数字人视频生成方法、装置、电子设备和存储介质

摘要

本公开实施例公开了一种数字人视频生成方法、装置、电子设备和存储介质。上述方法包括：获取目标音频和目标人脸图像；针对上述目标音频中的音频帧，将该音频帧输入至预先训练的嘴部区域图像生成模型，得到与该音频帧相对应的嘴部区域图像，其中，上述嘴部区域图像生成模型用于表征音频帧与嘴部区域图像之间的对应关系；针对上述目标音频中的音频帧，将与该音频帧相对应的嘴部区域图像和上述目标人脸图像中的目标区域图像输入至预先训练的目标图像生成模型，生成与该音频帧相对应的目标图像，上述目标区域图像为上述目标人脸图像中除嘴部区域图像之外的区域图像；基于所生成的目标图像，生成数字人视频。本公开实施例可以提高数字人生成效果。