中國電信公布國際專利申請：“3D數(shù)字人唇形驅動辦法、裝置、電子設備及存儲介質”

證券之星消息，根據(jù)企查查數(shù)據(jù)顯示，中國電信（601728）公布了一項國際專利申請，專利名為“3D 數(shù)字人唇形驅動方法、裝置、電子設備及存儲介質”，專利申請?zhí)枮?PCT/CN2023/140585，國際公布日為 2024 年 6 月 27 日。

該專利方法包括：獲取輸入的文本信息；基于從文本到語音 TTS 技術，將文本信息轉化為音素序列、音頻數(shù)據(jù)和時間戳信息（其中時間戳信息包含音素序列中各個元素的時間戳）；根據(jù)時間戳信息，對音素序列中相應的靜音音素進行刪除處理，對刪除處理后的音素序列進行預設倍數(shù)采樣，得到 bs 動畫系數(shù)序列；根據(jù) bs 動畫系數(shù)序列、音頻數(shù)據(jù)、預設音素唇形映射表以及特殊音素的預設優(yōu)化，渲染生成 3D 數(shù)字人的唇形動畫。其中預設音素唇形映射表包含多種音素與 3D 數(shù)字人唇形之間的映射關系，特殊音素包括雙唇音、唇齒音和齒擦音。

今年以來中國電信已公布的國際專利申請 116 個，較去年同期增加了 87.1%。結合公司 2023 年年報財務數(shù)據(jù)，2023 年公司在研發(fā)方面投入了 130.52 億元，同比增 23.59%。

這種 3D 數(shù)字人唇形驅動方法提高了 3D 數(shù)字人唇形驅動的魯棒性與流暢度，具體來說，通過構建預設音素唇形映射表、對音素序列進行處理和特殊音素優(yōu)化等操作，可以使生成的 3D 數(shù)字人唇形動畫更加自然和準確，減少對大量訓練數(shù)據(jù)的依賴，并且能夠更好地應對各種情況，提高唇形驅動的效果和穩(wěn)定性。

特殊音素的預設優(yōu)化方式舉例如下：設置 3D 數(shù)字人在雙唇音（如 b、p、m 等）發(fā)音前，上嘴唇與下嘴唇接觸；在唇齒音（如 f、v 等）發(fā)音前，下嘴唇觸碰上牙齒；在齒擦音（如 z、c、s、j、q、x、zh、ch、sh 等）發(fā)音時，上下牙齒之間的距離滿足預設距離。

在渲染生成唇形動畫之前，可能還會對 bs 動畫系數(shù)序列進行三次樣條差值采樣、衰減、平滑處理，或者在其預設位置添加靜音音素后再進行平滑處理等操作。

該技術在虛擬數(shù)字人、人機交互、影視娛樂等領域可能具有廣泛的應用前景，例如可以為虛擬客服、虛擬主播等提供更加自然和逼真的唇形表現(xiàn)，提升用戶體驗。同時，也有助于推動相關產業(yè)的發(fā)展和創(chuàng)新。具體的應用方式和效果可能還需要根據(jù)實際情況進行進一步的開發(fā)和優(yōu)化。