点云特征之间相关性的第二音频特征和第二点云特征；基于第一图像特征、第二音频特征和第二点云特征，生成数字人视频。采用上述方法，可以提高数字人视频中的视觉质量和音唇同步性。