語音和文本聯(lián)合驅(qū)動(dòng)卡通人臉動(dòng)畫的方法及其面向移動(dòng)娛樂應(yīng)用.pdf

1、近年來，隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、數(shù)字電視技術(shù)和通信技術(shù)日益成熟，極大地推動(dòng)了多媒體產(chǎn)業(yè)的興起，多媒體技術(shù)之間的信息融合越來越受到人們的重視，數(shù)字娛樂也逐漸體現(xiàn)了良好的發(fā)展前景。
　　 本文主要工作是針對卡通人臉動(dòng)畫的視覺語音相結(jié)合的研究，提出了一種綜合語音和文本的驅(qū)動(dòng)卡通人臉動(dòng)畫的多媒體技術(shù)，同時(shí)結(jié)合數(shù)字娛樂發(fā)展方向進(jìn)行了實(shí)際應(yīng)用的設(shè)計(jì)和探索。
　　 （1）提出了一種由語音和文本共同驅(qū)動(dòng)的卡通人臉動(dòng)畫方法。首先建立卡通人臉音

2、節(jié)-視位參數(shù)庫，并對音節(jié)-視位參數(shù)進(jìn)行非監(jiān)督聚類分析，獲得32 種人臉視位基本類型，然后基于文本信息進(jìn)行音節(jié)切分，獲得準(zhǔn)確的時(shí)長參數(shù)。結(jié)合視位的基本類型和語音時(shí)長參數(shù)，可以對輸入的語音/文本進(jìn)行連續(xù)動(dòng)畫拼接。
　　 本文提出的方法經(jīng)過用100條從影視作品中收集的具有娛樂效果的語音/文本進(jìn)行測試，結(jié)果表明可以克服單獨(dú)的語音驅(qū)動(dòng)或文本驅(qū)動(dòng)的不足，取得更好的卡通人臉動(dòng)畫效果。
　　 （2）我們將這種語音和文本聯(lián)合驅(qū)動(dòng)方法應(yīng)用于