基于语音驱动的说话人脸视频生成综述  

作　　者：韩家伟[1] 游锦 

机构地区：[1]长春大学,吉林长春130000

出　　处：《电脑知识与技术》2024年第24期123-126,共4页Computer Knowledge and Technology

摘　　要：随着人工智能的快速发展,语音驱动的说话人脸生成技术因其在公共安全、医疗、电影娱乐、虚拟数字人等领域的广泛应用而受到越来越多的关注。该技术旨在根据给定的目标人脸和音频,生成自然的说话人脸视频。在过去五年中,研究人员提出了许多创新方法,以解决该领域中的不同问题,推动了这一领域的发展。本文对当前说话人脸生成领域的发展进行了系统梳理和总结,以期为学术界提供有价值的资源。此外,详细介绍了常用的数据集及多项用于评估模型性能的评价指标,为该领域的研究提供了更全面的理解和认识。最后,我们总结了该领域未来的发展趋势,并鼓励更多研究者在这一领域进行持续创新,为技术进步贡献力量。

关 键 词：计算机视觉 深度学习 说话人脸生成 音频驱动 数字人 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]