数字人生成方法、装置、设备及介质

本发明涉及计算机视觉技术领域，提供一种数字人生成方法、装置、设备及介质，方法包括：获取待生成数字人的外观信息、音频信息、情感信息和姿态信息；将待生成数字人的外观信息、音频信息、情感信息和姿态信息输入至数字人生成模型中，得到数字人生成模型输出的数字人生成结果；其中，数字人生成模型是基于数字人训练样本和数字人训练样本对应的数字人视频标签训练得到的；数字人生成模型用于对输入的待生成数字人的外观信息、音频信息、情感信息和姿态信息分别进行特征提取，并将提取的特征进行特征融合，以基于融合特征生成对应数字人视频。本发明能够为生成的数字人赋予丰富的情感表达和多样化的姿态，使生成的数字人更加协调、自然。