本文介绍了一种改善语音驱动的三维面部动画的方法，通过考虑面部运动的复合性和局部性，使用自适应调制模块来实现动画的改进。同时，提出了一种非自回归骨干结构将音频转化为三维面部动作。该方法在定性和定量上优于当代最先进的方法。