WO2025213845A1 - 一种视频生成方法、装置、设备、介质、产品 - Google Patents

Abstract

本公开的实施例公开了一种视频生成方法、装置、设备、介质、产品，该方法包括：在获取到参考视频和音频序列之后，先依据该音频序列中第i帧音频对应的脸部关键点、该第i帧音频在该参考视频中对应的目标图像的口型掩码结果、从该参考视频中选择的至少两帧参考图像、以及各该参考图像的脸部关键点，生成该第i帧音频对应的图像，i为正整数，i≤该音频序列中的总帧数；然后，依据该音频序列中各帧音频对应的图像，生成该音频序列对应的视频。

Description

一种视频生成方法、装置、设备、介质、产品

相关申请的交叉引用

本申请要求申请号为202410418012.X，题为“一种视频生成方法、装置、设备、介质、产品”、申请日为2024年4月8日的中国发明专利申请的优先权，通过引用方式将该申请整体并入本文。

技术领域

本公开的实施例涉及数据处理技术领域，尤其涉及一种视频生成方法、装置、设备、介质、产品。

背景技术

目前一些应用场景较为普遍，如视频的语种切换处理、视频中语句修改处理、或者视频中语句替换处理等场景。

发明内容

本公开实施例提供了一种视频生成方法、装置、设备、介质、产品，有利于提高视频生成效果。

为了实现上述目的，本公开实施例提供的技术方案如下：

本公开实施例提供一种视频生成方法，所述方法包括：

获取参考视频和音频序列；

依据所述音频序列中第i帧音频对应的脸部关键点、所述第i帧音频在所述参考视频中对应的目标图像的口型掩码结果、从所述参考视频中选择的至少两帧参考图像、以及各所述参考图像的脸部关键点，生成所述第i帧音频对应的图像；i为正整数，i≤所述音频序列中的总帧数；

依据所述音频序列中各帧音频对应的图像，生成所述音频序列对应的视频。

在一种可能的实施方式下，所述至少两帧参考图像的确定过程，包括：

依据所述参考视频中各帧图像的口型幅度表征数据，对所述参考视频中图像进行排序，得到图像序列；

对所述图像序列进行等间隔采样，得到采样图像；

依据所述采样图像，确定所述至少两帧参考图像。

在一种可能的实施方式下，所述至少两帧参考图像是依据所述采样图像、以及所述第i帧音频在所述参考视频中对应的至少一个姿态相似图像所确定的；

各所述姿态相似图像的姿态表征数据与所述第i帧音频对应的姿态表征数据之间的相似程度达到预设相似需求。

在一种可能的实施方式下，各所述姿态相似图像在所述参考视频中对应的时间不同于所述第i帧音频对应的时间；

所述第i帧音频对应的时间是依据所述目标图像在所述参考视频中对应的时间所确定的。

在一种可能的实施方式下，所述第i帧音频对应的姿态表征数据是依据所述目标图像的姿态表征数据所确定的。

在一种可能的实施方式下，所述第i帧音频对应的脸部关键点包括所述音频序列中至少一帧音频的脸部关键点确定结果；

所述至少一帧音频包括所述第i帧音频。

在一种可能的实施方式下，对于所述至少一帧音频中任一音频，该音频的脸部关键点确定结果是通过将该音频对应的三维脸部关键点投影至二维平面所得到的二维脸部关键点；

该音频对应的三维脸部关键点是通过依据所述参考视频中部分或者全部图像，对该音频进行三维脸部关键点确定处理所得到的。

在一种可能的实施方式下，对于所述至少两帧参考图像中任一参考图像，该参考图像的脸部关键点是通过将该参考图像的三维脸部关键点投影至二维平面所得到的二维脸部关键点；

该参考图像的三维脸部关键点是通过对该参考图像进行三维脸部关键点确定处理所得到的。

在一种可能的实施方式下，所述第i帧音频对应的图像的确定过程，包括：

对于所述至少两帧参考图像中任一参考图像，依据该参考图像、该参考图像的脸部关键点、以及所述第i帧音频对应的脸部关键点，预测该参考图像对应的像素使用描述信息；所述像素使用描述信息包括像素调整描述信息和/或像素融合权重；

依据所述至少两帧参考图像对应的像素使用描述信息，对所述至少两帧参考图像进行形变融合处理，得到融合图像；

依据所述融合图像、所述目标图像的口型掩码结果、以及所述第i帧音频对应的脸部关键点进行图像生成处理，得到所述第i帧音频对应的图像。

在一种可能的实施方式下，各所述参考图像对应的像素使用描述信息均是利用口型渲染模型中信息预测模块所确定的；

所述形变融合处理是利用所述口型渲染模型中形变融合模块所实现的；

所述图像生成处理是利用所述口型渲染模型中脸部生成模块所实现的。

在一种可能的实施方式下，所述参考视频以及所述音频序列均是依据样本视频所确定的；

所述生成所述第i帧音频对应的图像之后，所述方法还包括：

依据所述目标图像与所述第i帧音频对应的图像之间的差异表征数据，更新所述口型渲染模型中脸部生成模块，并依据所述目标图像与所述第i帧音频对应的图像之间的差异表征数据、以及所述目标图像与所述融合图像之间的差异表征数据，更新所述口型渲染模型中形变融合模块和信息预测模块。

本公开实施例提供了一种视频生成装置，包括：

数据获取单元，用于获取参考视频和音频序列；

图像生成单元，用于依据所述音频序列中第i帧音频对应的脸部关键点、所述第i帧音频在所述参考视频中对应的目标图像的口型掩码结果、从所述参考视频中选择的至少两帧参考图像、以及各所述参考图像的脸部关键点，生成所述第i帧音频对应的图像；i为正整数，i≤所述音频序列中的总帧数；

视频生成单元，用于依据所述音频序列中各帧音频对应的图像，生成所述音频序列对应的视频。

本公开实施例提供了一种电子设备，其特征在于，所述设备包括：处理器和存储器；

所述存储器，用于存储指令或计算机程序；

所述处理器，用于执行所述存储器中的所述指令或计算机程序，以使得所述电子设备执行本公开实施例提供的视频生成方法。

本公开实施例提供了一种计算机可读介质，其特征在于，所述计算机可读介质中存储有指令或计算机程序，当所述指令或计算机程序在设备上运行时，使得所述设备执行本公开实施例提供的视频生成方法。

本公开实施例提供了一种计算机程序产品，其特征在于，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行本公开实施例提供的视频生成方法的程序代码。

附图说明

为了更清楚地说明本公开实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本公开实施例提供的一种视频生成方法的流程图；

图2为本公开实施例提供的一种视频生成流程的示意图；

图3为本公开实施例提供的一种图像生成流程的示意图；

图4为本公开实施例提供的一种视频生成装置的结构示意图；

图5为本公开实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本公开实施例方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本公开实施例一部分实施例，而不是全部的实施例。基于本公开实施例中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开实施例保护的范围。

如上所述，对于一些应用场景，如视频的语种切换处理、视频中语句修改处理、或者视频中语句替换处理等场景来说，这些应用场景可能存在以下需求：依据已有的视频，生成与某个音频序列适配的视频。

为了更好地理解本公开实施例所提供的技术方案，下面先结合一些附图对本公开实施例提供的视频生成方法进行说明。如图1所示，本公开实施例提供的视频生成方法，包括下文S1-S3。其中，该图1为本公开实施例提供的一种视频生成方法的流程图。

S1：获取参考视频和音频序列。

其中，参考视频是指在视频生成时所需依据的视频，如图2所示的参考视频，以使该参考视频用于提供除了脸部表情状态，如口型状态以外的其他信息，如类似于脸部轮廓特点以及五官分布特点的脸部标识性信息、脸部姿态信息等。

另外，本公开实施例不限定上文参考视频的实施方式，为了便于理解，下面结合两个场景进行说明。

场景一，当本公开实施例提供的视频生成方法用于执行某个生成任务，如视频生成任务时，上文参考视频可以是由用户通过一定手段所指定的视频，如单人口播视频等，以使该参考视频符合该用户的一些需求，如脸部标识性信息、脸部姿态等方面的需求。需要说明的是，本公开实施例不限定该手段，比如，该参考视频可以是由用户手动上传的视频，或者由用户从一些候选视频中挑选出的视频，或者由用户借助某些方式下载好的视频。

场景二，当本公开实施例提供的视频生成方法用于实现模型训练过程时，上文参考视频可以是依据样本视频所确定的，以使该参考视频包括该样本视频中部分或者全部图像。其中，该样本视频是指在模型训练过程中所需使用的视频；而且本公开实施例不限定该样本视频的实施方式。

此外，本公开实施例不限定上文参考视频的获取方式。

音频序列是指在视频生成时所需依据的音频，如图2所示的音频序列，以使该音频序列用于提供脸部表情状态，如口型状态等信息。

另外，本公开实施例不限定上文音频序列的实施方式，为了便于理解，下面结合两个场景进行说明。

场景一，当本公开实施例提供的视频生成方法用于执行某个生成任务，如视频生成任务时，上文音频序列可以是由用户借助一定手段所指定的；而且本公开实施例不限定该音频序列的实施方式，比如，在一些应用场景，如视频翻译场景下，该音频序列满足以下约束：该音频序列所描述的语句的语义信息与参考视频中所描述的语句的语义信息保持一致，但是该音频序列所描述的语句的语种不同于该参考视频所描述的语句的语种。又如，在一些应用场景，如视频语句修改场景下，该音频序列至少满足以下约束：该音频序列所描述的语句与参考视频中所描述的语句的之间部分相同。还如，在一些应用场景，如视频语句更换场景下，该音频序列至少满足以下约束：该音频序列所描述的语句完全不同于参考视频中所描述的语句。

场景二，当本公开实施例提供的视频生成方法用于实现模型训练过程时，如果上文参考视频是依据样本视频所确定的，则上文音频序列可以是依据该样本视频所确定的，以使该音频序列包括该样本视频中部分或者全部音频。

此外，本公开实施例不限定上文音频序列与上文参考视频之间的关联关系，比如，两者可以满足以下约束：对于该音频序列中的第i帧音频来说，该参考视频中存在该第i帧音频对应的目标图像。其中，该目标图像是指该参考视频中存在的、与该第i帧音频存在对应关系的图像，以使该目标图像用于为该第i帧音频的脸部图像生成过程提供除了脸部表情状态以外的其他信息，如脸部特点、脸部姿态等信息；而且本公开实施例不限定该目标图像的实施方式，比如，当该音频序列中的总帧数与该参考视频中的总帧数相同时，该目标图像可以是指该参考视频中的第i帧图像。其中，i为正整数，i≤I，I表示该音频序列的总帧数。

需要说明的是，本公开实施例不限定上段中对应关系的实施方式，比如，当音频序列的总帧数等于参考视频的总帧数时，这种对应关系具体可以包括：该音频序列中的第i帧音频与该参考视频中的第i帧图像之间的对应关系。又如，当该音频序列的总帧数大于该参考视频的总帧数时，这种对应关系具体可以包括：该音频序列中的第i帧音频与增帧后的参考视频中的第i帧图像之间的对应关系。其中，该增帧后的参考视频是通过针对原有的参考视频进行某种增帧处理所得到的，以使该增帧后的参考视频的总帧数等于该音频序列的总帧数；而且本公开实施例不限定该增帧处理的实施方式，比如，其可以采用现有的或者未来出现的任意一种能够增加一个视频的总帧数的方法，如针对原视频进行插帧处理或者针对原视频进行复制拼接处理等方法进行实施。还如，当该音频序列的总帧数小于该参考视频的总帧数时，这种对应关系具体可以包括：该音频序列中的第i帧音频与减帧后的参考视频中的第i帧图像之间的对应关系。其中，该减帧后的参考视频是通过针对原有的参考视频进行某种减帧处理所得到的，以使该减帧后的参考视频的总帧数等于该音频序列的总帧数；而且本公开实施例不限定该减帧处理的实施方式，比如，其可以采用现有的或者未来出现的任意一种能够减少一个视频的总帧数的方法，如针对原视频进行采样处理或者针对原视频进行裁剪处理等方法进行实施。其中，i为正整数，i≤I，I表示该音频序列的总帧数。

还有，本公开实施例不限定上文音频序列的获取方式。

S2：依据音频序列中第i帧音频对应的脸部关键点、该第i帧音频在参考视频中对应的目标图像的口型掩码结果、从参考视频中选择的至少两帧参考图像、以及各参考图像的脸部关键点，生成该第i帧音频对应的图像；i为正整数，i≤音频序列中的总帧数。

其中，第i帧音频对应的脸部关键点用于表示参考视频中对象在该第i帧音频下所处的脸部表情状态，如口型状态等。需要说明的是，本公开实施例不限定该对象的实施方式，比如，该对象可以采用任意一种能够呈现表情的动物或者虚拟形象进行实施。

另外，本公开实施例不限定上文第i帧音频对应的脸部关键点的实施方式，比如，其可以采用现有的或者未来出现的任意一种能够用于表征脸部表情状态的关键点进行实施。又如，在一些应用场景下，为了更好地提高生成效果，该第i帧音频对应的脸部关键点可以采用二维脸部关键点进行实施。其中，该二维脸部关键点用于描述一个对象在二维空间中所处的脸部表情状态。

可见，在一种可能的实施方式下，上文第i帧音频对应的脸部关键点可以包括该第i帧音频的二维脸部关键点。其中，该第i帧音频的二维脸部关键点用于描述参考视频中对象在该第i帧音频下所处的二维的脸部表情状态；而且该第i帧音频的二维脸部关键点可以是依据该第i帧音频与该参考视频所确定的。

另外，本公开实施例不限定上文第i帧音频的二维脸部关键点的确定方式，比如，其可以采用现有的或者未来出现的任意一种能够依据一个视频以及一帧音频进行二维脸部关键点生成处理的方法，如借助预先构建的二维关键点生成模型所实现的方法进行实施。其中，该二维关键点生成模型用于针对该二维关键点生成模型的输入数据，如视频+音频进行二维脸部关键点生成处理；而且本公开实施例不限定该二维关键点生成模型的实施方式。

此外，为了更好地提高生成效果，本公开实施例还提供了上文第i帧音频的二维脸部关键点的一种确定方式，在该方式下，该第i帧音频的二维脸部关键点可以是通过将该第i帧音频对应的三维脸部关键点投影至二维平面所得到的。其中，该第i帧音频对应的三维脸部关键点用于描述参考视频中对象在该第i帧音频下所处的三维的脸部表情状态；而且该第i帧音频对应的三维脸部关键点是通过依据该参考视频中部分或者全部图像，对该第i帧音频进行三维脸部关键点确定处理所得到的。需要说明的是，本公开实施例不限定该三维脸部关键点确定处理的实施方式，比如，其可以采用现有的或者未来出现的任意一种能够依据一些图像以及一帧音频进行三维脸部关键点确定处理的方法进行实施，如借助预先构建的三维关键点生成模型所实现的方法进行实施。其中，该三维关键点生成模型用于针对该三维关键点生成模型的输入数据，如视频+音频进行三维脸部关键点生成处理；而且本公开实施例不限定该三维关键点生成模型的实施方式。

又如，在一些应用场景下，为了更好地提高生成效果，上文第i帧音频对应的三维脸部关键点的确定过程可以包括下文步骤11-步骤12。

步骤11：依据参考视频以及第i帧音频，预测该第i帧音频对应的三维脸部参数。

其中，该第i帧音频对应的三维脸部参数用于描述参考视频中对象在该第i帧音频下所处的脸部状态，如脸部特点、脸部表情、脸部姿态等。

另外，本公开实施例不限定第i帧音频对应的三维脸部参数的实施方式，比如，该第i帧音频对应的三维脸部参数可以包括脸部标识(Identity document，ID)参数、脸部表情参数以及脸部姿态参数。其中，该脸部标识参数用于描述参考视频中对象所具有的标识性的脸部特点，如脸部轮廓、五官分布等特点，以使基于该脸部标识参数所构建的三维脸部模型处于有ID、无姿态以及无表情这一状态。该脸部表情参数用于描述在该第i帧音频下的脸部表情状态，如口型状态等，以使基于该脸部表情参数所构建的三维脸部模型处于无ID、无姿态以及有表情这一状态。该脸部姿态参数用于描述在该第i帧音频下的脸部姿态，如侧脸、正脸等姿态，以使基于该脸部姿态参数所构建的三维脸部模型处于无ID、有姿态以及无表情这一状态。需要说明的是，本公开实施例不限定这三种参数之间的关联关系，比如，这三种参数之间处于互相解耦状态。

此外，本公开实施例不限定上文第i帧音频对应的三维脸部参数的确定过程，比如，其可以采用现有的或者未来出现的任意一种能够基于一个视频以及一帧音频进行三维脸部参数确定处理的方法，如借助预先构建的脸部参数确定模型所实现的方法进行实施。其中，该脸部参数确定模型是指预先构建的、具有三维脸部参数确定功能的模型，如机器学习模型；而且本公开实施例不限定该脸部参数确定模型的实施方式。

还有，在一些应用场景，如口型修改场景下，为了更好地提高生成效果，上文第i帧音频对应的三维脸部参数满足以下约束：①该第i帧音频对应的三维脸部参数中脸部标识参数和脸部表情参数均是依据参考视频以及第i帧音频所确定的，以使由该脸部标识参数所描述的脸部特点与该参考视频中所呈现的脸部特点保持一致，并使得由该脸部表情参数所表征的脸部表情状态满足该第i帧音频的脸部表情状态需求；②该第i帧音频对应的三维脸部参数中脸部姿态参数是依据上文目标图像的三维脸部参数中脸部姿态参数所确定的，以使该第i帧音频对应的三维脸部参数中脸部姿态参数与该目标图像的三维脸部参数中脸部姿态参数保持一致。其中，该目标图像的三维脸部参数是通过对该目标图像进行三维脸部参数确定处理所得到的；而且本公开实施例不限定该目标图像的三维脸部参数的确定过程，比如，其可以采用现有的或者未来出现的任意一种能够针对一个图像进行三维脸部参数确定处理的方法进行实施。

步骤12：依据第i帧音频对应的三维脸部参数，确定该第i帧音频对应的三维脸部关键点。

需要说明的是，本公开实施例不限定上文步骤12的实施方式，比如，其可以采用现有的或者未来出现的任意一种能够基于三维脸部参数确定三维脸部关键点的方法进行实施。

基于上文步骤11至步骤12的相关内容可知，在一些应用场景，如图2所示的场景下，对于音频序列中第i帧音频来说，可以先依据参考视频进行脸部重建处理，得到该参考视频中各帧图像的三维脸部参数；再依据该参考视频中部分或者全部图像的三维脸部参数以及该第i帧音频的音频特征，预测该第i帧音频对应的三维脸部参数；然后，依据该第i帧音频对应的三维脸部参数，确定该第i帧音频对应的三维脸部关键点，以使该三维脸部关键点能够更好地表示出该参考视频中对象在该第i帧视频下所处的脸部状态，从而使得基于该三维脸部关键点所确定的该第i帧音频对应的脸部关键点更准确，进而有利于提高生成效果。

实际上，为了更好地提高生成效果，本公开实施例还提供了上文第i帧音频对应的脸部关键点的一种可能的实施方式，在该实施方式下，该第i帧音频对应的脸部关键点可以包括音频序列中至少一帧音频的脸部关键点确定结果，而且该至少一帧音频包括该第i帧音频。其中，该至少一帧音频是指该音频序列中存在的、在生成该第i帧音频的脸部图像时所需参考的音频；而且本公开实施例不限定该至少一帧音频的实施方式，比如，该至少一帧音频可以包括该音频序列中第i-T帧音频、第i-T+1帧音频、……、第i帧音频、第i+1帧音频、……、以及第i+T帧音频，以使该至少一帧音频能够更好地表示出由该第i帧音频所携带的音频信息及其上下文信息，从而使得基于该至少一帧音频所生成的图像更准确。

另外，对于上文至少一帧音频中任一音频来说，该音频的脸部关键点确定结果是指针对该音频所确定的脸部关键点，以使该脸部关键点确定结果能够表示出参考视频中对象在该音频下所处的脸部状态；而且本公开实施例不限定该音频的脸部关键点确定结果的实施方式，比如，该音频的脸部关键点确定结果可以采用三维脸部关键点和/或二维脸部关键点进行实施。可见，在一种可能的实施方式下，该音频的脸部关键点确定结果可以是通过将该音频对应的三维脸部关键点投影至二维平面所得到的二维脸部关键点。其中，该音频对应的三维脸部关键点是通过依据该参考视频中部分或者全部图像，对该音频进行三维脸部关键点确定处理所得到的；而且该音频对应的三维脸部关键点的实施方式类似于上文第i帧音频对应的三维脸部关键点的实施方式，为了简要起见，在此不再赘述。

基于上文第i帧音频对应的脸部关键点的相关内容可知，在一种可能的实施方式下，在获取到音频序列中各帧音频对应的三维脸部关键点之后，可以先依据该音频序列中至少一帧音频对应的三维脸部关键点，确定该至少一帧音频的脸部关键点确定结果；再依据该至少一帧音频的脸部关键点确定结果，确定该第i帧音频对应的脸部关键点，以使该第i帧音频对应的脸部关键点包括该至少一帧音频的脸部关键点确定结果，从而使得该第i帧音频对应的脸部关键点能够更好地表示出参考视频中对象在该第i帧音频下所处的脸部状态，如脸部特点、脸部表情、脸部姿态、上下文信息等，从而使得基于该第i帧音频对应的脸部关键点所生成的图像更好。

另外，对于上文第i帧音频在参考视频中对应的目标图像来说，该目标图像是指该参考视频中存在的、用于为该第i帧音频的脸部图像生成处理提供除了脸部表情状态以外的其他信息的图像，如该参考视频中第i帧图像等；而且该目标图像的口型掩码结果用于提供该目标图像中除了口型状态以外的其他信息；而且本公开实施例不限定该口型掩码结果的确定过程，比如，其具体可以为：对该目标图像中下半脸进行掩码处理，得到该目标图像的口型掩码结果，以使该口型掩码结果能够表示出该目标图像中上半脸，从而使得该口型掩码结果能够提供该目标图像中除了口型状态以外的一些其他信息，如肤色、光线等信息，进而使得基于该口型掩码结果所生成的图像更好。

此外，对于上文至少两帧参考图像来说，该至少两帧参考图像是指从参考视频中选择的图像，以使该至少两帧参考图像能够向第i帧音频的脸部图像生成过程提供一些具有使用价值的像素信息，如姿态、口型等方面所涉及的像素信息。

另外，本公开实施例不限定上文至少两帧参考图像的确定过程，比如，在针对第i帧音频进行图像生成时，该至少两帧参考图像可以是从该参考视频中随机选择的，如针对该第i帧音频所随机选择的。可见，在一些应用场景下，上文音频序列中不同帧音频对应的至少两帧参考图像是指从该参考视频中随机选择的同一组图像。又如，在一些应用场景下，该音频序列中不同帧音频对应的至少两帧参考图像是指从该参考视频中随机选择的不同组图像。

此外，为了更好地提高生成效果，本公开实施例还提供了上文至少两帧参考图像的一种确定方式，在该方式下，该至少两帧参考图像的确定过程可以包括下文步骤21-步骤23。

步骤21：依据参考视频中各帧图像的口型幅度表征数据，对该参考视频中图像进行排序，得到图像序列。

其中，参考视频中第j帧图像是指该参考视频中存在的、处于第j个排列位置上的图像，j为正整数，j≤J，J为正整数，J表示该参考视频中的总帧数。

另外，对于参考视频中第j帧图像来说，该第j帧图像的口型幅度表征数据用于表征该第j帧图像中对象的口型张开幅度，而且本公开实施例不限定该第j帧图像的口型幅度表征数据的确定方式，比如，其可以采用现有的或者未来出现的任意一种能够针对一个图像进行口型幅度确定处理的的方法，如借助预先构建的口型幅度确定模型所实现的方法进行实施。其中，该口型幅度确定模型是指预先构建的、能够针对一个图像进行口型幅度确定处理的模型，如机器学习模型等。

此外，为了更好地提高生成效果，本公开实施例还提供了上文第j帧图像的口型幅度表征数据的一种确定方式，在该方式下，该第j帧图像的口型幅度表征数据的确定过程可以为：依据该第j帧图像的脸部关键点，如二维脸部关键点和/或三维脸部关键点中的嘴部关键点，确定该第j帧图像的口型幅度表征数据，以使该口型幅度表征数据能够更准确地表示出该第j帧图像中对象的口型张开幅度。其中，该第j帧图像的三维脸部关键点用于表示该第j帧图像中所呈现的脸部状态在三维空间中所处状态；而且该第j帧图像的三维脸部关键点是通过对该第j帧图像进行三维脸部关键点确定处理所得到的。需要说明的是，本公开实施例不限定该三维脸部关键点确定处理的实施方式。该第j帧图像的二维脸部关键点用于表示该第j帧图像中对象在二维空间中所处的脸部状态；而且本公开实施例不限定该第j帧图像的二维脸部关键点的确定方法，比如，其可以采用现有的或者未来出现的任意一种能够针对一个图像进行二维脸部关键点确定处理的方法进行实施。又如，该第j帧图像的二维脸部关键点可以是通过将该第j帧图像的三维脸部关键点投影至二维平面所得到的，如此有利于提高关键点相关信息的一致性，从而有利于提高生成效果。

还有，对于上文步骤21中的图像序列来说，该图像序列的确定过程可以为：依据参考视频中各帧图像的口型幅度表征数据，对该参考视频中部分或者全部图像进行排序，得到图像序列，以使该图像序列中所有图像是按照口型幅度表征数据进行升序或者降序排列的，从而使得该图像序列能够更好地描述出该参考视频中所呈现的口型幅度分布情况。可见，在一种可能的实施方式下，该图像序列可以包括该参考视频中所有图像；而且该图像序列中所有图像是按照口型幅度表征数据进行升序或者降序排列的。

基于上文步骤21的相关内容可知，对于一些应用场景来说，在获取到参考视频之后，可以先确定该参考视频中各帧图像的口型幅度表征数据；再将这些图像按照口型幅度表征数据进行升序或者降序排列，得到图像序列，以使该图像序列包括该参考视频中部分或者全部图像，并使得该图像序列中各个图像的排列位置与该参考视频中相应的图像的口型幅度表征数据正相关或者负相关，从而使得该图像序列能够更好地表示出该参考视频中所呈现的口型变化情况。

步骤22：对上文图像序列进行等间隔采样，得到采样图像。

其中，采样图像是指从图像序列中采样所得的图像；而且本公开实施例不限定该采样时所需参考的采样间隔，比如，该采样间隔可以依据实际的需求，如生成效率需求或者生成准确性需求综合确定。

基于上文步骤22的相关内容可知，对于一些应用场景来说，在获取到上文图像序列之后，可以从该图像序列中等间隔采样一些图像，作为采样图像，以使这些采样图像能够表示出参考视频中对象的不同口型状态，从而使得这些采样图像能够为第i帧音频的脸部图像生成过程提供有用的口型信息，如此有利于提高生成效果。

步骤23：依据上文采样图像，确定上文至少两帧参考图像。

需要说明的是，本公开实施例不限定上文步骤23的实施方式，比如，该步骤23具体可以为：将上文采样图像，确定为上文至少两帧参考图像，以使该至少两帧参考图像能够为音频序列中各帧图像的脸部图像生成过程提供一些有用信息，如口型信息。可见，在一种可能的实施方式下，该音频序列中不同帧图像的脸部图像生成过程所涉及的至少两帧参考图像均是这些采样图像，从而使得该音频序列中不同帧图像的脸部图像生成过程所涉及的至少两帧参考图像保持相同。

实际上，为了更好地提高生成效果，本公开实施例还提供了上文步骤23的一种可能的实施方式，在该实施方式下，该步骤23具体可以为：依据上文采样图像、以及第i帧音频在参考视频中对应的至少一个姿态相似图像，确定该第i帧音频对应的至少两帧参考图像，以使该第i帧音频对应的至少两帧参考图像包括该采样图像和该至少一个姿态相似图像，从而使得该第i帧音频对应的至少两帧参考图像能够为该第i帧音频的脸部图像生成过程提供尽可能全面的有用信息，如口型信息+姿态信息等，以便后续能够基于该至少两帧参考图像更好地生成该第i帧音频对应的图像。其中，该至少一个姿态相似图像是指该参考视频中存在的、与该第i帧音频对应的姿态最相近的一些图像。

另外，本公开实施例不限定上段中至少一个姿态相似图像的实施方式，比如，该至少一个姿态相似图像可以满足以下约束：各姿态相似图像的姿态表征数据与第i帧音频对应的姿态表征数据之间的相似程度达到预设相似需求。需要说明的是，本公开实施例不限定该预设相似需求的实施方式，比如，该预设相似需求具体可以为：各姿态相似图像的姿态表征数据与第i帧音频对应的姿态表征数据之间的相似程度均超过预设相似度阈值。又如，在依据参考视频中各帧图像的姿态表征数据与第i帧音频对应的姿态表征数据之间的相似程度，将该参考视频中所有图像按照相似程度进行降序排序，得到排序结果之后，该预设相似需求具体可以为：各姿态相似图像在该排序结果中所处的排列位置均比预设排列位置阈值靠前。

此外，对于上文至少一个姿态相似图像中任一姿态相似图像来说，该姿态相似图像的姿态表征数据用于表征该姿态相似图像中对象所处的脸部姿态；而且本公开实施例不限定该姿态相似图像的姿态表征数据的确定过程，比如，其可以采用现有的或者未来出现的任意一种能够针对一个图像进行姿态提取处理的方法进行实施。又如，为了更好地提高生成效果，该姿态相似图像的姿态表征数据的确定过程可以为：依据该姿态相似图像的三维脸部参数中脸部姿态参数，确定该姿态相似图像的姿态表征数据。其中，该姿态相似图像的三维脸部参数用于表征该姿态相似图像中对象在三维空间中所处的脸部状态；而且该姿态相似图像的三维脸部参数的实施方式类似于上文第i帧音频对应的三维脸部参数的实施方式。需要说明的是，本公开实施例不限定“依据该姿态相似图像的三维脸部参数中脸部姿态参数，确定该姿态相似图像的姿态表征数据”这一步骤的实施方式，比如，其具体可以为：先利用该姿态相似图像的三维脸部参数中脸部姿态参数，确定该姿态相似图像的三维脸部关键点，以使该姿态相似图像的三维脸部关键点能够表示出在无ID、无表情以及有姿态下所处的脸部状态；再将该姿态相似图像的三维脸部关键点，确定为该姿态相似图像的姿态表征数据。

还有，对于上文第i帧音频对应的姿态表征数据来说，该姿态表征数据用于表示该第i帧音频下的脸部姿态；而且本公开实施例不限定该姿态表征数据的确定方式，比如，为了更好地提高生成效果，该第i帧音频对应的姿态表征数据是依据上文目标图像的姿态表征数据所确定的。其中，该目标图像的姿态表征数据用于描述该目标图像中所呈现的脸部姿态；而且该目标图像的姿态表征数据的实施方式类似于上文姿态相似图像的姿态表征数据的实施方式，为了简要起见，在此不再赘述。

再者，为了更好的提高生成效果，本公开实施例还提供了上文至少一个姿态相似图像的一种可能的实施方式，在该实施方式下，该至少一个姿态相似图像可以满足以下约束：各姿态相似图像的姿态表征数据与第i帧音频对应的姿态表征数据之间的相似程度达到预设相似需求，而且各姿态相似图像在参考视频中对应的时间不同于该第i帧音频对应的时间。其中，该第i帧音频对应的时间是依据该目标图像在参考视频中对应的时间所确定的；而且本公开实施例不限定该第i帧音频对应的时间的确定方式，比如，其具体可以为：将该目标图像在参考视频中对应的时间，确定为该第i帧音频对应的时间。

基于上段内容可知，在一种可能的实施方式下，当上文第i帧音频对应的时间与目标图像在参考视频中对应的时间保持一致时，该第i帧音频对应的至少一个姿态相似图像可以满足以下约束：各姿态相似图像的姿态表征数据与第i帧音频对应的姿态表征数据之间的相似程度达到预设相似需求，而且各姿态相似图像在参考视频中对应的时间不同于该目标图像在参考视频中对应的时间，以使该第i帧音频对应的至少一个姿态相似图像可以包括该参考视频中存在的、除了该目标图像以外的、与该第i帧音频对应的姿态最接近的多帧图像，从而能够有效地的避免该目标图像可能造成的一些干扰，进而使得这些姿态相似图像能够更好地为该第i帧音频的脸部图像生成过程提供有用的姿态信息，如此有利于提高生成效果。其中，该第i帧音频对应的姿态是指该目标图像中所呈现的脸部姿态。

基于上文步骤21至步骤23的相关内容可知，本公开实施例提供了上文至少两帧参考图像的两种可能的实施方式，一种为全固定，比如，通过对参考视频进行口型方面的相关处理，以从该参考视频中选择一些具有不同口型状态的图像，如上文采样图像，以便后续能够将这些具有不同口型状态的图像应用到音频序列中各帧音频的脸部图像生成过程，以使该音频序列中不同帧音频的脸部图像生成过程所参考的至少两帧参考图像保持一致。另一种为部分固定部分动态，比如，通过对参考视频进行口型方面的相关处理，以从该参考视频中选择一些具有不同口型状态的图像，作为固定部分，同时通过对该参考视频进行姿态方面的相关处理，以从该参考视频中选择一些姿态接近于第i帧音频对应的姿态的图像，作为该第i帧音频对应的动态部分，以便后续能够将该固定部分+该第i帧音频对应的动态部分应用到该第i帧音频的脸部图像生成过程，如此有利于更好地提高生成效果。

另外，对于上文至少两帧参考图像中任一参考图像来说，该参考图像的脸部关键点用于描述该参考图像中所呈现的脸部状态，而且本公开实施例不限定该参考图像的脸部关键点的实施方式，比如，该参考图像的脸部关键点的实施方式类似于上文第i帧音频对应的脸部关键点的实施方式。可见，在一种可能的实施方式下，如果该第i帧音频对应的脸部关键点采用二维脸部关键点进行实施，则该参考图像的脸部关键点也可以采用二维脸部关键点进行实施，而且该参考图像的脸部关键点与该第i帧音频对应的脸部关键点之间满足以下约束：该参考图像的脸部关键点与该第i帧音频对应的脸部关键点在关键点序号上是对应的。

此外，对于上文至少两帧参考图像中任一参考图像来说，本公开实施例不限定该参考图像的脸部关键点的实施方式，比如，如果上文第i帧音频对应的脸部关键点是通过对三维脸部关键点投影至二维平面所得到的，则该参考图像的脸部关键点可以是通过将该参考图像的三维脸部关键点投影至二维平面所得到的二维脸部关键点，以使该参考图像的脸部关键点的获取方式与该第i帧音频对应的脸部关键点的获取方式保持一致，如此能够有效地避免当采用不同二维关键点获取机制时所造成的缺陷，从而有利于提高生成效果。其中，该参考图像的三维脸部关键点用于描述该参考图像中所呈现的脸部状态在三维空间中所处状态；而且该参考图像的三维脸部关键点是通过对该参考图像进行三维脸部关键点确定处理所得到的。需要说明的是，本公开实施例不限定该三维脸部关键点确定处理的实施方式，比如，其可以采用现有的或者未来出现的任意一种能够针对一个图像进行三维脸部关键点确定处理的方法，如借助预先构建的具有三维脸部关键点确定处理功能的机器学习模型所实现的方法进行实施。

还有，对于音频序列中第i帧音频来说，该第i帧音频对应的图像是指针对该第i帧音频所生成的图像，以使该第i帧音频对应的图像满足以下约束：该第i帧音频对应的图像中所呈现的脸部表情状态满足该第i帧音频的脸部表情状态需求，而且该第i帧音频对应的图像中除了脸部表情状态以外的其他信息与上文目标图像中相应的信息保持一致，从而使得该第i帧音频对应的图像能够表示出依据该第i帧音频，对该目标图像进行脸部表情状态调整处理的结果。

实际上，为了更好地提高生成效果，本公开实施例还提供了上文第i帧音频对应的图像的一种确定方式，在该方式下，该第i帧音频对应的图像的确定过程可以包括下文步骤31-步骤33。

步骤31：对于上文至少两帧参考图像中任一参考图像，依据该参考图像、该参考图像的脸部关键点、以及第i帧音频对应的脸部关键点，预测该参考图像对应的像素使用描述信息；该像素使用描述信息包括像素调整描述信息和/或像素融合权重。

其中，参考图像对应的像素使用描述信息用于描述在第i帧音频的脸部图像生成过程中如何使用该参考图像中的像素，以使该像素使用描述信息能够表示出该参考图像中像素对该第i帧音频的脸部图像生成过程产生何种影响。

另外，本公开实施例不限定上文参考图像对应的像素使用描述信息的实施方式，比如，该参考图像对应的像素使用描述信息可以包括该参考图像对应的像素调整描述信息和/或该参考图像对应的像素融合权重。

此外，对于上文参考图像对应的像素调整描述信息来说，该像素调整描述信息用于表示在第i帧音频的脸部图像生成过程中如何调整该参考图像中的像素；而且本公开实施例不限定该像素调整描述信息的实施方式，比如，该像素调整描述信息可以采用图像像素信息的偏移量进行实施。可见，在一种可能的实施方式下，该像素调整描述信息满足以下约束：该像素调整描述信息的尺寸与该参考图像的尺寸相同，而且该像素调整描述信息中每个像素点的位置坐标用于表示该参考图像中相应的像素点的位置坐标的偏移量。

还有，对于上文参考图像对应的像素融合权重来说，该像素融合权重用于表示该参考图像中各像素以何种程度影响第i帧音频的脸部图像生成过程；而且本公开实施例不限定该像素融合权重的实施方式，比如，该像素融合权重可以满足以下约束：该像素融合权重的尺寸与该参考图像的尺寸相同，而且该像素融合权重中每个像素点的权重值用于表示该参考图像中相应的像素点的影响力度。

再者，本公开实施例不限定上文步骤31的实施方式，比如，为了更好地提高生成效果，该步骤31可以采用口型渲染模型中信息预测模块进行实施。可见，在一种可能的实施方式下，该步骤31具体可以为：对于上文至少两帧参考图像中任一参考图像，由该信息预测模块依据该参考图像、该参考图像的脸部关键点、以及第i帧音频对应的脸部关键点，预测并输出该参考图像对应的像素使用描述信息。其中，该口型渲染模型用于针对该口型渲染模型的输入数据进行口型渲染处理，如图2或者图3所示的口型渲染处理；而且本公开实施例不限定该口型渲染模型的实施方式，比如，该口型渲染模型可以至少包括该信息预测模块，如图3所示的信息预测模块。其中，该信息预测模块用于依据一个参考图像、该参考图像的脸部关键点、以及第i帧音频对应的脸部关键点，预测该参考图像对应的像素使用描述信息；而且本公开实施例不限定该信息预测模块的实施方式，比如，为了更好地提高生成效果，该信息预测模块可以包括卷积神经网络(Convolutional Neural Networks，CNN)以及特征注入模块，以使该信息预测模块具有融合该参考图像、该参考图像的脸部关键点、以及第i帧音频对应的脸部关键点的功能。需要说明的是，本公开实施例不限定该特征注入模块的实施方式，比如，该特征注入模块可以采用AdaIN(Adaptive Instance Normalization)或者SPADE进行实施。

基于上文步骤31的相关内容可知，在获取到上文至少两帧参考图像、各个参考图像的脸部关键点、以及第i帧音频对应的脸部关键点之后，可以将这些数据输入口型渲染模型，以使该口型渲染模型中信息预测模块能够依据第n个参考图像、该第n个参考图像的脸部关键点、以及该第i帧音频对应的脸部关键点，预测并输出该第n个参考图像对应的像素使用描述信息，以使该像素使用描述信息能够表示出在该第i帧音频的脸部图像生成过程中如何使用该第n个参考图像中的像素，如位置偏移量+影响力度等，n为正整数，n≤N，N为正整数，N表示该至少两帧参考图像中的图像个数，以便后续能够基于这些参考图像对应的像素使用描述信息，对该第i帧音频进行图像生成处理。

步骤32：依据上文至少两帧参考图像对应的像素使用描述信息，对该至少两帧参考图像进行形变融合处理，得到融合图像。

其中，融合图像是指依据上文至少两帧参考图像对应的像素使用描述信息，对该至少两帧参考图像进行形变融合处理所得的图像，以使该融合图像与第i帧音频相适配。

另外，本公开实施例不限定上文步骤32的实施方式，比如，为了更好地提高生成效果，该步骤32具体可以为：在口型渲染模型中信息预测模块输出各参考图像对应的像素使用描述信息之后，由该口型渲染模型中形变融合模块依据所有参考图像对应的像素使用描述信息，对所有参考图像进行形变融合处理，得到并输出融合图像，以使该融合图像能够表示出在第i帧音频下针对这些参考图像的像素整合使用结果，从而使得该融合图像与该第i帧音频相适配，进而使得该融合图像能够满足以下约束：该融合图像中所呈现的脸部表情状态满足该第i帧音频的脸部表情状态需求，而且该融合图像中除了脸部表情状态以外的其他部分或者全部信息与上文目标图像中相应的信息保持一致。其中，该形变融合模块用于依据各个参考图像对应的像素使用描述信息，对这些参考图像进行像素整合使用处理；而且本公开实施例不限定该形变融合模块的实施方式，比如，该形变融合模块可以采用任意一种信息整合网络，如grid_sample进行实施。

基于上文步骤32的相关内容可知，对于上文口型渲染模型来说，在由该口型渲染模型中信息预测模块依据第n个参考图像、该第n个参考图像的脸部关键点、以及第i帧音频对应的脸部关键点，预测并输出该第n个参考图像对应的像素使用描述信息，n为正整数，n≤N之后，可以由该口型渲染模型中形变融合模块，如图3所示的形变融合模块依据所有参考图像对应的像素使用描述信息，对所有参考图像进行形变融合处理，得到并输出融合图像，以使该融合图像能够表示出针对该第i帧音频的脸部图像生成结果，以便后续能够基于该脸部图像生成结果，确定该第i帧音频对应的图像。

步骤33：依据上文融合图像、目标图像的口型掩码结果、以及第i帧音频对应的脸部关键点进行图像生成处理，得到该第i帧音频对应的图像。

需要说明的是，本公开实施例不限定上文步骤33的实施方式，比如，为了更好地提高生成效果，该步骤33具体可以为：由口型渲染模型中脸部生成模块依据上文融合图像、目标图像的口型掩码结果、以及第i帧音频对应的脸部关键点进行图像生成处理，得到并输出该第i帧音频对应的图像，以使该第i帧音频对应的图像的图像质量优于该融合图像，如此有利于提高生成效果。其中，该脸部生成模块用于基于该目标图像的口型掩码结果以及该第i帧音频对应的脸部关键点，对该融合图像进行优化生成处理，以使该脸部生成模块输出的图像更优于该融合图像，从而使得该脸部生成模块输出的图像与该第i帧音频更适配；而且本公开实施例不限定该脸部生成模块的实施方式，比如，该脸部生成模块可以采用现有的或者未来出现的任意一种图像生成网络进行实施。

基于上文步骤31至步骤33的相关内容可知，对于一些应用场景来说，在获取到上文至少两帧参考图像、各个参考图像的脸部关键点、第i帧音频对应的目标图像的口型掩码结果、以及该第i帧音频对应的脸部关键点之后，可以将这些数据输入口型渲染模型，以使该口型渲染模型能够依据这些数据生成并输出该第i帧音频对应的图像，如图3所示的第i帧音频对应的图像。其中，因该口型渲染模型具有较好的性能，以使借助该口型渲染模型所生成的第i帧音频对应的图像更好，如此有利于提高生成效果。

基于上文S2的相关内容可知，在一些应用场景下，对于音频序列中第i帧音频来说，在获取到该第i帧音频对应的脸部关键点、该第i帧音频在参考视频中对应的目标图像的口型掩码结果、该第i帧音频对应的至少两帧参考图像以及各参考图像的脸部关键点之后，可以由口型渲染模型依据这些数据，生成并输出该第i帧音频对应的图像，以使该第i帧音频对应的图像能够表示出该目标图像中对象在该第i帧音频下所处的脸部状态，如此能够实现基于该第i帧音频对该目标图像进行表情调整处理。

S3：依据音频序列中各帧音频对应的图像，生成该音频序列对应的视频。

需要说明的是，本公开实施例不限定上文S3的实施方式，比如，为了更好地提高生成效果，该S3具体可以为：在获取到音频序列中各帧音频对应的图像之后，可以依据该音频序列以及该音频序列中各帧音频对应的图像，生成该音频序列对应的视频，以使该音频序列对应的视频包括该音频序列以及该音频序列中各帧音频对应的图像，从而使得该音频序列对应的视频中对象与上文参考视频中对象保持一致，并使得该音频序列对应的视频所呈现的脸部表情状态与该音频序列所需求的脸部表情状态保持一致，进而使得该音频序列对应的视频能够表示出该参考视频中对象在该音频序列下所处的脸部状态变化，如此能够实现基于音频序列驱动一个视频中对象的脸部表情状态调整。

基于上文S1至S3的相关内容可知，对于本公开实施例提供的视频生成方法来说，在获取到参考视频和音频序列之后，先依据该音频序列中第i帧音频对应的脸部关键点、该第i帧音频在该参考视频中对应的目标图像的口型掩码结果、从该参考视频中选择的至少两帧参考图像、以及各该参考图像的脸部关键点，生成该第i帧音频对应的图像，以使该第i帧音频对应的图像中所呈现的脸部表情状态满足该第i帧音频的表情需求，如口型需求，并使得该第i帧音频对应的图像中所呈现的除了脸部表情状态以外的其他信息，如脸部特点、脸部姿态等信息与该目标图像中所呈现的相应的信息保持一致；i为正整数，i≤该音频序列中的总帧数；然后，依据该音频序列中各帧音频对应的图像，生成该音频序列对应的视频，以使该音频序列对应的视频中所呈现的对象与该参考视频中所呈现的对象保持一致，并使得该音频序列对应的视频能够表示出该对象在该音频序列下的脸部状态变化，如此能够实现生成与该音频序列适配的视频。其中，因该至少两帧参考图像能够尽可能全面地呈现出该参考视频中出现的、在该第i帧音频的脸部图像生成过程中具有使用价值的信息，如口型、脸部姿态等方面的信息，以使基于这些参考图像针对该第i帧音频所生成的图像能够更好地表示出该对象在该第i帧音频下所处的脸部状态，从而使得基于这些图像最终生成的视频能够更好地表示出该对象在该音频序列下的脸部状态变化，进而使得最终生成的视频与该音频序列更适配，如此有利于提高视频生成效果。

另外，本公开实施例不限定本公开实施例提供的视频生成方法的执行主体，例如，本公开实施例提供的视频生成方法可以应用于终端设备或者服务器。又如，本公开实施例提供的视频生成方法也可以借助终端设备与服务器之间的数据交互过程进行实现。其中，该终端设备可以为智能手机、计算机、个人数字助理(Personal Digital Assitant，PDA)、平板电脑等。服务器可以为独立服务器、集群服务器或云服务器。

此外，本公开实施例不限定本公开实施例提供的视频生成方法的应用场景，比如，该视频生成方法可以用于完成某个视频生成任务，如视频的语种切换处理任务、视频中语句修改处理任务、或者视频中语句替换处理任务；而且在利用该视频生成方法完成该视频生成任务时所采用的数据处理逻辑类似于上文S1-S3所示的数据处理逻辑，为了简要起见，在此不再赘述。

又如，本公开实施例提供的视频生成方法可以应用于模型训练场景。基于此，本公开实施例还提供了一种模型训练过程，其具体可以至少包括下文步骤41-步骤43。

步骤41：获取参考视频和音频序列，该参考视频以及该音频序列均是依据样本视频所确定的。

需要说明的是，步骤41的相关内容请参见上文S1的相关内容。

可见，在一些应用场景下，对于当前轮来说，从一个样本视频中确定参考视频以及音频序列，以使该参考视频包括该样本视频中部分或者全部图像，并使得该音频序列包括该样本视频中部分或者全部音频，还使得该参考视频中的目标图像与该音频序列中第i帧音频之间存在对应关系，如该目标图像在该样本视频中对应的时间与该第i帧音频在该样本视频中对应的时间相同等对应关系，以便后续能够借助该参考视频和该音频序列，完成当前轮的训练过程。

步骤42：由口型渲染模型依据音频序列中第i帧音频对应的脸部关键点、该第i帧音频在参考视频中对应的目标图像的口型掩码结果、从参考视频中选择的至少两帧参考图像、以及各参考图像的脸部关键点，生成该第i帧音频对应的图像；i为正整数，i≤音频序列中的总帧数。

其中，口型渲染模型用于针对该口型渲染模型的输入数据进行口型渲染处理，如图2或者图3所示的口型渲染处理。

另外，本公开实施例不限定该口型渲染模型的实施方式，比如，为了更好地提高生成效果，该口型渲染模型可以包括信息预测模块、形变融合模块和脸部生成模块，以使该口型渲染模型的工作原理可以为：在将音频序列中第i帧音频对应的脸部关键点、该第i帧音频在参考视频中对应的目标图像的口型掩码结果、该第i帧音频对应的至少两帧参考图像、以及各参考图像的脸部关键点输入该口型渲染模型之后，先由该口型渲染模型中信息预测模块依据这些参考图像、这些参考图像的脸部关键点、以及该第i帧音频对应的脸部关键点，预测并输出这些参考图像对应的像素使用描述信息；再由该口型渲染模型中形变融合模块依据这些像素使用描述信息对这些参考图像进行形变融合处理，得到并输出融合图像；然后，由该口型渲染模型中脸部生成模块依据该融合图像、第i帧音频对应的脸部关键点以及该目标图像的口型掩码结果，生成该第i帧音频对应的图像，以便后续能够基于该第i帧音频对应的图像与该第i帧音频对应的真值(Ground Truth，GT)之间的差异性，衡量该口型渲染模型的性能。其中，该第i帧音频对应的真值用于指导该第i帧音频的脸部图像生成处理；而且本公开实施例不限定该该第i帧音频对应的真值的实施方式，比如，该该第i帧音频对应的真值可以采用该目标图像进行实施。

步骤43：依据目标图像与第i帧音频对应的图像之间的差异表征数据，更新口型渲染模型中脸部生成模块，并依据该目标图像与第i帧音频对应的图像之间的差异表征数据、以及该目标图像与融合图像之间的差异表征数据，更新该口型渲染模型中形变融合模块和信息预测模块，i为正整数，i≤音频序列中的总帧数，并返回继续执行上文步骤41及其后续步骤，直至达到预设停止条件。

其中，目标图像与第i帧音频对应的图像之间的差异表征数据用于表征该第i帧音频对应的真值与该第i帧音频对应的图像之间的差异性；而且本公开实施例不限定该差异表征数据的实施方式，比如，其可以采用现有的或者未来出现的任意一种能够衡量两个图像之间的差异性的方法进行实施。又如，为了更好地提高模型训练效果，该差异表征数据可以是依据该目标图像的图像特征与该第i帧音频对应的图像的图像特征之间的相似度，如欧式距离、余弦距离等所确定的。

另外，对于上文目标图像与第i帧音频对应的图像之间的差异表征数据来说，该差异表征数据可以借助梯度回传方式参与口型渲染模型中所有模块的更新过程，如信息预测模块的更新过程、形变融合模块的更新过程和脸部生成模块的更新过程。

此外，目标图像与融合图像之间的差异表征数据用于表征该第i帧音频对应的真值与融合图像之间的差异性；而且本公开实施例不限定该差异表征数据的实施方式，比如，其可以采用现有的或者未来出现的任意一种能够衡量两个图像之间的差异性的方法进行实施。又如，为了更好地提高模型训练效果，该差异表征数据可以是依据该目标图像的图像特征与该融合图像的图像特征之间的相似度，如欧式距离、余弦距离等所确定的。

还有，对于上文目标图像与融合图像之间的差异表征数据来说，该差异表征数据可以借助梯度回传方式参与口型渲染模型中除了脸部生成模块以外的其他模块的更新过程，如信息预测模块的更新过程和形变融合模块的更新过程。

再者，对于上文预设停止条件来说，该预设停止条件是指停止训练口型渲染模型时所需达到的条件，而且本公开实施例不限定该预设停止条件的实施方式，比如，该预设停止条件具体可以包括：该口型渲染模型的模型损失低于预先设定的损失阈值。又如，该预设停止条件可以包括：该口型渲染模型的模型损失的变化率低于预先设定的变化率阈值。还如，该预设停止条件可以包括：该口型渲染模型的更新次数达到预先设定的次数阈值。其中，该口型渲染模型的模型损失用于表征该口型渲染模型的性能；而且该口型渲染模型的损失可以是依据目标图像与第i帧音频对应的图像之间的差异表征数据、以及该目标图像与融合图像之间的差异表征数据所确定的。需要说明的是，本公开实施例不限定该口型渲染模型的损失的计算方式。

基于上文步骤41至步骤43的相关内容可知，在一些应用场景下，对于口型渲染模型来说，该口型渲染模型中的信息预测模块、形变融合模块和脸部生成模块可以同时训练，而且通过GT来监督该脸部生成模块的输出结果，同时也会借助该GT对该形变融合模块的输出结果进行弱监督，如感知损失等，如此有利于提高模型训练效果。

基于本公开实施例提供的视频生成方法，本公开实施例还提供了一种视频生成装置，下面结合图4进行解释和说明。其中，图4为本公开实施例提供的一种视频生成装置的结构示意图。需要说明的是，本公开实施例提供的视频生成装置的技术详情，请参照上文视频生成方法的相关内容。

如图4所示，本公开实施例提供的视频生成装置400，包括：

数据获取单元401，用于获取参考视频和音频序列；

图像生成单元402，用于依据所述音频序列中第i帧音频对应的脸部关键点、所述第i帧音频在所述参考视频中对应的目标图像的口型掩码结果、从所述参考视频中选择的至少两帧参考图像、以及各所述参考图像的脸部关键点，生成所述第i帧音频对应的图像；i为正整数，i≤所述音频序列中的总帧数；

视频生成单元403，用于依据所述音频序列中各帧音频对应的图像，生成所述音频序列对应的视频。

在一种可能的实施方式下，所述至少两帧参考图像的确定过程，包括：依据所述参考视频中各帧图像的口型幅度表征数据，对所述参考视频中图像进行排序，得到图像序列；对所述图像序列进行等间隔采样，得到采样图像；依据所述采样图像，确定所述至少两帧参考图像。

在一种可能的实施方式下，所述至少两帧参考图像是依据所述采样图像、以及所述第i帧音频在所述参考视频中对应的至少一个姿态相似图像所确定的；各所述姿态相似图像的姿态表征数据与所述第i帧音频对应的姿态表征数据之间的相似程度达到预设相似需求。

在一种可能的实施方式下，各所述姿态相似图像在所述参考视频中对应的时间不同于所述第i帧音频对应的时间；所述第i帧音频对应的时间是依据所述目标图像在所述参考视频中对应的时间所确定的。

在一种可能的实施方式下，所述第i帧音频对应的姿态表征数据是依据所述目标图像的姿态表征数据所确定的。

在一种可能的实施方式下，所述第i帧音频对应的脸部关键点包括所述音频序列中至少一帧音频的脸部关键点确定结果；所述至少一帧音频包括所述第i帧音频。

在一种可能的实施方式下，对于所述至少一帧音频中任一音频，该音频的脸部关键点确定结果是通过将该音频对应的三维脸部关键点投影至二维平面所得到的二维脸部关键点；该音频对应的三维脸部关键点是通过依据所述参考视频中部分或者全部图像，对该音频进行三维脸部关键点确定处理所得到的。

在一种可能的实施方式下，对于所述至少两帧参考图像中任一参考图像，该参考图像的脸部关键点是通过将该参考图像的三维脸部关键点投影至二维平面所得到的二维脸部关键点；该参考图像的三维脸部关键点是通过对该参考图像进行三维脸部关键点确定处理所得到的。

在一种可能的实施方式下，所述图像生成单元402，具体用于：对于所述至少两帧参考图像中任一参考图像，依据该参考图像、该参考图像的脸部关键点、以及所述第i帧音频对应的脸部关键点，预测该参考图像对应的像素使用描述信息；所述像素使用描述信息包括像素调整描述信息和/或像素融合权重；依据所述至少两帧参考图像对应的像素使用描述信息，对所述至少两帧参考图像进行形变融合处理，得到融合图像；依据所述融合图像、所述目标图像的口型掩码结果、以及所述第i帧音频对应的脸部关键点进行图像生成处理，得到所述第i帧音频对应的图像。

在一种可能的实施方式下，各所述参考图像对应的像素使用描述信息均是利用口型渲染模型中信息预测模块所确定的；所述形变融合处理是利用所述口型渲染模型中形变融合模块所实现的；所述图像生成处理是利用所述口型渲染模型中脸部生成模块所实现的。

在一种可能的实施方式下，所述参考视频以及所述音频序列均是依据样本视频所确定的；

所述视频生成装置400，还包括：

模型更新单元，用于依据所述目标图像与所述第i帧音频对应的图像之间的差异表征数据，更新所述口型渲染模型中脸部生成模块，并依据所述目标图像与所述第i帧音频对应的图像之间的差异表征数据、以及所述目标图像与所述融合图像之间的差异表征数据，更新所述口型渲染模型中形变融合模块和信息预测模块。

基于上述视频生成装置400的相关内容可知，本公开实施例提供的视频生成装置400的工作原理为：在获取到参考视频和音频序列之后，先依据该音频序列中第i帧音频对应的脸部关键点、该第i帧音频在该参考视频中对应的目标图像的口型掩码结果、从该参考视频中选择的至少两帧参考图像、以及各该参考图像的脸部关键点，生成该第i帧音频对应的图像，以使该第i帧音频对应的图像中所呈现的脸部表情状态满足该第i帧音频的表情需求，如口型需求，并使得该第i帧音频对应的图像中所呈现的除了脸部表情状态以外的其他信息，如脸部特点、脸部姿态等信息与该目标图像中所呈现的相应的信息保持一致；i为正整数，i≤该音频序列中的总帧数；然后，依据该音频序列中各帧音频对应的图像，生成该音频序列对应的视频，以使该音频序列对应的视频中所呈现的对象与该参考视频中所呈现的对象保持一致，并使得该音频序列对应的视频能够表示出该对象在该音频序列下的脸部状态变化，如此能够实现生成与该音频序列适配的视频。其中，因该至少两帧参考图像能够尽可能全面地呈现出该参考视频中出现的、在该第i帧音频的脸部图像生成过程中具有使用价值的信息，如口型、脸部姿态等方面的信息，以使基于这些参考图像针对该第i帧音频所生成的图像能够更好地表示出该对象在该第i帧音频下所处的脸部状态，从而使得基于这些图像最终生成的视频能够更好地表示出该对象在该音频序列下的脸部状态变化，进而使得最终生成的视频与该音频序列更适配，如此有利于提高视频生成效果。

另外，本公开实施例还提供了一种电子设备，所述设备包括处理器以及存储器：所述存储器，用于存储指令或计算机程序；所述处理器，用于执行所述存储器中的所述指令或计算机程序，以使得所述电子设备执行本公开实施例提供的视频生成方法的任一实施方式。

参见图5，其示出了适于用来实现本公开实施例的电子设备500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

本公开实施例提供的电子设备与上述实施例提供的方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。

本公开实施例还提供了一种计算机可读介质，所述计算机可读介质中存储有指令或计算机程序，当所述指令或计算机程序在设备上运行时，使得所述设备执行本公开实施例提供的视频生成方法的任一实施方式。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备可以执行上述方法。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元/模块的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

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。

需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

应当理解，在本公开实施例中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于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：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本公开实施例。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开实施例的精神或范围的情况下，在其它实施例中实现。因此，本公开实施例将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (15)

1. 一种视频生成方法，其中所述方法包括：

   获取参考视频和音频序列；

   依据所述音频序列中第i帧音频对应的脸部关键点、所述第i帧音频在所述参考视频中对应的目标图像的口型掩码结果、从所述参考视频中选择的至少两帧参考图像、以及各所述参考图像的脸部关键点，生成所述第i帧音频对应的图像；i为正整数，i≤所述音频序列中的总帧数；

   依据所述音频序列中各帧音频对应的图像，生成所述音频序列对应的视频。
2. 根据权利要求1所述的方法，其中所述至少两帧参考图像的确定过程，包括：

   依据所述参考视频中各帧图像的口型幅度表征数据，对所述参考视频中图像进行排序，得到图像序列；

   对所述图像序列进行等间隔采样，得到采样图像；

   依据所述采样图像，确定所述至少两帧参考图像。
3. 根据权利要求2所述的方法，其中所述至少两帧参考图像是依据所述采样图像、以及所述第i帧音频在所述参考视频中对应的至少一个姿态相似图像所确定的；

   各所述姿态相似图像的姿态表征数据与所述第i帧音频对应的姿态表征数据之间的相似程度达到预设相似需求。
4. 根据权利要求3所述的方法，其中各所述姿态相似图像在所述参考视频中对应的时间不同于所述第i帧音频对应的时间；

   所述第i帧音频对应的时间是依据所述目标图像在所述参考视频中对应的时间所确定的。
5. 根据权利要求3所述的方法，其中所述第i帧音频对应的姿态表征数据是依据所述目标图像的姿态表征数据所确定的。
6. 根据权利要求1所述的方法，其中所述第i帧音频对应的脸部关键点包括所述音频序列中至少一帧音频的脸部关键点确定结果；

   所述至少一帧音频包括所述第i帧音频。
7. 根据权利要求6所述的方法，其中对于所述至少一帧音频中任一音频，该音频的脸部关键点确定结果是通过将该音频对应的三维脸部关键点投影至二维平面所得到的二维脸部关键点；

   该音频对应的三维脸部关键点是通过依据所述参考视频中部分或者全部图像，对该音频进行三维脸部关键点确定处理所得到的。
8. 根据权利要求7所述的方法，其中对于所述至少两帧参考图像中任一参考图像，该参考图像的脸部关键点是通过将该参考图像的三维脸部关键点投影至二维平面所得到的二维脸部关键点；

   该参考图像的三维脸部关键点是通过对该参考图像进行三维脸部关键点确定处理所得到的。
9. 根据权利要求1所述的方法，其中所述第i帧音频对应的图像的确定过程，包括：

   对于所述至少两帧参考图像中任一参考图像，依据该参考图像、该参考图像的脸部关键点、以及所述第i帧音频对应的脸部关键点，预测该参考图像对应的像素使用描述信息；所述像素使用描述信息包括像素调整描述信息和/或像素融合权重；

   依据所述至少两帧参考图像对应的像素使用描述信息，对所述至少两帧参考图像进行形变融合处理，得到融合图像；

   依据所述融合图像、所述目标图像的口型掩码结果、以及所述第i帧音频对应的脸部关键点进行图像生成处理，得到所述第i帧音频对应的图像。
10. 根据权利要求9所述的方法，其中各所述参考图像对应的像素使用描述信息均是利用口型渲染模型中信息预测模块所确定的；

    所述形变融合处理是利用所述口型渲染模型中形变融合模块所实现的；

    所述图像生成处理是利用所述口型渲染模型中脸部生成模块所实现的。
11. 根据权利要求10所述的方法，其中所述参考视频以及所述音频序列均是依据样本视频所确定的；

    所述生成所述第i帧音频对应的图像之后，所述方法还包括：

    依据所述目标图像与所述第i帧音频对应的图像之间的差异表征数据，更新所述口型渲染模型中脸部生成模块，并依据所述目标图像与所述第i帧音频对应的图像之间的差异表征数据、以及所述目标图像与所述融合图像之间的差异表征数据，更新所述口型渲染模型中形变融合模块和信息预测模块。
12. 一种视频生成装置，其中所述装置包括：

    数据获取单元，用于获取参考视频和音频序列；

    图像生成单元，用于依据所述音频序列中第i帧音频对应的脸部关键点、所述第i帧音频在所述参考视频中对应的目标图像的口型掩码结果、从所述参考视频中选择的至少两帧参考图像、以及各所述参考图像的脸部关键点，生成所述第i帧音频对应的图像；i为正整数，i≤所述音频序列中的总帧数；

    视频生成单元，用于依据所述音频序列中各帧音频对应的图像，生成所述音频序列对应的视频。
13. 一种电子设备，其中所述设备包括：处理器和存储器；

    所述存储器，用于存储指令或计算机程序；

    所述处理器，用于执行所述存储器中的所述指令或计算机程序，以使得所述电子设备执行权利要求1-11任一项所述的方法。
14. 一种计算机可读介质，其中所述计算机可读介质中存储有指令或计算机程序，当所述指令或计算机程序在设备上运行时，使得所述设备执行权利要求1-11任一项所述的方法。
15. 一种计算机程序产品，其中所述程序产品包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行权利要求1-11任一项所述的方法的程序代码。