一种基于音频驱动的面部多帧动态融合实现方法

本发明公开了一种基于音频驱动的面部多帧动态融合实现方法，涉及面部多帧动态融合技术领域，包括人脸运动序列生成方法和人脸视频生成方法，人脸运动序列生成方法包括以下步骤：输入一段参考音频、一段参考视频和一段驱动音频；从所述参考视频中提取人物的面部表情和头部运动信息；从所述参考音频和驱动音频中提取语音的语义和声学特征；利用多帧动态融合的方法，将提取的面部表情和头部运动信息与语音的语义和声学特征结合起来。该基于音频驱动的面部多帧动态融合实现方法，通过将学习到的说话风格与输入的驱动音频相结合，能够生成逼真自然的面部表情和头部运动。