感謝IT之家網(wǎng)友 肖戰(zhàn)割割 的線索投遞！

科技有限公司申請的“生成數(shù)字人的方法、模型的訓(xùn)練方法、裝置、設(shè)備和介質(zhì)”專利獲授權(quán)。

IT之家從專利摘要獲取到，該專利提供了一種生成數(shù)字人的方法、模型的訓(xùn)練方法、裝置、設(shè)備和介質(zhì)，涉及人工智能領(lǐng)域，具體涉及自然語言處理、深度學(xué)習(xí)、計算機視覺、圖像處理、增強現(xiàn)實和虛擬現(xiàn)實等技術(shù)領(lǐng)域，可應(yīng)用于元宇宙等場景。實現(xiàn)方案為:獲取素材內(nèi)容；基于預(yù)訓(xùn)練的場景劃分模型，從素材內(nèi)容中確定多個場景。

其中，多個場景中的每個場景分別對應(yīng)于素材內(nèi)容中的一個具有完整語義信息的內(nèi)容片段；以及對于多個場景中的每個場景，基于對應(yīng)的內(nèi)容片段，確定該場景對應(yīng)的目標內(nèi)容；基于對應(yīng)的目標內(nèi)容，確定該場景的場景標簽信息；以及基于場景標簽信息，配置特定于該場景的數(shù)字人。

專利稱，數(shù)字人在視頻中的運用主要基于模板進行，比如固定數(shù)字人進行播報，數(shù)字人播報時可能會出現(xiàn)數(shù)字人與內(nèi)容割裂，播報內(nèi)容與數(shù)字人形象不匹配，用戶體驗差。

該專利通過對素材內(nèi)容進行場景切分，并以場景為粒度進行數(shù)字人的配置，從而確保了數(shù)字人與場景和目標內(nèi)容的一致性，改善了素材內(nèi)容和數(shù)字人之間的融合，提升了用戶觀看數(shù)字人的體驗。