[发明专利]虚拟主播生成方法、装置、计算机设备及可读存储介质

说明书

本申请属于图像处理技术领域，本申请提供了一种虚拟主播生成方法、装置、计算机设备及计算机可读存储介质。本申请通过获取中文音频，并根据中文音频，获取中文音频中所包含的每个中文文字相对应的中文读音，根据中文读音，获取中文读音相对应的中文音素，根据中文音素，获取中文音素所对应的预设嘴型关键点，并根据预设嘴型关键点，获取预设嘴型关键点所对应的预设嘴型图，获取预设虚拟主播形象，将所述预设嘴型图设置至所述预设虚拟主播形象的预设嘴唇位置，以生成中文读音所对应的虚拟主播，实现了虚拟主播的拼接式生成，相比传统技术中虚拟主播的生成方式，提高了虚拟主播生成的效率与效果。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种虚拟主播生成方法、装置、计算机设备及计算机可读存储介质。

背景技术

随着人工智能技术的发展，非常多的AI技术在日常生活中得到了实际的应用，其中，虚拟主播技术应用也越来越广泛。虚拟主播技术通过融合计算机视觉、语音处理、自然语言处理等多领域的知识，为传播赋能，相较于传统的人工主播，具有更加低廉的人工成本，更广泛的适用场景，以及更灵活的运用方式等优势，可以在网络教学及新闻播报等当场景下进一步发展。通过输入文字或者语音生成对应的主播形象视频，然后与合成的语音相融合，从而合成虚拟主播：一个说着输入话术的主播形象视频，与真人主播在神情、动作、声音上相差无几。传统技术中，虚拟主播技术，往往多采用生成式方案，但是生成式方案模型复杂度高、部署性差、耗时高，导致虚拟主播的生成效率较低。

发明内容

本申请提供了一种虚拟主播生成方法、装置、计算机设备及计算机可读存储介质，能够解决传统技术中虚拟主播的生成效率较低的技术问题。

第一方面，本申请提供了一种虚拟主播生成方法，包括：获取中文音频，并根据所述中文音频，获取所述中文音频所包含的每个中文文字相对应的中文读音；根据所述中文读音，获取所述中文读音相对应的中文音素；根据所述中文音素，获取所述中文音素所对应的预设嘴型关键点，并根据所述预设嘴型关键点，获取所述预设嘴型关键点所对应的预设嘴型图；获取预设虚拟主播形象，将所述预设嘴型图设置至所述预设虚拟主播形象的预设嘴唇位置，以生成所述中文读音所对应的虚拟主播。

第二方面，本申请还提供了一种虚拟主播生成装置，包括：第一获取单元，用于获取中文音频，并根据所述中文音频，获取所述中文音频所包含的每个中文文字相对应的中文读音；第二获取单元，用于根据所述中文读音，获取所述中文读音相对应的中文音素；第三获取单元，用于根据所述中文音素，获取所述中文音素所对应的预设嘴型关键点，并根据所述预设嘴型关键点，获取所述预设嘴型关键点所对应的预设嘴型图；生成单元，用于获取预设虚拟主播形象，将所述预设嘴型图设置至所述预设虚拟主播形象的预设嘴唇位置，以生成所述中文读音所对应的虚拟主播。

第三方面，本申请还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现所述虚拟主播生成方法的步骤。

第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器执行所述虚拟主播生成方法的步骤。

本申请提供了一种虚拟主播生成方法、装置、计算机设备及计算机可读存储介质。本申请通过获取中文音频，并根据所述中文音频，获取所述中文音频中所包含的每个中文文字相对应的中文读音，根据所述中文读音，获取所述中文读音相对应的中文音素，根据所述中文音素，获取所述中文音素所对应的预设嘴型关键点，并根据所述预设嘴型关键点，获取所述预设嘴型关键点所对应的预设嘴型图，获取预设虚拟主播形象，将所述预设嘴型图设置至所述预设虚拟主播形象的预设嘴唇位置，以生成所述中文读音所对应的虚拟主播，从而实现虚拟主播的拼接式生成，相比传统技术中虚拟主播的生成方式，提高了虚拟主播生成的效率与效果。

附图说明