本申请涉及计算机视觉技术领域，公开了一种基于跨语言泛化的说话头像合成系统，包括音频预处理模块、跨语言映射模块、姿态预测模块、联合建模模块、三维生成模块和细节优化模块。本申请，通过采用预训练的转换器网络结合大规模多语言语料实现跨语言音素与...