语音驱动三维唇形动画算法属于语音信号处理与三维动画技术交叉范畴,可应用于各种需要语音与唇形同步的三维动画领域,如三维动画电影或视频、3D游戏、虚拟主播、教学视频等。目前国内外关于语音驱动唇形动画的研究较少,进行唇形动画制作时多以人工制作为主,费时费力,因此研究语音驱动三维唇形动画算法具有一定的社会意义与应用价值。在语音驱动三维唇形动画算法中,语音到唇形的映射直接影响到唇形动画的真实感。在现有的语音驱动唇形动画算法中,主要存在以下难点和问题：(1)不同语言间音素的发音规律有所不同,难以与唇形形成统一的映射关系；(2)使用BP神经网络进行语音特征参数到唇形的映射,通常速度和精度高度受限于训练样本数量和网络结构；(3)三维人脸模型的格式多种多样,没有统一的唇形动画标准,通用性存在不足。本文针对上述问题,在现有的语音驱动唇形动画算法基础上,做了如下改进工作：首先,分析了汉语普通话和英语的发音规律,尝试用国际音标将两种语言的发音规律统一起来,并以此为依据录制了训练语音库。其次,尝试适用高斯混合模型算法和基于有向无环图的支持向量机多分类算法(DAG-SVM)代替神经网络进行音素分类,并对DAG-SVM进行了改进。最后,利用DirectX中的三维网格渐变动画技术实现了通用性强且具有真实感的三维人脸唇形动画,并与分类算法相结合,编写了图形界面。实验结果表明本文提出的算法性能较好,能达到预期要求。