数字人表情和动作多模态生成数据
收藏国家基础学科公共科学数据中心2026-07-10 收录
官方服务：
资源简介：
从文字或语音输入中生成到精细化面部动画控制参数。系统采用中文CLIP模型进行文本语义编码，接收预提取的384维语音嵌入特征，通过Transformer解码器的交叉注意力机制实现文本-语音-面部动作的有效对齐，最终输出完整的面部控制参数序列。
提供机构：
网易（杭州）网络有限公司
社区交流群
科研交流群
商业服务
从文字或语音输入中生成到精细化面部动画控制参数。系统采用中文CLIP模型进行文本语义编码，接收预提取的384维语音嵌入特征，通过Transformer解码器的交叉注意力机制实现文本-语音-面部动作的有效对齐，最终输出完整的面部控制参数序列。