一种数字人视频渲染方法、设备及介质

本申请公开了一种数字人视频渲染方法、设备及介质，涉及计算机图形学与生成对抗网络交叉领域，方法包括：基于单一融合架构的生成对抗网络，构建生成对抗模型；基于数字人参考图像对原始音视频数据进行多模态预处理；通过生成对抗模型的语音特征提取模块，提取双粒度语音特征，并进行融合；基于数字人参考图像对应的参考关键点和融合语音特征，在UV参数化空间中确定数字人参考图像的局部形变场；对数字人参考图像的身份纹理进行采样，生成目标数字人面部图像；通过生成对抗模型的判别器，基于多尺度对数字人面部图像进行验证。通过双粒度语音特征融合与生成器多分辨率注入，实现语音语义与面部动作的深层对齐。