该文综述共语手势生成研究：C2G2框架通过时间潜变与控制方法解决训练不稳定、时间不一致及说话者身份与时间编辑控制不足的问题；DiffGesture以扩散模型平衡生成质量与多样性；diffmotion-v2利用WavLM生成个性化全身手势；CSMP学习语言与手势的联合嵌入，实现语义感知生成；LivelySpeaker分两阶段实现语义对齐与节奏细化；FreeMo分解姿态与节奏；此外还涉及可控面部动作的谈话面孔、基于声学语义的任意节拍手势生成以及多模态对抗生成模型等工作。

该文综述语音驱动共语手势生成研究，涵盖多项代表性工作：EmotionGesture 提取情感与节拍特征生成3D手势；ANGIE 捕捉可复用动作模式；多模态预训练编码器在模态缺失时仍可生成；BEAT 数据集与 CaMN 模型；diffmotion-v2 用 WavLM 生成风格化全身手势；HA2G 分层生成身体动作；EMoG 引入情感线索；变分变压器生成多样手势；CSMP 学习语言与动作语义耦合，获高自然度与语言适应性评价。