随着智媒时代来临,媒体智能化已逐渐成为媒体发展的主导性趋势,新闻媒体的业态版图正处于不断升级和改写的革新历程中,以AI合成主播为代表的人工智能技术被运用于新闻内容生产和传播,给新闻生产领域带来重构和优化。但是内蒙古地区蒙汉媒体与人工智能技术相结合起步较晚,AI合成主播研究仍处于初级阶段。本文研究的蒙古语AI合成主播,将提高蒙古语新闻的生产效率,降低新闻的生产成本,推动蒙汉新媒体技术的发展,加强蒙古族与各族人民的文化交流。本文研究内容如下:1.建立了蒙古语视频语料库和基于ObamaNet的蒙古语AI合成主播基线系统,制定了AI合成主播的主观评测标准。本文选取一位内蒙古电视台男主播作为蒙古语AI合成主播的主播形象,通过录制其播报蒙古语新闻稿件的方式收集数据,共建立约3.5小时的蒙古语视频语料库。基线系统基于ObamaNet建立,使用时延LSTM（Time-delayed Long Short-Term Memory）网络由语音生成嘴部关键点,再根据嘴部特征重构人脸图像合成视频。2.针对基线模型存在嘴部关键点预测误差较大并且重构速度较慢的问题,本文提出了基于嘴型分类的蒙古语AI合成主播。与基线方法的区别在于此方法把不同的嘴型归类为若干典型嘴型,使用Bi-LSTM（Bidirectional Long Short-Term Memory）模型和DNN（Deep Neural Networks）模型分别训练嘴型同步模型,由语音生成嘴型标签序列,并提前合成了嘴型标签对应的人像（候选帧）,从而大幅提升视频合成速度。实验结果表明,该方法在嘴型同步度、人像逼真度方面均优于基线系统。3.基于Wav2Lip模型搭建了蒙古语新闻AI合成主播制作平台。通过预训练嘴型同步判别器,在训练视频合成器的过程中加入嘴型同步判别机制,并加入对比实验引入GAN（Generative Adversarial Networks）来提高人脸合成质量,在流程最后添加高清细节修复模块,实现了更加逼真、高清的蒙古语AI主播合成方法。实验结果表明,该方法不再局限于单一人物形象和声音,并在嘴型同步度、人像逼真度、视频流畅度三个方面均明显优于前两个方法。最后,本文采用B/S架构基于此模型设计并搭建了蒙古语新闻AI合成主播制作平台,包括工作台、用户管理模块。