一种特定人物的视频生成方法、装置、设备及介质

本发明公开了一种特定人物的视频生成方法、装置、设备及介质。该方法包括：根据用户输入的待生成视频的视频提示词以及目标人物的人脸图像，分别获取提示词文本生成特征以及抽象人脸面部特征；通过多模态变压器扩散生成模型，对提示词文本生成特征以及抽象人脸面部特征进行多轮处理，获取目标人物相关图像；其中，多模态变压器扩散生成模型中通过跨注意力机制实现特征融合；根据目标人物相关图像，生成特定人物视频。采用上述技术方案，能够实现仅需单张人物图像，即可生成特定人物视频，算力消耗低，耗时较短，能够高效、便捷的获取特定人物的视频，提高用户的使用体验。