音色卡片生成方法、声音克隆方法及3D数字人视频生成方法

本发明提供一种音色卡片生成方法、声音克隆方法及3D数字人视频生成方法，涉及声音处理技术领域，通过用户提供的目标音频，得到声音特征、频谱特征和语音离散编码序列，并结合用户提供的音色描述信息，生成目标音频对应的音色卡片，可以实现对目标音频的音频特征以及音色描述信息的关联存储，并可以通过音色描述信息实现对不同目标音频的音频特征的标识和区分。用户在需要驱动3D数字人时，不需要每次驱动都录制音频，可以节约用户的时间成本，减少用户的工作量。而且，该目标音频可以选取外界环境影响以及用户本人状态影响较小时进行录制，进而使目标音频符合处理要求，节约驱动3D数字人时耗费的时间，提高用户体验。