一种基于多模态同步的数字人智能交互与姿态表情合成方法

本发明涉及人工智能技术领域，且公开了一种基于多模态同步的数字人智能交互与姿态表情合成方法，包括：该方法通过多模态采集设备获取语音、表情、姿态数据，经噪声过滤和标准化处理后生成多模态特征序列；采用自注意力机制与时序Transformer对特征进行时间对齐与语义融合，生成多模态同步特征；利用情感驱动生成模型及生成对抗网络优化生成参数，生成自然的表情与姿态序列，并通过边缘计算设备实现实时渲染与输出；基于用户交互数据，持续优化多模态模型及生成参数。本发明提升了交互的实时性与情感表达的真实性，具有高扩展性和自适应优化能力，可广泛应用于虚拟助手、沉浸式体验及远程教育等领域。