基于离线强化学习的语音驱动情感化面部动画生成方法

一种基于离线强化学习的语音驱动情感化面部动画生成方法，通过构建语音驱动情感化三维面部动画生成模型，以标准化三维面部特征点为状态、混合形状系数为动作，通过扩散模型隐式建模状态‑动作映射关系；采用多任务训练范式，主回归任务联合噪声预测损失和音频‑混合形状一致性损失，情感分类子任务通过交叉熵损失引导模型聚焦情感特征；集成ControlNet模块将用户指定的情感类别编码为条件向量注入生成过程。生成的动画在保持高精度唇形同步的同时，显著提升语音情感与面部表情的对齐效果，并支持用户自定义表情强度。本发明适用于虚拟数字人、智能机器人需要高表现力面部动画的场景。