MPEG-4兼容的人臉語音動畫系統(tǒng)及其在網(wǎng)絡(luò)通信中的應(yīng)用.pdf

1、MPEG-4是一個基于對象的多媒體壓縮標(biāo)準(zhǔn)，允許將場景中的音頻、視頻對象(自然的或合成的)獨立編碼。MPEG-4中定義了“人臉對象”這樣一個特殊的視頻對象，通過臉部定義參數(shù)(FDP)和臉部動畫參數(shù)(FAP)可以定制人臉模型，并使之產(chǎn)生動畫效果。MPEG-4能夠?qū)⑷四槃赢嫼投嗝襟w通信集成在一起，并且可以在低帶寬的網(wǎng)絡(luò)上控制虛擬人臉。TTS(TexttoSpeech，文本語音合成)作為MPEG-4中引入的一種有吸引力的合成語音編碼技術(shù)，它與

2、人臉動畫的結(jié)合將具有廣泛的應(yīng)用前景。同時，MPEG-4為TTS合成器定義了一個應(yīng)用程序接口，利用這個接口，TTS合成器可以為人臉模型提供音素和相關(guān)的時間標(biāo)記信息，而音素可以轉(zhuǎn)換成相應(yīng)的口型，這將使得人臉動畫和合成語音能夠很好的結(jié)合在一起。本文是基于我們實驗室已有的研究工作，在仔細(xì)考察了人臉動畫的研究現(xiàn)狀之后，確定了“MPEG-4兼容的人臉語音動畫系統(tǒng)及其在網(wǎng)絡(luò)通信中的應(yīng)用”作為自己的研究方向。在MPEG-4標(biāo)準(zhǔn)的范疇下把人臉動畫與TTS