一种基于音频驱动的数字人视频生成方法和系统

本申请公开一种基于音频驱动的数字人视频生成方法和系统，其方法包括：S1:获取输入的音频数据，对音频进行音频预处理以及音频提取特征，得到反映音频内容、情感和节奏的音频特征向量；S2:对输入的人脸图片进行图片预处理以及图片提取特征，得到人脸外观特征；S3:将所述音频特征和人脸外观特征映射为表情参数和动作参数；S4:基于输入的人脸图片和生成的表情参数、动作参数以及音频信息，生成完整的数字人视频。本申请仅需人脸图片作为基础素材，结合音频信息即可生成数字人视频，摆脱了对一定时长形象视频的依赖，极大地降低了数字人视频生成的门槛，而且采用新的技术方案让表情更真实。