JP2021182438A - 動画生成方法、装置、電子機器およびコンピュータ可読媒体 - Google Patents
動画生成方法、装置、電子機器およびコンピュータ可読媒体 Download PDFInfo
- Publication number
- JP2021182438A JP2021182438A JP2021131563A JP2021131563A JP2021182438A JP 2021182438 A JP2021182438 A JP 2021182438A JP 2021131563 A JP2021131563 A JP 2021131563A JP 2021131563 A JP2021131563 A JP 2021131563A JP 2021182438 A JP2021182438 A JP 2021182438A
- Authority
- JP
- Japan
- Prior art keywords
- sequence
- facial expression
- chinese
- pinyin
- reference voice
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000008921 facial expression Effects 0.000 claims abstract description 172
- 238000012545 processing Methods 0.000 claims abstract description 57
- 239000000463 material Substances 0.000 claims abstract description 34
- 230000015654 memory Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 15
- 230000001815 facial effect Effects 0.000 claims description 14
- 230000014509 gene expression Effects 0.000 claims description 12
- 238000009877 rendering Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 230000002194 synthesizing effect Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000003190 augmentative effect Effects 0.000 abstract description 2
- 239000013077 target material Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/205—3D [Three Dimensional] animation driven by audio data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/126—Character encoding
- G06F40/129—Handling non-Latin characters, e.g. kana-to-kanji conversion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/163—Handling of whitespace
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/06—Transformation of speech into a non-audible representation, e.g. speech visualisation or speech processing for tactile aids
- G10L21/10—Transforming into visible information
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/06—Transformation of speech into a non-audible representation, e.g. speech visualisation or speech processing for tactile aids
- G10L21/10—Transforming into visible information
- G10L2021/105—Synthesis of the lips movements from speech, e.g. for talking heads
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Processing Or Creating Images (AREA)
- Document Processing Apparatus (AREA)
- Image Analysis (AREA)
Abstract
Description
中国語ピンインシーケンスおよび基準音声に基づいて、基準音声の時系列に対応する三次元顔グリッドシーケンスを取得することと、基準音声の時系列に対応する三次元顔グリッドシーケンスに基づいて、顔表情動画を取得することとを含む。
このオプション的な実現形態において、中国語ピンインシーケンスを取得した後、キーワードを用いてピンイングリッド辞書を検索して、中国語ピンインシーケンスにおけるすべての中国語ピンインに対応する三次元顔グリッドシーケンスを取得する。
Claims (21)
- 処理対象素材を処理して正規化テキストを生成することと、
前記正規化テキストを解析して、前記正規化テキストの中国語ピンインシーケンスを生成することと、
前記処理対象素材に基づいて基準音声を生成することと、
前記中国語ピンインシーケンスおよび前記基準音声に基づいて、前記基準音声の時系列に対応する顔表情動画を取得することと、を含む動画生成方法。 - 前記の、前記中国語ピンインシーケンスおよび前記基準音声に基づいて、前記基準音声の時系列に対応する顔表情動画を取得することは、
前記中国語ピンインシーケンスおよび前記基準音声に基づいて、前記基準音声の時系列に対応する表情係数シーケンスを取得することと、
前記基準音声の時系列に対応する表情係数シーケンスに基づいて、前記顔表情動画を取得することと、
を含む請求項1に記載の方法。 - 前記の、前記中国語ピンインシーケンスおよび前記基準音声に基づいて、前記基準音声の時系列に対応する表情係数シーケンスを取得することは、
前記基準音声と前記中国語ピンインシーケンスにおける各中国語ピンインに対して時系列アライメントを行い、各中国語ピンインのタイムスタンプを取得することと、
アノテーションが完了した、中国語ピンインと表情係数シーケンスとの対応関係を表すためのピンイン表情係数辞書を検索し、各中国語ピンインに対応する表情係数シーケンスを取得することと、
前記タイムスタンプに基づいて、前記中国語ピンインシーケンスにおけるすべての中国語ピンインに対応する表情係数シーケンスをスプライシングし、前記基準音声の時系列に対応する表情係数シーケンスを取得することと、
を含む請求項2に記載の方法。 - 前記ピンイン表情係数辞書は、
声優が中国語ピンインを読む時の映像を録画し、各中国語ピンインと一対一に対応するピンイン映像を取得することと、
各ピンイン映像における各映像フレームに対して顔キーポイントの検出を行うことと、
検出された顔キーポイントに基づいて表情係数を算出し、各中国語ピンインと一対一に対応する表情係数シーケンスを有するピンイン表情係数辞書を取得することと、によりアノテートされて取得する請求項3に記載の方法。 - 前記の、前記基準音声の時系列に対応する表情係数シーケンスに基づいて、前記顔表情動画を取得することは、
前記表情係数シーケンスと表情ベースを加重合計して、三次元顔モデルシーケンスを取得することと、
三次元顔モデルシーケンスをレンダリングして、映像フレーム画像シーケンスを取得することと、
前記映像フレーム画像シーケンスを合成して、顔表情動画を取得することと、を含む請求項2に記載の方法。 - 前記処理対象素材は処理対象音声を含み、
前記の、処理対象素材を処理して正規化テキストを生成することは、
前記処理対象音声に対して音声認識処理を行い、中国語テキストを生成することと、
前記中国語テキストに対してテキスト正規化処理を行い、正規化テキストを生成することと、
を含む請求項1に記載の方法。 - 前記の、前記中国語ピンインシーケンスおよび前記基準音声に基づいて、前記基準音声の時系列に対応する顔表情動画を取得することは、
前記中国語ピンインシーケンスおよび前記基準音声に基づいて、前記基準音声の時系列に対応する三次元顔グリッドシーケンスを取得することと、
前記基準音声の時系列に対応する三次元顔グリッドシーケンスに基づいて、前記顔表情動画を取得することと、
を含む請求項1に記載の方法。 - 前記の、前記中国語ピンインシーケンスおよび前記基準音声に基づいて、前記基準音声の時系列に対応する三次元顔グリッドシーケンスを取得することは、
前記基準音声と前記中国語ピンインシーケンスにおける各中国語ピンインに対して時系列アライメントを行い、各中国語ピンインのタイムスタンプを取得することと、
アノテーションが完了した、中国語ピンインと三次元顔グリッドシーケンスとの対応関係を表すためのピンイングリッド辞書を検索し、各中国語ピンインに対応する三次元顔グリッドシーケンスを取得することと、
前記タイムスタンプに基づいて、前記中国語ピンインシーケンスにおけるすべての中国語ピンインに対応する三次元顔グリッドシーケンスをスプライシングし、前記基準音声の時系列に対応する三次元顔グリッドシーケンスを取得することと、
を含む請求項7に記載の方法。 - 前記の、前記基準音声の時系列に対応する三次元顔グリッドシーケンスに基づいて、前記顔表情動画を取得することは、
前記基準音声の時系列に対応する三次元顔グリッドシーケンスをレンダリングして、映像フレーム画像シーケンスを取得することと、
前記映像フレーム画像シーケンスを合成して、顔表情動画を取得することと、を含む請求項7に記載の方法。 - 処理対象素材を処理して正規化テキストを生成するように構成される処理ユニットと、
前記正規化テキストを解析して前記正規化テキストの中国語ピンインシーケンスを生成するように構成される解析ユニットと、
前記処理対象素材に基づいて基準音声を生成するように構成される生成ユニットと、
前記中国語ピンインシーケンスおよび前記基準音声に基づいて、前記基準音声の時系列に対応する顔表情動画を取得するように構成される取得ユニットと、を備える動画生成装置。 - 前記取得ユニットは、
前記中国語ピンインシーケンスおよび前記基準音声に基づいて、前記基準音声の時系列に対応する表情係数シーケンスを取得するように構成される係数取得サブユニットと、
前記基準音声の時系列に対応する表情係数シーケンスに基づいて、前記顔表情動画を取得するように構成される表情取得サブユニットと、
を備える請求項10に記載の装置。 - 前記係数取得サブユニットは、
前記基準音声と前記中国語ピンインシーケンスにおける各中国語ピンインに対して時系列アライメントを行い、各中国語ピンインのタイムスタンプを取得するように構成される時系列アライメントモジュールと、
アノテーションが完了した、中国語ピンインと表情係数シーケンスとの対応関係を表すためのピンイン表情係数辞書を検索し、各中国語ピンインに対応する表情係数シーケンスを取得するように構成される係数検索モジュールと、
前記タイムスタンプに基づいて、前記中国語ピンインシーケンスにおけるすべての中国語ピンインに対応する表情係数シーケンスをスプライシングし、前記基準音声の時系列に対応する表情係数シーケンスを取得するように構成される係数スプライシングモジュールと、を備える請求項11に記載の装置。 - 前記ピンイン表情係数辞書は、
声優が中国語ピンインを読む時の映像を録画し、各中国語ピンインと一対一に対応するピンイン映像を取得するように構成される録画モジュールと、
各ピンイン映像における各映像フレームに対して顔キーポイントの検出を行うように構成される検出モジュールと、
検出された顔キーポイントに基づいて表情係数を計算し、各中国語ピンインと一対一に対応する表情係数シーケンスを有するピンイン表情係数辞書を取得するように構成される計算モジュールと、
によってアノテートされて取得する請求項12に記載の装置。 - 前記表情取得サブユニットは、
前記表情係数シーケンスと表情ベースを加重合計して、三次元顔モデルシーケンスを取得するように構成される係数重み付けモジュールと、
三次元顔モデルシーケンスをレンダリングして、映像フレーム画像シーケンスを取得するように構成される係数レンダリングモジュールと、
前記映像フレーム画像シーケンスを合成して、顔表情動画を取得するように構成される係数合成モジュールと、
を備える請求項12に記載の装置。 - 前記処理対象素材は処理対象音声を含み、
前記処理ユニットは、
前記処理対象音声に対して音声認識処理を行い、中国語テキストを生成するように構成される認識サブユニットと、
前記中国語テキストに対してテキスト正規化処理を行い、正規化テキストを生成するように構成される処理サブユニットと、
を備える請求項10に記載の装置。 - 前記取得ユニットは、
前記中国語ピンインシーケンスおよび前記基準音声に基づいて、前記基準音声の時系列に対応する三次元顔グリッドシーケンスを取得するように構成されるグリッド取得サブユニットと、
前記基準音声の時系列に対応する三次元顔グリッドシーケンスに基づいて、前記顔表情動画を取得するように構成される映像取得サブユニットと、
を備える請求項10に記載の装置。 - 前記グリッド取得サブユニットは、
前記基準音声と前記中国語ピンインシーケンスにおける各中国語ピンインに対して時系列アライメントを行い、各中国語ピンインのタイムスタンプを取得するように構成されるタイムアライメントモジュールと、
アノテーションが完了した、中国語ピンインと三次元顔グリッドシーケンスとの対応関係を表すためのピンイングリッド辞書を検索し、各中国語ピンインに対応する三次元顔グリッドシーケンスを取得するように構成されるグリッド検索モジュールと、
前記タイムスタンプに基づいて、前記中国語ピンインシーケンスにおけるすべての中国語ピンインに対応する三次元顔グリッドシーケンスをスプライシングし、前記基準音声の時系列に対応する三次元顔グリッドシーケンスを取得するように構成されるグリッド取得モジュールと、
を備える請求項16に記載の装置。 - 前記映像取得サブユニットは、
前記基準音声の時系列に対応する三次元顔グリッドシーケンスをレンダリングして、映像フレーム画像シーケンスを取得するように構成されるグリッドレンダリングモジュールと、
前記映像フレーム画像シーケンスを合成して、顔表情動画を取得するように構成されるグリッド合成モジュールと、
を備える請求項16に記載の装置。 - 少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサと通信可能に接続されたメモリとを備える電子機器であって、
前記メモリには、前記少なくとも1つのプロセッサによって実行可能な指令が格納され、前記指令が前記少なくとも1つのプロセッサによって実行されると、前記少なくとも1つのプロセッサに請求項1〜9のいずれか1項に記載の方法が実行される、電子機器。 - コンピュータ指令が格納されている非一時的コンピュータ可読記憶媒体であって、
前記コンピュータ指令は請求項1〜9のいずれか1項に記載の方法を前記コンピュータに実行させるために用いられることを特徴とする非一時的コンピュータ可読記憶媒体。 - プロセッサによって実行されると請求項1〜9のいずれか1項に記載の方法が実現されるコンピュータ指令を含む、コンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011430467.1A CN112541957B (zh) | 2020-12-09 | 2020-12-09 | 动画生成方法、装置、电子设备以及计算机可读介质 |
CN202011430467.1 | 2020-12-09 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021182438A true JP2021182438A (ja) | 2021-11-25 |
JP7232293B2 JP7232293B2 (ja) | 2023-03-02 |
Family
ID=75019773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021131563A Active JP7232293B2 (ja) | 2020-12-09 | 2021-08-12 | 動画生成方法、装置、電子機器およびコンピュータ可読媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11948236B2 (ja) |
JP (1) | JP7232293B2 (ja) |
CN (1) | CN112541957B (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744368A (zh) * | 2021-08-12 | 2021-12-03 | 北京百度网讯科技有限公司 | 动画合成方法、装置、电子设备及存储介质 |
CN113706669B (zh) * | 2021-08-12 | 2022-09-27 | 北京百度网讯科技有限公司 | 动画合成方法、装置、电子设备及存储介质 |
CN113628309B (zh) * | 2021-08-17 | 2023-09-22 | 杭州相芯科技有限公司 | 一种真人语音口型动画生成方法及系统、电子设备、存储介质 |
CN115311731B (zh) * | 2022-10-10 | 2023-01-31 | 之江实验室 | 一种手语数字人的表情生成方法和装置 |
CN116664731B (zh) * | 2023-06-21 | 2024-03-29 | 华院计算技术(上海)股份有限公司 | 人脸动画生成方法及装置、计算机可读存储介质、终端 |
CN116843798B (zh) * | 2023-07-03 | 2024-07-05 | 支付宝(杭州)信息技术有限公司 | 动画生成方法、模型训练方法及装置 |
CN116860312B (zh) * | 2023-09-05 | 2023-11-07 | 成都智慧锦城大数据有限公司 | 一种程序异常文本信息维护方法、装置及存储介质 |
CN117373455B (zh) * | 2023-12-04 | 2024-03-08 | 翌东寰球(深圳)数字科技有限公司 | 一种音视频的生成方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008140364A (ja) * | 2006-07-24 | 2008-06-19 | Advanced Telecommunication Research Institute International | リップシンクアニメーション作成装置、コンピュータプログラム及び顔モデル生成装置 |
JP2019032529A (ja) * | 2017-08-07 | 2019-02-28 | 国立研究開発法人情報通信研究機構 | 音声合成のためのフロントエンドの学習方法、コンピュータプログラム、音声合成システム、及び音声合成のためのフロントエンド処理方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6661418B1 (en) * | 2001-01-22 | 2003-12-09 | Digital Animations Limited | Character animation system |
CN100476877C (zh) * | 2006-11-10 | 2009-04-08 | 中国科学院计算技术研究所 | 语音和文本联合驱动的卡通人脸动画生成方法 |
CN104835190A (zh) * | 2015-04-29 | 2015-08-12 | 华东师范大学 | 一种3d即时通讯系统及其通讯方法 |
US10586368B2 (en) * | 2017-10-26 | 2020-03-10 | Snap Inc. | Joint audio-video facial animation system |
CN109903758B (zh) * | 2017-12-08 | 2023-06-23 | 阿里巴巴集团控股有限公司 | 音频处理方法、装置及终端设备 |
CN109377540B (zh) * | 2018-09-30 | 2023-12-19 | 网易(杭州)网络有限公司 | 面部动画的合成方法、装置、存储介质、处理器及终端 |
CN109410918B (zh) * | 2018-10-15 | 2020-01-24 | 百度在线网络技术(北京)有限公司 | 用于获取信息的方法及装置 |
US20200342056A1 (en) * | 2019-04-26 | 2020-10-29 | Tencent America LLC | Method and apparatus for natural language processing of medical text in chinese |
CN110751708B (zh) * | 2019-10-21 | 2021-03-19 | 北京中科深智科技有限公司 | 一种实时的语音驱动人脸动画的方法和系统 |
CN110956948A (zh) * | 2020-01-03 | 2020-04-03 | 北京海天瑞声科技股份有限公司 | 端到端的语音合成方法、装置及存储介质 |
CN110797006B (zh) * | 2020-01-06 | 2020-05-19 | 北京海天瑞声科技股份有限公司 | 端到端的语音合成方法、装置及存储介质 |
CN111988658B (zh) * | 2020-08-28 | 2022-12-06 | 网易(杭州)网络有限公司 | 视频生成方法及装置 |
-
2020
- 2020-12-09 CN CN202011430467.1A patent/CN112541957B/zh active Active
-
2021
- 2021-08-12 JP JP2021131563A patent/JP7232293B2/ja active Active
- 2021-11-16 US US17/527,473 patent/US11948236B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008140364A (ja) * | 2006-07-24 | 2008-06-19 | Advanced Telecommunication Research Institute International | リップシンクアニメーション作成装置、コンピュータプログラム及び顔モデル生成装置 |
JP2019032529A (ja) * | 2017-08-07 | 2019-02-28 | 国立研究開発法人情報通信研究機構 | 音声合成のためのフロントエンドの学習方法、コンピュータプログラム、音声合成システム、及び音声合成のためのフロントエンド処理方法 |
Also Published As
Publication number | Publication date |
---|---|
US20220180584A1 (en) | 2022-06-09 |
JP7232293B2 (ja) | 2023-03-02 |
CN112541957A (zh) | 2021-03-23 |
CN112541957B (zh) | 2024-05-21 |
US11948236B2 (en) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021182438A (ja) | 動画生成方法、装置、電子機器およびコンピュータ可読媒体 | |
JP5257330B2 (ja) | 発言記録装置、発言記録方法、プログラム及び記録媒体 | |
US7412389B2 (en) | Document animation system | |
Gibet et al. | Interactive editing in french sign language dedicated to virtual signers: Requirements and challenges | |
JP6361351B2 (ja) | 発話ワードをランク付けする方法、プログラム及び計算処理システム | |
CN111190522A (zh) | 从自然语言请求生成三维数字内容 | |
US10217454B2 (en) | Voice synthesizer, voice synthesis method, and computer program product | |
JP2023012493A (ja) | 言語モデルの事前トレーニング方法、装置、デバイスおよび記憶媒体 | |
JP7395553B2 (ja) | 文章翻訳方法、装置、電子機器及び記憶媒体 | |
US11176332B2 (en) | Linking contextual information to text in time dependent media | |
CN109408834A (zh) | 辅助机器翻译方法、装置、设备及存储介质 | |
US11929100B2 (en) | Video generation method, apparatus, electronic device, storage medium and program product | |
KR102202372B1 (ko) | 영상 컨텐츠를 재사용하여 사용자 인터랙션을 인지할 수 있는 인터랙티브 미디어 제작 시스템 및 그 운용방법 | |
WO2024114389A1 (zh) | 用于交互的方法、装置、设备和存储介质 | |
Gao et al. | Gesgpt: Speech gesture synthesis with text parsing from gpt | |
JP2015091077A (ja) | 情報表示装置、方法及びプログラム | |
Yipu | The function development of network teaching system to English pronunciation and tone in the background of internet of things | |
CN114911973A (zh) | 动作生成方法、装置、电子设备及存储介质 | |
KR102281298B1 (ko) | 인공지능 기반 동영상 합성을 위한 시스템 및 방법 | |
Joy et al. | A prototype Malayalam to sign language automatic translator | |
TW202236257A (zh) | 顯示系統以及與顯示系統互動之方法 | |
JP2020166501A (ja) | 分割モデル生成システム、テキスト分割装置および分割モデル生成方法 | |
Raut et al. | An extensive survey on audio-to-text and text summarization for video content | |
KR102500730B1 (ko) | 문장의 스타일 정보를 유지하는 번역 기능을 제공하는 전자 장치 및 그 동작 방법 | |
KR102667466B1 (ko) | 이미지 연상 기법을 이용한 영어 독해 강의 콘텐츠 제공 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210812 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220628 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220712 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221007 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230214 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230217 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7232293 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |