[发明专利]动画合成方法、装置、电子设备及存储介质

说明书

本公开提供了动画合成方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及自然语言处理、语音技术、计算机视觉和虚拟/增强现实技术领域。具体实现方案为：获取待处理的音频流以及音节序列；对音频流进行音素检测，获取音频流的音素信息序列，其中，音素信息序列中的音素信息包括：音素类别以及对应的发音时间段；根据音节序列、音素信息序列中的音素类别以及对应的发音时间段，确定音节序列中音节对应的发音时间段；根据音节序列中音节对应的发音时间段以及音节对应的动画帧序列，生成音频流对应的动画视频。由此，可使动画视频和音频流具有很强的一致性，不存在帧间抖动问题，进而提高了动画视频的真实性和泛化能力。

技术领域

本公开涉及人工智能技术领域，尤其涉及自然语言处理、语音技术、计算机视觉和虚拟/增强现实技术领域，具体涉及动画合成方法、装置、电子设备及存储介质。

背景技术

目前，随着计算机动画技术的不断进步，音频驱动的虚拟形象人脸表情动画得到了发展，其中，虚拟形象人脸表情动画，即输入音频生成与音频流相符的虚拟主播人脸表情动画。

发明内容

本公开提供了一种用于动画合成方法、装置、电子设备及存储介质。

根据本公开的一方面，提供了一种动画合成方法，包括：获取待处理的音频流以及音节序列，其中，所述音频流和所述音节序列对应相同的文本；对所述音频流进行音素检测，获取所述音频流的音素信息序列，其中，所述音素信息序列中的音素信息包括：音素类别以及对应的发音时间段；根据所述音节序列、所述音素信息序列中的音素类别以及对应的发音时间段，确定所述音节序列中音节对应的发音时间段；根据所述音节序列中所述音节对应的发音时间段以及所述音节对应的动画帧序列，生成所述音频流对应的动画视频。

根据本公开的另一方面，提供了一种动画合成装置，包括：获取模块，用于获取待处理的音频流以及音节序列，其中，所述音频流和所述音节序列对应相同的文本；检测模块，用于对所述音频流进行音素检测，获取所述音频流的音素信息序列，其中，所述音素信息序列中的音素信息包括：音素类别以及对应的发音时间段；第一确定模块，用于根据所述音节序列、所述音素信息序列中的音素类别以及对应的发音时间段，确定所述音节序列中音节对应的发音时间段；生成模块，用于根据所述音节序列中音节对应的发音时间段以及所述音节对应的动画帧序列，生成所述音频流对应的动画视频。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面实施例所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开第一方面实施例所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，所述计算机程序在被处理器执行时实现本公开第一方面实施例所述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的示意图；

图2是根据本公开第二实施例的示意图；

图3是根据本公开第三实施例的示意图；

图4是根据本公开第四实施例示意图；

图5是根据本公开第五实施例的示意图；

图6是根据本公开第六实施例的示意图；

图7是根据本公开实施例的动画合成流程示意图；