基于图片和语音的视频合成方法、系统、设备及存储介质

著录项目

摘要

本发明属于人工智能技术领域，具体公开了基于图片和语音的视频合成方法、系统、设备及存储介质，通过获取人脸图片和音频数据，以根据人脸图片构建各音素的单音素视频片段，根据音频数据进行语音识别，提取发音结构化数据，利用发音结构化数据和各音素的单音素视频片段来拼接调整，得到对应的合成视频，可以实现智能化的视频合成，有效降低用户端的视频合成耗时和计算资源要求。本发明可以准确地模拟用户的嘴型动作，提高合成视频的自然度和真实感，可以减少用户端视频合成的计算量和时间，提高视频合成效率和稳定性，提升合成视频的流畅性和呈现效果，具有广泛的应用前景。

附图

附图 1