语音驱动的数字人视频生成方法和装置

本申请实施例公开了一种语音驱动的数字人视频生成方法和装置，用以提高语音驱动的数字人视频的生成质量。方法包括：获取驱动语音和人物参考图像；将所述驱动语音和所述人物参考图像输入数字人视频生成模型，得到连续视频帧，其中，所述数字人视频生成模型是基于人物视频的人物参考图像和音频构建的训练样本和基于所述人物视频的连续视频帧构建的训练标签训练得到的；对所述驱动语音和所述连续视频帧执行音视频编码，得到数字人视频。