基于大模型的数字人视频生成方法、装置、智能体、电子设备及存储介质

本公开提供了基于大模型的数字人视频生成方法、装置、智能体、电子设备及存储介质，涉及人工智能技术领域，尤其涉及深度学习、大模型、计算机视觉等技术领域，可以应用于视频直播、广告制作、电商销售等场景。基于大模型的数字人视频生成方法包括：获取需求信息，需求信息包括用于描述指定的动作视频片段的动作描述信息，动作视频片段表征目标对象的指定动作；利用语言大模型处理需求信息，得到目标剧本，目标剧本包括与动作描述信息相匹配的目标口播片段文本；利用视觉大模型处理目标剧本和动作视频片段，得到用于显示目标对象在执行指定动作过程中，基于目标口播片段文本进行口播的目标视频。