[发明专利]多人视频方法、装置、设备及存储介质

权利要求书

1.一种多人视频方法，其特征在于，包括：

生成用户的声纹；

生成用户的人像模型；

为所述用户配置身份识别号码；

通过所述身份识别号码，匹配所述用户的声纹和人像模型；

通过获取说话人的声音识别说话人的声纹，调取说话人的声纹对应的身份识别号码，基于说话人的身份识别号码，调取说话人的人像模型；以及

实时的合成说话人的声音和人像模型。

2.根据权利要求1所述的多人视频方法，其特征在于，生成用户的声纹包括：

录入用户的多个声音，并对多个声音进行训练，生成用户的声纹。

3.根据权利要求1或2所述的多人视频方法，其特征在于，生成用户的人像模型包括：

录入用户的多个照片和/或视频，提取每个照片和/或视频的头部姿态特征、唇部姿态特征、脸部姿态特征和/或眼部姿态特征，基于多个照片和/或视频的头部姿态特征、唇部姿态特征、脸部姿态特征和/或眼部姿态特征，生成用户的人像模型。

4.根据权利要求2或3所述的多人视频方法，其特征在于，

如果多人说话或者对话，基于各个说话人的声音识别各个说话人的声纹，基于各个说话人的声纹获取各个说话人的身份识别号码，基于各个说话人的身份识别号码，调取各个说话人的人像模型。

5.根据权利要求2或3所述的多人视频方法，其特征在于，还包括：

如果多人说话或者对话，基于各个说话人的声音识别各个说话人的声纹，基于各个说话人的声纹识别各个说话人的性别，基于各个说话人的性别将说话人分为两组，对于每组说话人，基于各个说话人的声纹获取各个说话人的身份识别号码，基于各个说话人的身份识别号码，调取各个说话人的人像模型。

6.根据权利要求4或5所述的多人视频方法，其特征在于，

用户的声纹和/或用户的人像模型存储在终端和/或云端。

7.根据权利要求3至6中任一项所述的多人视频方法，其特征在于，合成的说话人的声音和人像模型配置在虚拟场景中。

8.一种多人视频装置，其特征在于，包括：

声纹生成模块，所述声纹生成模块生成用户的声纹；

人像模型生成模块，所述人像模型生成模块生成用户的人像模型；

身份识别号码配置模块，所述身份识别号码配置模块为所述用户配置身份识别号码；以及

视频模块，所述视频模块通过获取说话人的声音识别说话人的声纹，调取说话人的声纹对应的身份识别号码，基于说话人的身份识别号码，调取说话人的人像模型；以及实时的合成说话人的声音和人像模型。

9.一种电子设备，其特征在于，包括：

存储器，所述存储器存储执行指令；以及

处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行如权利要求1至7中任一项所述的方法。

10.一种可读存储介质，其特征在于，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现如权利要求1至7中任一项所述的方法。