一种基于大数据的数字人语言训练方法及系统

本发明涉及数字人技术领域，具体公开了一种基于大数据的数字人语言训练方法及系统，所述的方法包括以下步骤：S1：获取训练文本，获取训练文本的文本向量，对文本向量进行聚类得到聚类簇；S2：获取聚类簇中文本向量的数量，确定聚类簇是否为削减簇；对削减簇中的文本向量进行排序得到第一排序，去除第一排序中的若干文本向量，获取新的聚类簇；S3：记录第一簇被标记为第二簇的总次数，当总次数超过总次数阈值时，标记为异常簇；删除异常簇的第一排序中首位的文本向量，直到异常簇不再被判定为异常簇；S4：基于目标簇生成数据集，对数字人进行语言训练。本发明提高了数字人语言训练的可靠性和鲁棒性。