随着现代计算机技术和动画技术的飞速发展,人们对三维唇形动画的真实感提出了更高的要求。目前人脸运动捕捉系统能够合成较为真实的人脸动画,在电影和动画领域中已经广泛应用。本文基于人脸运动捕捉系统采集藏语拉萨话元音的发音运动数据,通过动态视位分析及动态视位模型的构建,实现输入语音数据到模型中能够生成唇形序列运动数据,用来驱动三维虚拟唇形发生形变,形成语音与动作匹配的三维唇形动画,最终合成藏语拉萨话元音动态视位语音动画,取得了不错的效果。主要工作如下:（1）构建数据集,并进行了动态视位分析。采集藏语拉萨话元音发音数据并处理,利用K均值聚类算法,将藏语拉萨话元音发音整个动态过程分成了25种静态唇形类别,并将藏语拉萨话元音发音聚为19个动态视位类。（2）构建了基于长短时记忆网络和基于生成对抗网络的藏语拉萨话元音动态视位模型。通过输入藏语拉萨话元音语音数据到模型中,生成藏语拉萨话元音三维唇形运动序列数据。通过计算均方根误差值的大小,基于生成对抗网络的藏语拉萨话元音动态视位模型能够达到0.11的均方根误差,即比起真实人脸运动捕捉数据仅有0.11厘米的误差。比基于长短时记忆网络的藏语拉萨话元音动态视位模型在各个点上的与真实数据的接近程度均有明显提升,并且在总的均方根误差上有0.03的提升。（3）建立了拥有Blendshape的三维人脸模型,制作25个藏语拉萨话元音动态视位相关的静态唇形Blendshape,藏语拉萨话元音动态视位模型生成的发音阶段运动序列数据输入,数据两端与自然闭合唇形进行B样条插值法,实现了藏语拉萨话元音动态视位三维唇形动画合成,最终合成19个藏语拉萨话动态视位语音动画。