数字人口播视频生成方法、装置、设备、存储介质和程序产品

本公开涉及人工智能技术领域，尤其是提供一种数字人口播视频生成方法、装置、设备、存储介质和程序产品，一种数字人口播视频生成方法，包括获取口播音频以及口播源视频；利用音生表情模型，生成口播音频中各个音频帧的人脸表情系数；利用表情生面部模型，基于口播音频中各个音频帧的人脸表情系数，修改口播源视频中相应各个视频帧的人脸图像的口型，以生成各个人脸图像对应的口播图像，并根据各个口播图像生成口播视频。实施本公开的技术方案，可以降低口播视频对人物身份的敏感度，使得合成的口播视频的口型内容与实际说话口型一致性更高。