用于数字人直播素材的生成方法、装置、系统及电子设备

本申请公开了一种用于数字人直播素材的生成方法，包括：根据数字人直播素材生成请求，获取用于生成数字人直播素材对应的对象信息数据，所述对象信息数据至少包括文字、图像或视频中的一种；对所述对象信息数据进行多模态理解，并生成直播文案；对所述直播文案的不同部分与相应图像或视频进行匹配，作为第一匹配信息；将所述直播文案转换为语音数据，并生成所述直播文案与时间戳的匹配信息，作为第二匹配信息；将所述语音数据生成唇部驱动视频素材；其中，所述唇部驱动视频素材、第一匹配信息和第二匹配信息作为数字人直播素材。本申请提供的方案能够自动获取素材、切换素材、文案与素材融合，从而提高自动化直播程度、降低开播成本。