本文综述情感语音驱动的说话人脸生成研究。DreamTalk采用两阶段扩散框架，结合EmoDiff生成动态情感与姿态，提升唇部同步，并可迁移至任意肖像。其他工作分别利用图卷积网络、多模态情感编码器、纹理几何感知扩散模型、EMOTE系统及GMTalker等，实现情感可控、高保真且音视频同步的面部动画，在生成质量、情感准确性和动作多样性上优于以往方法。