动画生成方法、装置、电子设备和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113539240A(43)申请公布日2021.10.22(21)申请号202110812403.6(22)申请日2021.07.19(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人王海新杜峰(74)专利代理机构北京品源专利代理有限公司11332代理人孔凡红(51)Int.Cl.G10L15/00(2013.01)G10L21/10(2013.01)权利要求书2页说明书12页附图5页(54)发明名称动画生成方法、装置、电子设备和存储介质(57)摘要本发明实施例公开了一种动画生成方法、装置、电子设备和存储介质，该动画生成方法包括：获取目标语音数据和目标语音数据对应的目标文本数据，目标语音数据中包括不同语种的语音数据；对目标文本数据进行分析识别，得到目标文本数据中包括的各个音素，并对目标语音数据进行分析识别，得到各个音素中的每个音素的发音时段；确定每个音素所属的语种；查询每个音素所属的语种的口型配置表，得到为每个音素配置的口型；在每个音素的发音时段内按照对应的口型驱动虚拟形象，以生成口型动画。本发明实施例能够提升虚拟形象的口型与表达语句的贴合度，使得虚拟形象的口型变化更加丰富，表达更加顺畅、自然。CN113539240ACN113539240A权利要求书1/2页1.一种动画生成方法，其特征在于，包括：获取目标语音数据和所述目标语音数据对应的目标文本数据，所述目标语音数据中包括不同语种的语音数据；对所述目标文本数据进行分析识别，得到所述目标文本数据中包括的各个音素，并对所述目标语音数据进行分析识别，得到所述各个音素中的每个音素的发音时段；确定所述每个音素所属的语种；查询所述每个音素所属的语种的口型配置表，得到为所述每个音素配置的口型；在所述每个音素的发音时段内按照对应的口型驱动虚拟形象，以生成口型动画。2.根据权利要求1所述的动画生成方法，其特征在于，所述在所述每个音素的发音时段内按照对应的口型驱动虚拟形象，以生成口型动画，包括：确定为当前音素配置的口型的多维状态向量，并确定为上一音素配置的口型的多维状态向量，所述上一音素为发音时段在所述当前音素的发音时段之前且与所述当前音素的发音时段相邻的音素；利用缓动函数对为所述当前音素配置的口型的多维状态向量和为所述上一音素配置的口型的多维状态向量进行计算，得到在所述当前音素的发音时段内的各个时刻的多维状态向量；将所述当前音素的发音时段内的各个时刻的多维状态向量提供给对应维度的变形器，以利用对应维度的变形器驱动所述虚拟形象，生成所述口型动画。3.根据权利要求2所述的动画生成方法，其特征在于，所述缓动函数包括缓出函数ease‑out。4.根据权利要求3所述的动画生成方法，其特征在于，所述利用缓动函数对为所述当前音素配置的口型的多维状态向量和为所述上一音素配置的口型的多维状态向量进行计算，得到在所述当前音素的发音时段内的各个时刻的多维状态向量，包括：利用所述缓动函数计算出所述当前音素的发音时段内的各个时刻的向量变化率；根据为所述当前音素配置的口型的多维状态向量和为所述上一音素配置的口型的多维状态向量计算出为所述当前音素配置的口型和为所述上一音素配置的口型在各个维度的向量差；根据为所述当前音素配置的口型和为所述上一音素配置的口型在各个维度的向量差、所述当前音素的发音时段内的各个时刻的向量变化率以及为所述上一音素配置的口型的多维状态向量计算所述当前音素的发音时段内的各个时刻各个维度的向量；根据所述当前音素的发音时段内的各个时刻各个维度的向量确定出在所述当前音素的发音时段内的各个时刻的多维状态向量。5.根据权利要求3所述的动画生成方法，其特征在于，所述当前音素的发音时段包括所述当前音素的发音开始时间和发音结束时间，在利用缓动函数对为所述当前音素配置的口型的多维状态向量和为所述上一音素配置的口型的多维状态向量进行计算，得到在所述当前音素的发音时段内的各个时刻的多维状态向量之前，还包括：根据所述当前音素的发音开始时间和发音结束时间确定所述当前音素的发音时长；根据所述当前音素的发音时长将所述当前音素的发音时段内的各个时刻进行归一化处理。2CN113539240A权利要求书2/2页6.根据权利要求1至5任一所述的动画生成方法，其特征在于，所述确定所述每个音素所属的语种，包括：基于所述每个音素查询各个语种的发音词典库；将与所述每个音素匹配的发音词典库对应的语种确定为对应音素所属的语种。7.根据权利要求1至5任一所述的动画生成方法，其特征在于，所述口型配置表通过如下方式创建：收集每个语种的音素，并确定所述每个语种的音素