一种数字人直播视频合成方法及系统

本发明属于图像处理领域，提供一种数字人直播视频合成方法及系统，包括接收用户的多模态数据输入，所述多模态数据包括：语音、文本以及图像；从所述多模态数据中提取关键特征；将所述关键特征进行融合，形成融合条件；利用神经网络模型，根据所述融合条件生成对应的辐射场表示；根据实时输入微调所述辐射场参数；将生成的辐射场转换为视频输出。