基于数字人的长视频生成方法、设备及存储介质

本申请公开了一种基于数字人的长视频生成方法、设备及存储介质，包括：获取数字人基础形象和口播音频流；确定所述数字人基础形象对应的稀疏间隔策略，通过所述稀疏间隔策略在所述数字人基础形象中提取多个视觉锚点；切分所述口播音频流为连续的多个音频片段，并基于提取到的多个视觉锚点依次合成各个音频片段的数字人视频；将所述数字人视频与虚拟背景进行梯度域图像融合得到数字人长视频。本申请通过稀疏关键帧锚定、流式生成与梯度域融合的协同作用，实现了长时间数字人视频生成中身份一致性与动作连贯性的统一保障，在突破生成时长限制的同时，显著提升了数字人的表现力与视觉真实感。