[发明专利]一种模拟虚拟人物说话的方法及装置

权利要求书

1.一种模拟虚拟人物说话的方法，其特征在于，所述方法包括：

根据多个音素分类，制作与每个所述音素分类对应的口型，得到多个基础口型；

输入音频流，提取所述音频流的音频帧，识别所述音频帧的音素；

从所述多个音素分类中，确定与所述音频帧的音素对应的所述音素分类，选择与之对应的所述基础口型；

将选择的所述基础口型合成所述音频帧的对应口型。

2.根据权利要求1所述的方法，其特征在于，所述多个音素分类包括：

(p，b，m)、(f，v)、(th)、(t，d)、(k，g)、(tS，dZ，S)、(s，z)、(n，l)、(r)、(A)、(e)、(ih)、(oh)、(ou)。

3.根据权利要求1所述的方法，其特征在于，

在所述音频流中，提取2.5ms至60ms为单位的数据量为一帧音频。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

制作虚拟人物模型，根据所述音频帧的对应口型，生成所述虚拟人物的口型。

5.根据权利要求1所述的方法，其特征在于，

所述多个基础口型还包括：嘴闭合口型和通用口型。

6.根据权利要求5所述的方法，其特征在于，

当从所述音频帧中识别的音素不在所述多个音素分类中时，选择所述通用口型作为基础口型；

当从所述音频帧中未识别出音素时，选择所述嘴闭合口型作为基础口型。

7.一种模拟虚拟人物说话的装置，其特征在于，所述装置包括：

基础口型生成单元(102)，用于根据多个音素分类，制作与每个所述音素分类对应的口型，得到多个基础口型；

音素提取单元(104)，用于输入音频流，提取所述音频流的音频帧，识别所述音频帧的音素；

基础口型确定单元(106)，用于从所述多个音素分类中，确定与所述音频帧的音素对应的所述音素分类，选择与之对应的所述基础口型；

口型合成单元(108)，用于将选择的所述基础口型合成所述音频帧的对应口型。

8.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-6中任一项所述的方法。

9.一种计算设备，其特征在于，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-6中任一项所述的方法。