CN114187405B - 确定虚拟形象的方法及装置、设备、介质和产品 - Google Patents

Abstract

本公开提供了一种确定虚拟形象的方法及装置、设备、介质和产品，涉及人工智能领域，尤其涉及计算机视觉、虚拟/增强现实和自然语言处理技术领域。具体实现方案包括：响应于接收到虚拟形象生成指令，对虚拟形象生成指令进行解析，得到形象特征描述词；确定与形象特征描述词匹配的目标原型图像；以及将与目标原型图像关联的虚拟形象，作为符合生成指令的目标虚拟形象。

Description

确定虚拟形象的方法及装置、设备、介质和产品

技术领域

本公开涉及人工智能领域，尤其涉及计算机视觉、虚拟/增强现实和自然语言处理技术领域，可应用于生成虚拟形象的场景下。

背景技术

虚拟形象在社交、直播或游戏等场景中具有广泛的应用。根据接收的虚拟形象生成指令，生成满足用户个性化需求的虚拟形象，可以有效提升用户使用体验。但是，在一些场景下，在生成虚拟形象时，存在虚拟形象生成成本高、生成效果不佳的现象。

发明内容

本公开提供了一种确定虚拟形象的方法及装置、设备、介质和产品。

根据本公开的一方面，提供了一种确定虚拟形象的方法，包括：响应于接收到虚拟形象生成指令，对所述虚拟形象生成指令进行解析，得到形象特征描述词；确定与所述形象特征描述词匹配的目标原型图像；以及将与所述目标原型图像关联的虚拟形象，作为符合所述生成指令的目标虚拟形象。

根据本公开的另一方面，提供了一种确定虚拟形象的装置，包括：第一处理模块，用于响应于接收到虚拟形象生成指令，对所述虚拟形象生成指令进行解析，得到形象特征描述词；第二处理模块，用于确定与所述形象特征描述词匹配的目标原型图像；以及第三处理模块，用于将与所述目标原型图像关联的虚拟形象，作为符合所述生成指令的目标虚拟形象。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和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上述的确定虚拟形象的方法。

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，所述计算机指令用于使所述计算机执行上述的确定虚拟形象的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述的确定虚拟形象的方法。

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示意性示出了根据本公开一实施例的确定虚拟形象的方法和装置的系统架构；

图2示意性示出了根据本公开一实施例的确定虚拟形象的方法的流程图；

图3示意性示出了根据本公开一实施例的确定虚拟形象的过程示意图；

图4示意性示出了根据本公开又一实施例的确定虚拟形象的方法的流程图；

图5示意性示出了根据本公开一实施例的确定虚拟形象的装置的框图；

图6示意性示出了根据本公开实施例的用于执行确定虚拟形象的方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

本公开的实施例提供了一种确定虚拟形象的方法。确定虚拟形象的方法包括：响应于接收到虚拟形象生成指令，对虚拟形象生成指令进行解析，得到形象特征描述词，确定与形象特征描述词匹配的目标原型图像，以及将与目标原型图像关联的虚拟形象，作为符合生成指令的目标虚拟形象。

图1示意性示出了根据本公开一实施例的确定虚拟形象的方法和装置的系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

根据该实施例的系统架构100可以包括终端设备101、102、103、网络104和服务器105。网络104用于在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。服务器105可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或分布式系统，还可以是提供云服务、云计算、网络服务、中间件服务等基础云计算服务的云服务器。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如安装有社交平台软件、娱乐交互类应用、搜索类应用、即时通信工具、游戏客户端和/或工具类应用等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持数据交互的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所提交的请求提供支持的后台处理服务器(仅为示例)。后台处理服务器可以对接收到的用户请求等数据进行分析处理，并将处理结果(例如根据用户请求获取或生成的数据、信息、或网页等)反馈给终端设备。

例如，服务器105接收来自终端设备101、102、103的虚拟形象生成指令，服务器105用于响应于接收到虚拟形象生成指令，对虚拟形象生成指令进行解析，得到形象特征描述词。服务器105还用于确定与形象特征描述词匹配的目标原型图像，以及将与目标原型图像关联的虚拟形象，作为符合生成指令的目标虚拟形象。

需要说明的是，本公开实施例所提供的确定虚拟形象的方法可以由服务器105执行。相应地，本公开实施例所提供的确定虚拟形象的装置可以设置于服务器105中。本公开实施例所提供的确定虚拟形象的方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的确定虚拟形象的装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

本公开实施例提供了一种确定虚拟形象的方法，下面结合图1的系统架构，参考图2～图4来描述根据本公开示例性实施方式的确定虚拟形象的方法。本公开实施例的确定虚拟形象的方法例如可以由图1所示的服务器105来执行。

图2示意性示出了根据本公开一实施例的确定虚拟形象的方法的流程图。

如图2所示，本公开实施例的确定虚拟形象的方法200例如可以包括操作S210～操作S230。

在操作S210，响应于接收到虚拟形象生成指令，对虚拟形象生成指令进行解析，得到形象特征描述词。

在操作S220，确定与形象特征描述词匹配的目标原型图像。

在操作S230，将与目标原型图像关联的虚拟形象，作为符合生成指令的目标虚拟形象。

下面示例说明本实施例的确定虚拟形象的方法的各操作的示例流程。

示例性地，确定虚拟形象的方法的执行主体可以通过各种公开、合法合规的方式接收虚拟形象生成指令，例如可以基于通信协议，接收用户通过终端设备发送的虚拟形象生成指令。虚拟形象生成指令可以是语音类生成指令、文字类生成指令或者图片类生成指令，生成指令用于指示执行主体生成具备特定形象特征的虚拟形象。

响应于接收到虚拟形象生成指令，对虚拟形象生成指令进行解析，得到形象特征描述词。形象特征描述词用于描述虚拟形象的类别、形状、尺寸、动作、外观感受、材质、纹理、颜色等特征。由虚拟形象生成指令解析得到的形象特征描述词可以描述虚拟形象的多个形象特征，也可以描述虚拟形象的单个形象特征。

示例性地，虚拟形象生成指令可以是“生成穿白色T恤的帅气男生形象”，由虚拟形象生成指令解析得到的形象特征描述词可以包括“白色、T恤、帅气、男生”，形象特征描述词描述了虚拟形象的颜色(白色)、外观感受(帅气)、类别(T恤、男生)等多个形象特征。

在对虚拟形象生成指令进行解析，得到形象特征描述词时，针对语音类生成指令，可以利用自然语言处理技术NLP进行解析，以识别生成指令中的形象特征描述词。针对文字类生成指令，可以利用关键字识别算法进行关键字识别，以提取生成指令中的形象特征描述词。针对图片类生成指令，可以利用图片文字识别技术，将图片类生成指令转换为文字类生成指令，然后对文字类生成指令进行关键字识别，以提取生成指令中的形象特征描述词。

在确定与形象特征描述词匹配的目标原型图像时，可以根据预设语义数据库，确定与形象特征描述词关联的描述归一化词，确定与描述归一化词匹配的目标原型图像。语义数据库可以包括至少一个描述归一化词，至少一个描述归一化词对应至少一个形象特征描述词。示例性地，至少一个描述归一化词中的每个描述归一化词对应至少一个形象特征描述词。在语义数据库中，与同一描述归一化词对应的多个形象特征描述词可以互为近义词。描述归一化词可以有效保证虚拟形象特征理解的统一性，有利于提升虚拟形象描述的识别匹配准度。

示例性地，描述归一化词例如包括用于描述虚拟形象外观感受的描述词汇，例如可以包括handsome、fashionable、simple、relax、white等词汇。针对描述归一化词“fashionable”，与该描述归一化词对应的形象特征描述词例如可以包括时髦、现代、朋克、摇滚、潮流、时尚等近义词。针对描述归一化词“white”，与该描述归一化词对应的形象特征描述词例如可以包括白色、纯白、雪白、洁白等近义词。

在虚拟形象生成指令描述有关虚拟形象的M个形象特征的情况下，解析得到的形象特征描述词可能包括M个描述分词。在形象特征描述词包括M个描述分词的情况下，在根据预设语义数据库，确定与形象特征描述词关联的描述归一化词时，可以根据语义数据库，确定与M个描述分词关联的N个描述归一化词，M为大于1的整数，N为小于或等于M的正整数。

在确定与描述归一化词匹配的目标原型图像时，可以确定与N个描述归一化词中的至少部分描述归一化词匹配的目标原型图像。有利于有效提升虚拟形象描述的识别匹配准度，保证虚拟形象生成效果。

示例性地，可以利用预训练的多模态CLIP模型，在原型图像数据库中确定与描述归一化词匹配的目标原型图像。可以对描述归一化词进行编码，将描述归一化词转换为字符串数组，并将字符串数组作为CLIP模型的输入数据。CLIP模型输出与描述归一化词匹配度最高的原型图像，以作为与描述归一化词匹配的目标原型图像。在存在多个描述归一化词的情况下，可以对多个描述归一化词进行编码，将多个描述归一化词转换为字符串数组，并将字符串数组作为CLIP模型的输入数据。

虚拟形象可以包括基于对应原型图像生成的二维模拟形象或三维模拟形象。原型图像与虚拟形象之间具有预设关联关系，将与目标原型图像关联的虚拟形象，作为符合生成指令的目标虚拟形象。

通过本公开实施例，响应于接收到虚拟形象生成指令，对虚拟形象生成指令进行解析，得到形象特征描述词，确定与形象特征描述词匹配的目标原型图像，以及将与目标原型图像关联的虚拟形象，作为符合生成指令的目标虚拟形象。

根据虚拟形象生成指令中的形象特征描述词，确定与形象特征描述词匹配的目标原型图像，并将与目标原型图像关联的虚拟形象作为符合生成指令的目标虚拟形象。通过提高针对虚拟形象生成指令的理解能力，有利于提升虚拟形象描述的识别匹配准度，改善虚拟形象生成效果，此外，还有利于降低虚拟形象生成成本和生成难度。

图3示意性示出了根据本公开一实施例的确定虚拟形象的过程示意图。

如图3所示，在确定过程300中，通过对虚拟形象生成指令进行解析，得到形象特征描述词301。根据预设语义数据库，确定与形象特征描述词关联的描述归一化词302包括sexy、fashionable。对描述归一化词302进行编码，将描述归一化词302转换为字符串数组303。将字符串数组303作为CLIP模型304的输入数据，以使CLIP模型304输出与描述归一化词303匹配度最高的目标原型图像305。将与目标原型图像305关联的虚拟形象，作为符合生成指令的目标虚拟形象306。

图4示意性示出了根据本公开另一实施例的确定虚拟形象的方法的示意图。

如图4所示，方法400例如可以包括操作S410和操作S420。

在操作S410，在得到目标虚拟形象之后，根据形象特征描述词，确定针对目标虚拟形象的形象驱动参数。

在操作S420，根据形象驱动参数，控制目标虚拟形象呈现符合生成指令的形象。

下面示例说明本实施例的确定虚拟形象的方法的各操作的示例流程。

示例性地，在根据形象特征描述词，确定针对目标虚拟形象的形象驱动参数时，一种示例方式，可以根据形象特征描述词，确定与目标虚拟形象关联的表情特征参数。根据表情特征参数，调整目标虚拟形象的头部位姿和面部关键点位姿，以使目标虚拟形象呈现符合生成指令的形象。

可以根据形象特征描述词与表情特征参数之间的预设关联关系，确定与目标虚拟形象关联的表情特征参数。示例性地，可以根据与形象特征描述词关联的描述归一化词，确定与描述归一化词匹配的表情特征参数。表情特征参数可以指示目标虚拟形象的头部位姿和面部关键点位姿，根据表情特征参数调整目标虚拟形象的头部姿态和表情动作，以使目标虚拟形象呈现符合生成指令的形象。

另一示例方式，可以根据形象特征描述词，确定与目标虚拟形象关联的话术特征参数，话术特征参数包括声音特征参数和话术资源参数。根据声音特征参数，调整目标虚拟形象的声音特征，以使目标虚拟形象基于调整后的声音特征播放话术资源参数所指示的话术内容。

话术特征参数可以包括声音特征参数和话术资源参数，声音特征参数可以指示目标虚拟形象的音调、音色、响度等声音特征，话术资源参数可以指示目标虚拟形象待播放的话术内容。根据话术特征参数驱动呈现目标虚拟形象，控制目标虚拟形象播放符合生成指令的话术内容。

另一示例方式，可以根据形象特征描述词，确定与目标虚拟形象关联的显示参数。根据确定出的显示参数，从预设形象资源库中获取显示参数所指示的装扮素材，并将装扮素材应用于目标虚拟形象，以使目标虚拟形象呈现符合生成指令的形象。装扮素材例如可以包括针对目标虚拟形象的配饰、妆容、道具、服装等素材。

通过本公开实施例，在得到目标虚拟形象之后，根据形象特征描述词，确定针对目标虚拟形象的形象驱动参数，根据形象驱动参数，控制目标虚拟形象呈现符合生成指令的形象。有利于改善目标虚拟形象与生成指令之间的匹配度，有利于提升虚拟形象描述的识别匹配准度，能够有效改善虚拟形象呈现效果。

图5示意性示出了根据本公开一实施例的确定虚拟形象的装置的框图。

如图5所示，本公开实施例的确定虚拟形象的装置500例如包括第一处理模块510、第二处理模块520和第三处理模块530。

第一处理模块510，用于响应于接收到虚拟形象生成指令，对虚拟形象生成指令进行解析，得到形象特征描述词；第二处理模块520，用于确定与形象特征描述词匹配的目标原型图像；以及第三处理模块530，用于将与目标原型图像关联的虚拟形象，作为符合生成指令的目标虚拟形象。

通过本公开实施例，响应于接收到虚拟形象生成指令，对虚拟形象生成指令进行解析，得到形象特征描述词，确定与形象特征描述词匹配的目标原型图像，以及将与目标原型图像关联的虚拟形象，作为符合生成指令的目标虚拟形象。

根据虚拟形象生成指令中的形象特征描述词，确定与形象特征描述词匹配的目标原型图像，并将与目标原型图像关联的虚拟形象作为符合生成指令的目标虚拟形象。通过提高针对虚拟形象生成指令的理解能力，有利于提升虚拟形象描述的识别匹配准度，改善虚拟形象生成效果，此外，还有利于降低虚拟形象生成成本和生成难度。

根据本公开的实施例，第二处理模块包括：第一处理子模块，用于根据预设语义数据库，确定与形象特征描述词关联的描述归一化词；以及第二处理子模块，用于确定与描述归一化词匹配的目标原型图像，其中，语义数据库包括至少一个描述归一化词，至少一个描述归一化词对应至少一个形象特征描述词。

根据本公开的实施例，第一处理子模块包括：第一处理单元，用于在形象特征描述词包括M个描述分词的情况下，根据语义数据库，确定与M个描述分词关联的N个描述归一化词，其中，M为大于1的整数，N为小于或等于M的正整数；第二处理子模块包括：第二处理单元，用于确定与N个描述归一化词中的至少部分描述归一化词匹配的目标原型图像。

根据本公开的实施例，该装置还包括：第四处理模块，用于在得到目标虚拟形象之后，根据形象特征描述词，确定针对目标虚拟形象的形象驱动参数；以及第五处理模块，用于根据形象驱动参数，控制目标虚拟形象呈现符合生成指令的形象。

根据本公开的实施例，第四处理模块包括：第三处理子模块，用于根据形象特征描述词，确定与目标虚拟形象关联的表情特征参数；第五处理模块包括：第四处理子模块，用于根据表情特征参数，调整目标虚拟形象的头部位姿和面部关键点位姿，以使目标虚拟形象呈现符合生成指令的形象。

根据本公开的实施例，第四处理模块包括：第五处理子模块，用于根据形象特征描述词，确定与目标虚拟形象关联的话术特征参数，其中，话术特征参数包括声音特征参数和话术资源参数；第五处理模块包括：第六处理子模块，用于根据声音特征参数，调整目标虚拟形象的声音特征，以使目标虚拟形象基于调整后的声音特征播放话术资源参数所指示的话术内容。

根据本公开的实施例，第四处理模块包括：第七处理子模块，用于根据形象特征描述词，确定与目标虚拟形象关联的显示参数；第五处理模块包括：第八处理子模块，用于根据显示参数，从预设形象资源库中获取显示参数所指示的装扮素材；以及第九处理子模块，用于将装扮素材应用于目标虚拟形象，以使目标虚拟形象呈现符合生成指令的形象。

应该注意的是，本公开的技术方案中，所涉及的信息收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示意性示出了根据本公开实施例的用于执行确定虚拟形象的方法的电子设备的框图。

图6示出了可以用来实施本公开实施例的示例电子设备600的示意性框图。电子设备600旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元609，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元606允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如确定虚拟形象的方法。例如，在一些实施例中，确定虚拟形象的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元606而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的确定虚拟形象的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行确定虚拟形象的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与对象的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向对象显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，对象可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与对象的交互；例如，提供给对象的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自对象的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形对象界面或者网络浏览器的对象计算机，对象可以通过该图形对象界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (10)

1.一种确定虚拟形象的方法，包括：

响应于接收到虚拟形象生成指令，对所述虚拟形象生成指令进行解析，得到形象特征描述词；

确定与所述形象特征描述词匹配的目标原型图像；

将与所述目标原型图像关联的虚拟形象，作为符合所述生成指令的目标虚拟形象；

根据所述形象特征描述词，确定针对所述目标虚拟形象的形象驱动参数；以及

根据所述形象驱动参数，控制所述目标虚拟形象呈现符合所述生成指令的形象；

其中，所述确定与所述形象特征描述词匹配的目标原型图像，包括：

根据预设语义数据库，确定与所述形象特征描述词关联的描述归一化词，包括在所述形象特征描述词包括M个描述分词的情况下，根据所述语义数据库，确定与所述M个描述分词关联的N个描述归一化词，M为大于1的整数，N为小于或等于M的正整数；

利用预训练的多模态CLIP模型，在原型图像数据库中确定与所述描述归一化词匹配的所述目标原型图像，包括确定与所述N个描述归一化词中的至少部分描述归一化词匹配的目标原型图像；

其中，所述语义数据库包括至少一个描述归一化词，所述至少一个描述归一化词中的每个描述归一化词对应至少一个形象特征描述词，与同一描述归一化词对应的多个形象特征描述词互为近义词。

2.根据权利要求1所述的方法，其中，

所述根据所述形象特征描述词，确定针对所述目标虚拟形象的形象驱动参数，包括：

根据所述形象特征描述词，确定与所述目标虚拟形象关联的表情特征参数；

所述根据所述形象驱动参数，控制所述目标虚拟形象呈现符合所述生成指令的形象，包括：

根据所述表情特征参数，调整所述目标虚拟形象的头部位姿和面部关键点位姿，以使所述目标虚拟形象呈现符合所述生成指令的形象。

3.根据权利要求1所述的方法，其中，

所述根据所述形象特征描述词，确定针对所述目标虚拟形象的形象驱动参数，包括：

根据所述形象特征描述词，确定与所述目标虚拟形象关联的话术特征参数，其中，所述话术特征参数包括声音特征参数和话术资源参数；

所述根据所述形象驱动参数，控制所述目标虚拟形象呈现符合所述生成指令的形象，包括：

根据所述声音特征参数，调整所述目标虚拟形象的声音特征，以使所述目标虚拟形象基于调整后的声音特征播放所述话术资源参数所指示的话术内容。

4.根据权利要求1所述的方法，其中，

所述根据所述形象特征描述词，确定针对所述目标虚拟形象的形象驱动参数，包括：

根据所述形象特征描述词，确定与所述目标虚拟形象关联的显示参数；

所述根据所述形象驱动参数，控制所述目标虚拟形象呈现符合所述生成指令的形象，包括：

根据所述显示参数，从预设形象资源库中获取所述显示参数所指示的装扮素材；以及

将所述装扮素材应用于所述目标虚拟形象，以使所述目标虚拟形象呈现符合所述生成指令的形象。

5.一种确定虚拟形象的装置，包括：

第一处理模块，用于响应于接收到虚拟形象生成指令，对所述虚拟形象生成指令进行解析，得到形象特征描述词；

第二处理模块，用于确定与所述形象特征描述词匹配的目标原型图像；

第三处理模块，用于将与所述目标原型图像关联的虚拟形象，作为符合所述生成指令的目标虚拟形象；

第四处理模块，用于在得到所述目标虚拟形象之后，根据所述形象特征描述词，确定针对所述目标虚拟形象的形象驱动参数；以及

第五处理模块，用于根据所述形象驱动参数，控制所述目标虚拟形象呈现符合所述生成指令的形象；

其中，所述第二处理模块包括：

第一处理子模块，用于根据预设语义数据库，确定与所述形象特征描述词关联的描述归一化词；所述第一处理子模块包括：第一处理单元，用于在所述形象特征描述词包括M个描述分词的情况下，根据所述语义数据库，确定与所述M个描述分词关联的N个描述归一化词，其中，M为大于1的整数，N为小于或等于M的正整数；

第二处理子模块，用于利用预训练的多模态CLIP模型，在原型图像数据库中确定与所述描述归一化词匹配的所述目标原型图像，所述第二处理子模块包括：第二处理单元，用于确定与所述N个描述归一化词中的至少部分描述归一化词匹配的目标原型图像

其中，所述语义数据库包括至少一个描述归一化词，所述至少一个描述归一化词中的每个描述归一化词对应至少一个形象特征描述词；与同一描述归一化词对应的多个形象特征描述词互为近义词。

6.根据权利要求5所述的装置，其中，

所述第四处理模块包括：

第三处理子模块，用于根据所述形象特征描述词，确定与所述目标虚拟形象关联的表情特征参数；

所述第五处理模块包括：

第四处理子模块，用于根据所述表情特征参数，调整所述目标虚拟形象的头部位姿和面部关键点位姿，以使所述目标虚拟形象呈现符合所述生成指令的形象。

7.根据权利要求5所述的装置，其中，

所述第四处理模块包括：

第五处理子模块，用于根据所述形象特征描述词，确定与所述目标虚拟形象关联的话术特征参数，其中，所述话术特征参数包括声音特征参数和话术资源参数；

所述第五处理模块包括：

第六处理子模块，用于根据所述声音特征参数，调整所述目标虚拟形象的声音特征，以使所述目标虚拟形象基于调整后的声音特征播放所述话术资源参数所指示的话术内容。

8.根据权利要求5所述的装置，其中，

所述第四处理模块包括：

第七处理子模块，用于根据所述形象特征描述词，确定与所述目标虚拟形象关联的显示参数；

所述第五处理模块包括：

第八处理子模块，用于根据所述显示参数，从预设形象资源库中获取所述显示参数所指示的装扮素材；以及

第九处理子模块，用于将所述装扮素材应用于所述目标虚拟形象，以使所述目标虚拟形象呈现符合所述生成指令的形象。

9.一种电子设备，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权利要求1～4中任一项所述的方法。

10.一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权利要求1～4中任一项所述的方法。

Images