该文综述文本驱动人体动作生成研究，涵盖：利用大型语言模型从长文本提取轨迹与动作以解决位置约束和不稳定问题；结合语言结构与上下文推理生成细粒度动作；通过量化码本与多模态令牌预测实现统一生成；采用两级流模型分别建模上下半身以生成复合动作；TEACH基于Transformer生成时间组合动作；扩散模型结合过去条件与相干采样实现长时连贯动作；Make-An-Animation利用大规模伪姿势数据提升性能；DiffKFC以关键帧与扩散协作控制粗细粒度生成；并支持自然语言迭代编辑动画。