该文综述音频驱动说话人脸生成技术，涵盖自监督学习、三维人脸标志点、Transformer关键点生成、记忆增强GAN、大型语言模型指导及正交性约束等方法，实现头部姿态、表情与口型同步的可控合成，并提升视觉质量与唇同步精度。

该文综述唇同步深度伪造的检测与生成技术，涵盖LIPINC口腔不一致性检测、LipForensics泛化检测、Audio-Lip Memory高质量生成、多模态音视频检测框架、StyleLipSync身份无关生成、StyleSync高保真同步及Speech2Lip分解合成框架等方法，多数在基准数据集上优于现有技术。

本文综述音频驱动的逼真说话人脸生成技术，涵盖音频深度特征提取与面部动态姿态分析、视频帧的表情/几何/姿势参数分解及循环神经网络音频到表情参数的转换、单张肖像的三维头像重建与动画化、源演员表情迁移、关键点合成粗糙视频后经变形神经辐射场与盲人脸修复迭代生成可动画三维神经头像、单幅肖像生成三维卡通脸，以及OTAvatar（三平面渲染、35FPS）、Myportrait（结合个性化与三维形变先验、支持视频和音频驱动）、VividTalk（两阶段框架提升唇同步与表情质量）和记忆增强生成对抗网络生成自然对话人脸视频等方法。