CN114283227B - 虚拟人物的驱动方法、装置、电子设备及可读存储介质 - Google Patents

Abstract

本公开公开了一种虚拟人物的驱动方法、装置、电子设备及可读存储介质，涉及数据处理技术领域和图像处理技术领域，尤其涉及智能语音技术、计算机视觉技术和深度学习技术等人工智能技术领域。具体实现方案为：获取分段处理的虚拟人物的语音数据和驱动数据，所述驱动数据为根据所述语音数据所获得；缓存所述分段处理的虚拟人物的语音数据和驱动数据；响应于所缓存的多段数据满足预定完整内容表达条件，同步输出多段语音数据与所述多段语音数据所对应段的驱动数据。

Description

虚拟人物的驱动方法、装置、电子设备及可读存储介质

技术领域

本公开涉及数据处理技术领域和图像处理技术领域，尤其涉及智能语音技术、计算机视觉技术和深度学习技术等人工智能技术领域。

背景技术

随着人工智能(Artificial Intelligence，AI)技术的快速发展，越来越多的虚拟人物出现在我们日常生活中，例如，地铁、银行、政务等多种公共场景下的虚拟助理。

为了使得虚拟人物在说话过程中更为真实自然，可以对虚拟人物的某些身体部位进行驱动，例如，对面部进行表情驱动、对肢体进行姿态驱动等，以实现虚拟人物在说话过程中身体部位动起来。

通常，在获取到虚拟人物的语音数据和驱动数据之后，会立即进行语音播放和身体部位驱动。

发明内容

本公开提供了一种虚拟人物的驱动方法、装置、电子设备及可读存储介质。

根据本公开的一方面，提供了一种虚拟人物的驱动方法，包括：

获取分段处理的虚拟人物的语音数据和驱动数据，所述驱动数据为根据所述语音数据所获得；

缓存所述分段处理的虚拟人物的语音数据和驱动数据；

响应于所缓存的多段数据满足预定完整内容表达条件，同步输出多段语音数据与所述多段语音数据所对应段的驱动数据。

根据本公开的另一方面，提供了一种虚拟人物的驱动装置，包括：

数据获取单元，用于获取分段处理的虚拟人物的语音数据和驱动数据，所述驱动数据为根据所述语音数据所获得；

数据缓存单元，用于缓存所述分段处理的虚拟人物的语音数据和驱动数据；

数据输出单元，用于响应于所缓存的多段数据满足预定完整内容表达条件，同步输出多段语音数据与所述多段语音数据所对应段的驱动数据。

根据本公开的再一方面，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如上所述的方面和任一可能的实现方式的方法。

根据本公开的又一方面，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如上所述的方面和任一可能的实现方式的方法。

根据本公开的又一方面，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如上所述的方面和任一可能的实现方式的方法。

由上述技术方案可知，本公开实施例由于在缓存比较完整内容的语音数据和驱动数据之后，才进行语音数据和驱动数据的同步输出，能够有效避免由于语音数据或驱动数据的输出卡顿而导致的语音与身体部位不同步的现象，从而提高了虚拟人物驱动的可靠性。

另外，采用本公开所提供的技术方案，能够有效地提高用户的体验。

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

为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。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是用来实现本公开实施例的虚拟人物的驱动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。

显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。

需要说明的是，本公开实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理(Personal Digital Assistant，PDA)、无线手持设备、平板电脑(TabletComputer)等智能设备；显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

随着人工智能(Artificial Intelligence，AI)技术的快速发展，越来越多的虚拟人物出现在我们日常生活中，例如，地铁、银行、政务等多种公共场景下的虚拟助理。

为了使得虚拟人物在说话过程中更为真实自然，可以对虚拟人物的某些身体部位进行驱动，例如，对面部进行表情驱动、对肢体进行姿态驱动等，以实现虚拟人物在说话过程中身体部位动起来。

通常，在获取到虚拟人物的语音数据和驱动数据之后，会立即进行语音播放和身体部位驱动。但是，由于后续的数据不能完全保证按时收到，使得后面的语音和身体部位的卡顿，从而导致出现语音与身体部位不同步的现象，这样，就无法保持虚拟人物说话的真实感。

因此，为了确保虚拟人物说话的真实感，避免由于语音数据或驱动数据的输出卡顿而导致的语音与身体部位不同步的现象，以提高虚拟人物驱动的可靠性，亟需提供一种可靠性更高的虚拟人物的驱动方法。

图1是根据本公开第一实施例的示意图，如图1所示。

101、获取分段处理的虚拟人物的语音数据和驱动数据，所述驱动数据为根据所述语音数据所获得。

102、缓存所述分段处理的虚拟人物的语音数据和驱动数据。

103、响应于所缓存的多段数据满足预定完整内容表达条件，同步输出多段语音数据与所述多段语音数据所对应段的驱动数据。

至此，可以依次同步输出缓存的各对应段的语音数据和驱动数据，即先同步输出第1段语音数据与第1段驱动数据，然后，再同步输出第2段语音数据与第2段驱动数据，接着顺次同步输出第3段语音数据与第3段驱动数据、第4段语音数据与第4段驱动数据……等，可以更加流畅地实现虚拟人物在说话的同时，驱动对应的身体部位进行同步动作，使得虚拟人物在说话过程中更为真实自然，增加虚拟人物说话的真实感。

需要说明的是，101～103的执行主体的部分或全部可以为位于本地终端的应用，或者还可以为设置在位于本地终端的应用中的插件或软件开发工具包(SoftwareDevelopment Kit，SDK)等功能单元，本实施例对此不进行特别限定。

可以理解的是，所述应用可以是安装在本地终端上的本地程序(nativeApp)，或者还可以是本地终端上的浏览器的一个网页程序(webApp)，本实施例对此不进行限定。

这样，通过获取分段处理的虚拟人物的语音数据和驱动数据，所述驱动数据为根据所述语音数据所获得，进而，缓存所述分段处理的虚拟人物的语音数据和驱动数据，使得能够响应于所缓存的多段数据满足预定完整内容表达条件，同步输出多段语音数据与所述多段语音数据所对应段的驱动数据，由于在缓存比较完整内容的语音数据和驱动数据之后，才进行语音数据和驱动数据的同步输出，能够有效避免由于语音数据或驱动数据的输出卡顿而导致的语音与身体部位不同步的现象，从而提高了虚拟人物驱动的可靠性。

可选地，在本实施例的一个可能的实现方式中，原始的语音数据可以采用如下方式获得。

具体地，服务器具体可以获取虚拟人物的语音文本，进而，则可以由服务器进一步利用文本转换技术，对所述语音文本进行语音转换处理，以获得虚拟人物的语音数据。

其中，所述虚拟人物的语音文本可以为虚拟人物主动发起对话的主动对话内容，或者还可以为虚拟人物根据用户发起对话的应答对话内容，本实施例对此不进行特别限定。

本公开中，所述虚拟人物的驱动数据为根据所述虚拟人物的语音数据所获得，是与所述语音数据所对应的。所述驱动数据可以包括但不限于面部表情数据和肢体姿态数据中的至少一项，本实施例对此不进行特别限定。

这样，通过包括面部表情数据和/或肢体姿态数据的驱动数据，可以对虚拟人物的对面部进行表情驱动和/或对虚拟人物的肢体进行姿态驱动，使得虚拟人物在说话过程中身体部位动起来，更加真实自然。

所谓的面部表情数据，是指虚拟人物的眉、眼、耳、鼻、口这五个面部器官的变化参数。

所谓的肢体姿态数据，是指虚拟人物的头、颈、手、肘、臂、腰、胯、足等人体部位的变化参数。

可选地，在本实施例的一个可能的实现方式中，虚拟人物的驱动数据可以采用如下方式获得。

在一个具体的实现过程中，在获得虚拟人物的语音数据之后，服务器具体可以根据所述语音数据的音频特征，利用预先训练的第一神经网络，获得语音数据所对应的驱动数据，以作为所述虚拟人物的驱动数据。

其中，所述第一神经网络，可以采用循环神经网络(Recurrent Neural Network，RNN)，或者还可以采用其他神经网络，本实施例对此不进行特别限定。

至此，服务器获得虚拟人物的语音数据和驱动数据。

进一步地，在101之前，还可以进一步由服务器在发送虚拟人物的语音数据和驱动数据之前，以预设时间长度，分别对所获得的虚拟人物的语音数据和驱动数据进行分段处理。

例如，服务器具体可以根据操作人员的配置，确定预设时间长度，例如，40ms等，或者还可以根据虚拟人物的对话特点，确定预设时间长度，本实施例对此不进行特别限定。

至此，服务器获得虚拟人物分段处理之后的语音数据和驱动数据。服务器则可以进一步将虚拟人物分段处理之后的语音数据和驱动数据发送给应用，以供该应用执行101～103。

在另一个具体的实现过程中，在获得虚拟人物的语音数据之后，服务器具体可以以预设时间长度，对所获得的虚拟人物的语音数据进行分段处理。

例如，服务器具体可以根据操作人员的配置，确定预设时间长度，例如，40ms等，或者还可以根据虚拟人物的对话特点，确定预设时间长度，本实施例对此不进行特别限定。

至此，获得虚拟人物分段处理之后的语音数据。进一步地，服务器还可以进一步根据分段处理之后的各段语音数据的音频特征，利用预先训练的第二神经网络，获得各段语音数据所对应的驱动数据，以作为所述虚拟人物的驱动数据。

其中，所述第二神经网络，可以采用循环神经网络(Recurrent Neural Network，RNN)，或者还可以采用其他神经网络，本实施例对此不进行特别限定。

至此，获得虚拟人物分段处理之后的语音数据和驱动数据。服务器则可以进一步将虚拟人物分段处理之后的语音数据和驱动数据发送给应用，以供该应用执行101～103。

本公开中，执行101之后，并不是立即输出所获取的分段处理的虚拟人物的语音数据和驱动数据，进行语音播放和身体部位驱动，而是执行102中的缓存所述分段处理的虚拟人物的语音数据和驱动数据的操作，直到所缓存的多段数据满足预定完整内容表达条件，才执行同步输出多段语音数据与所述多段语音数据所对应段的驱动数据的操作，同步进行语音播放和身体部位驱动。

可选地，在本实施例的一个可能的实现方式中，所述所缓存的多段数据满足预定完整内容表达条件，可以包括但不限于下列：

所缓存的多段语音数据或多段驱动数据的时间之和满足预定时间阈值；或者

所缓存的多段语音数据的语义为完整语义表达；或者

所缓存的多段驱动数据的情绪为完整情绪表达。

这样，通过预定时间阈值、完整语义表达或者完整情绪表达等预定完整内容表达条件，从而确定所缓存的多段语音数据或者驱动数据是否能够达到比较完整内容，使得能够以完整内容为缓存完成的基本单元，再进一步进行该完整内容所对应段的语音数据和驱动数据的同步输出，来同步实现虚拟人物的语音播放和身体部位驱动，能够有效确保虚拟人物在完整内容的对话中真实自然的说话状态。

在一个具体的实现过程中，具体可以根据预先设置的预定时间阈值，确定所缓存的多段语音数据或多段驱动数据的时间之和是否满足该预定时间阈值。

例如，具体可以根据操作人员的配置，确定预定时间阈值，例如，8000ms等，或者还可以根据虚拟人物的对话特点，确定预定时间阈值，本实施例对此不进行特别限定

在另一个具体的实现过程中，具体可以对所缓存的多段语音数据进行语义分析，以获得所缓存的多段语音数据的语义表达，进而，确定所缓存的多段语音数据的语义是否为完整语义表达。

在另一个具体的实现过程中，具体可以对所缓存的多段驱动数据进行情感分析，以获得所缓存的多段驱动数据的情绪表达，进而，确定所缓存的多段驱动数据的情绪是否为完整情绪表达。

可选地，在本实施例的一个可能的实现方式中，在103中，响应于所缓存的多段数据满足预定完整内容表达条件，具体可以进行所缓存的多段数据中语音数据与驱动数据之间的同步处理，进而，则可以输出所述同步处理之后的多段语音数据与所述多段语音数据所对应段的驱动数据。

本实现方式中，多段数据经过同步处理之后，可以实现多段数据中语音数据与驱动数据之间的同步。即第1段语音数据与第1段驱动数据之间的同步，第2段语音数据与第2段驱动数据之间的同步，第3段语音数据与第3段驱动数据之间的同步，第4段语音数据与第4段驱动数据之间的同步……等。

具体地，具体可以通过同步输出指令，调用所述同步处理之后的多段语音数据与所述多段语音数据所对应的驱动数据，进而，则可以输出所调用的多段语音数据与所述多段语音数据所对应段的驱动数据。

这样，通过同步处理之后的多段语音数据与所述多段语音数据所对应段的驱动数据，使得能够基于具有同步关系的各段语音数据与其对应段的驱动数据，进行同步输出，从而同步实现虚拟人物的语音播放和身体部位驱动，能够有效避免由于不同线程调用的优先级而导致的虚拟人物的语音播放和身体部位驱动不同步的技术问题，能够有效确保虚拟人物在内容的对话中真实自然的说话状态，从而提高了虚拟人物驱动的可靠性。

本实施例中，通过获取分段处理的虚拟人物的语音数据和驱动数据，所述驱动数据为根据所述语音数据所获得，进而，缓存所述分段处理的虚拟人物的语音数据和驱动数据，使得能够响应于所缓存的多段数据满足预定完整内容表达条件，同步输出多段语音数据与所述多段语音数据所对应段的驱动数据，由于在缓存比较完整内容的语音数据和驱动数据之后，才进行语音数据和驱动数据的同步输出，能够有效避免由于语音数据或驱动数据的输出卡顿而导致的语音与身体部位不同步的现象，从而提高了虚拟人物驱动的可靠性。

另外，采用本公开所提供的技术方案，能够有效地提高用户的体验。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本公开所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

图2是根据本公开第二实施例的示意图，如图2所示。本实施例的虚拟人物的驱动装置200可以包括数据获取单元201、数据缓存单元202和数据输出单元203。其中，数据获取单元201，用于获取分段处理的虚拟人物的语音数据和驱动数据，所述驱动数据为根据所述语音数据所获得；数据缓存单元202，用于缓存所述分段处理的虚拟人物的语音数据和驱动数据；数据输出单元203，用于响应于所缓存的多段数据满足预定完整内容表达条件，同步输出多段语音数据与所述多段语音数据所对应段的驱动数据。

需要说明的是，本实施例的虚拟人物的驱动装置的部分或全部可以为位于本地终端的应用，或者还可以为设置在位于本地终端的应用中的插件或软件开发工具包(Software Development Kit，SDK)等功能单元，本实施例对此不进行特别限定。

可以理解的是，所述应用可以是安装在本地终端上的本地程序(nativeApp)，或者还可以是本地终端上的浏览器的一个网页程序(webApp)，本实施例对此不进行限定。

可选地，在本实施例的一个可能的实现方式中，所述驱动数据可以包括但不限于面部表情数据和肢体姿态数据中的至少一项，本实施例对此不进行特别限定。

可选地，在本实施例的一个可能的实现方式中，所述数据缓存单元所缓存的多段数据满足预定完整内容表达条件，可以包括但不限于如下内容：

所缓存的多段语音数据或多段驱动数据的时间之和满足预定时间阈值；或者

所缓存的多段语音数据的语义为完整语义表达；或者

所缓存的多段驱动数据的情绪为完整情绪表达。

可选地，在本实施例的一个可能的实现方式中，所述数据输出单元203，具体可以用于进行所缓存的多段数据中语音数据与驱动数据之间的同步处理；以及输出所述同步处理之后的多段语音数据与所述多段语音数据所对应段的驱动数据。

具体地，所述数据输出单元203，具体可以用于通过同步输出指令，调用所述同步处理之后的多段语音数据与所述多段语音数据所对应的驱动数据；以及输出所调用的多段语音数据与所述多段语音数据所对应段的驱动数据。

需要说明的是，图1对应的实施例中方法，可以由本实施例提供的虚拟人物的驱动装置实现。详细描述可以参见图1对应的实施例中的相关内容，此处不再赘述。

本实施例中，通过数据获取单元获取分段处理的虚拟人物的语音数据和驱动数据，所述驱动数据为根据所述语音数据所获得，进而，由数据缓存单元缓存所述分段处理的虚拟人物的语音数据和驱动数据，使得数据输出单元能够响应于所缓存的多段数据满足预定完整内容表达条件，同步输出多段语音数据与所述多段语音数据所对应段的驱动数据，由于在缓存比较完整内容的语音数据和驱动数据之后，才进行语音数据和驱动数据的同步输出，能够有效避免由于语音数据或驱动数据的输出卡顿而导致的语音与身体部位不同步的现象，从而提高了虚拟人物驱动的可靠性。

另外，采用本公开所提供的技术方案，能够有效地提高用户的体验。

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3示出了可以用来实施本公开的实施例的示例电子设备300的示意性框图。电子设备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、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，个人数字助理、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3所示，电子设备300包括计算单元301，其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序，来执行各种适当的动作和处理。在RAM 303中，还可存储电子设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。

电子设备300中的多个部件连接至I/O接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许电子设备300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301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301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301执行上文所描述的各个方法和处理，例如虚拟人物的驱动方法。例如，在一些实施例中，虚拟人物的驱动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308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到电子设备300上。当计算机程序加载到RAM 303并由计算单元301执行时，可以执行上文描述的虚拟人物的驱动方法的一个或多个步骤。备选地，在其他实施例中，计算单元301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行虚拟人物的驱动方法。

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、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)、复杂可编程逻辑设备(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语音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。

为了提供与用户的交互，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：用于向用户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)，用户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用户的交互；例如，提供给用户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)来接收来自用户的输入。

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，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户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)、互联网和区块链网络。

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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。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，本发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 (6)

1.一种虚拟人物的驱动方法，包括：

根据虚拟人物的对话特点，确定预设时间长度，以所述预设时间长度，分别对所获得的虚拟人物的语音数据和驱动数据进行分段处理，以获取分段处理的虚拟人物的语音数据和驱动数据，所述驱动数据为根据所述语音数据所获得；

缓存所述分段处理的虚拟人物的语音数据和驱动数据；

响应于所缓存的多段数据满足预定完整内容表达条件，使得以完整内容为缓存完成的基本单元，同步输出所述完整内容对应的多段语音数据与所述多段语音数据所对应段的驱动数据；其中，

所述所缓存的多段数据满足预定完整内容表达条件，包括：

所缓存的多段语音数据或多段驱动数据的时间之和满足预定时间阈值，所述预定时间阈值是根据虚拟人物的对话特点所确定；或者

所缓存的多段语音数据的语义为完整语义表达；或者

所缓存的多段驱动数据的情绪为完整情绪表达；

所述同步输出所述完整内容对应的多段语音数据与所述多段语音数据所对应段的驱动数据，包括：

进行所缓存的多段数据中语音数据与驱动数据之间的同步处理；以及

输出所述同步处理之后的多段语音数据与所述多段语音数据所对应段的驱动数据；其中，

所述输出所述同步处理之后的多段语音数据与所述多段语音数据所对应段的驱动数据，包括：

通过同步输出指令，调用所述同步处理之后的多段语音数据与所述多段语音数据所对应的驱动数据；以及

输出所调用的多段语音数据与所述多段语音数据所对应段的驱动数据。

2.根据权利要求1所述的方法，其中，所述驱动数据包括面部表情数据和肢体姿态数据中的至少一项。

3.一种虚拟人物的驱动装置，包括：

数据获取单元，用于根据虚拟人物的对话特点，确定预设时间长度，以所述预设时间长度，分别对所获得的虚拟人物的语音数据和驱动数据进行分段处理，以获取分段处理的虚拟人物的语音数据和驱动数据，所述驱动数据为根据所述语音数据所获得；

数据缓存单元，用于缓存所述分段处理的虚拟人物的语音数据和驱动数据；

数据输出单元，用于响应于所缓存的多段数据满足预定完整内容表达条件，使得以完整内容为缓存完成的基本单元，同步输出所述完整内容对应的多段语音数据与所述多段语音数据所对应段的驱动数据；其中，

所述数据缓存单元所缓存的多段数据满足预定完整内容表达条件，包括：

所缓存的多段语音数据或多段驱动数据的时间之和满足预定时间阈值，所述预定时间阈值是根据虚拟人物的对话特点所确定；或者

所缓存的多段语音数据的语义为完整语义表达；或者

所缓存的多段驱动数据的情绪为完整情绪表达；

所述数据输出单元，具体用于

进行所缓存的多段数据中语音数据与驱动数据之间的同步处理；以及

输出所述同步处理之后的多段语音数据与所述多段语音数据所对应段的驱动数据；

所述数据输出单元，还用于

通过同步输出指令，调用所述同步处理之后的多段语音数据与所述多段语音数据所对应的驱动数据；以及

输出所调用的多段语音数据与所述多段语音数据所对应段的驱动数据。

4.根据权利要求3所述的装置，其中，所述驱动数据包括面部表情数据和肢体姿态数据中的至少一项。

5.一种电子设备，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根据权利要求1或2所述的方法。

6.一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根据权利要求1或2所述的方法。

Images