[发明专利]一种基于文本驱动的虚拟人微表情表达方法

权利要求书

1.一种基于文本驱动的虚拟人微表情表达方法，其特征在于，包括：

步骤1、根据输入的文本合成语音，并根据所述文本得到情感标签；

步骤2、从合成的所述语音中提取元音音素；

步骤3、基于Blendshape模型，根据所述情感标签、所述元音音素得到动画。

2.根据权利要求1所述的基于文本驱动的虚拟人微表情表达方法，其特征在于，根据输入的文本合成语音，包括：

创建文本语音合成应用并获取用于语音合成的API Key和Secret Key，根据所申请的语音合成项目的APIKey与SecretKey获取Access Token，以得到请求凭证，根据获取到的语音合成项目的Access Token发送文本请求语音合成，以将输入的文本合成语音。

3.根据权利要求1所述的基于文本驱动的虚拟人微表情表达方法，其特征在于，根据所述文本得到情感标签，包括：

创建文本情感分析应用并获取用于文本情感分析的API Key和Secret Key，根据所申请的文本情感分析项目的APIKey与SecretKey获取Access Token，以得到请求凭证，根据获取到的文本情感分析项目的Access Token发送文本请求分析文本情感，以得到情感标签。

4.根据权利要求1所述的基于文本驱动的虚拟人微表情表达方法，其特征在于，所述步骤2包括：

步骤2.1、利用分帧加窗方法对所述语音进行分帧处理，以得到若干第一子语音；

步骤2.2、利用短时平均能量方法对所述第一子语音进行端点检测，得到所述第一子语音的短时平均能量；

步骤2.3、根据所述第一子语音的短时平均能量和阈值ε得到第二子语音，所述第二子语音为含有声音的语音；

步骤2.4、基于多分辨率LPC法，根据所述第二子语音得到共振峰和共振峰频率；

步骤2.5、将所述共振峰的共振峰频率与不同元音的共振频率进行比较，以从所述共振峰中获取语音中的元音音素。

5.根据权利要求4所述的基于文本驱动的虚拟人微表情表达方法，其特征在于，所述步骤2.4包括：

步骤2.41、对伸缩因子和时移因子进行离散，以得到离散化后的所述伸缩因子和所述时移因子；

步骤2.42、基于离散化后的所述伸缩因子和所述时移因子，利用DWT按照不同的频带对所述第二子语音进行等频带分解，以得到第三子语音；

步骤2.43、利用多分辨率LPC法对所述第三子语音进行处理，以得到所述共振峰，并利用峰值检测法，根据LPC谱分析出所述共振峰的共振峰频率。

6.根据权利要求5所述的基于文本驱动的虚拟人微表情表达方法，其特征在于，利用峰值检测法，根据LPC谱分析出所述共振峰的共振峰频率，包括：

根据所述第三子语音和所述第三子语音的近似值得到预测系数；

基于声道传递的全极点模型，根据所述预测系数得到所述全极点模型的频率特性；

对所述频率特性取功率谱模值得到LPC谱；

利用峰值检测法检测所述LPC谱的峰值得到所述共振峰的共振峰频率。

7.根据权利要求6所述的基于文本驱动的虚拟人微表情表达方法，其特征在于，根据所述第三子语音和所述第三子语音的近似值得到预测系数，包括：

将前p个所述第三子语音进行线性组合得到第n个所述第三子语音的近似值；

根据所述第三子语音与所述近似值之差得到预测误差；

基于最小均方误差准则，根据所述预测误差得到均方误差值；

使所述均方误差值对预测系数进行偏微分并使偏微分结果为0，以得到所述预测系数。

8.根据权利要求1所述的基于文本驱动的虚拟人微表情表达方法，其特征在于，所述步骤3包括：

步骤3.1、根据六个基本口型模型和两个基本表情模型制作Blendshape模型；

步骤3.2、基于所述Blendshape模型，根据所述情感标签、所述元音音素和所述元音音素的起止时间，将对应的基本口型模型和基本表情模型融合得到所述动画。