一种通过文字驱动的数字人物说话视频生成方法及系统

本发明公开了一种通过文字驱动的数字人物说话视频生成方法及系统，属于人工智能视频生成技术领域。该方法首先对于数字人物视频数据集所涉到的视频进行视频处理；然后进行文字以及图像特征提取；再进行图像特征重塑并将文字特征利用WaveNet生成音频；接着对生成的多帧图像进行修复；最后将步骤修复后的图像与步骤生成的音频按时间顺序拼接生成数字人物视频并对生成结果评估。该方法具备强大的控制能力、多样的控制类型，无需重新训练基础模型，能有效提升数字人物说话视频的生成效果，使视频中人物动作、表情与语音内容高度契合，显著提高用户体验。