本文介绍了一种新颖的MMM运动生成模型，旨在平衡实时性、高保真度和动作可编辑性。MMM通过将3D动作转化为潜空间中的离散标记序列，实现高质量动画生成，并支持动作编辑和插值。实验结果表明，MMM在生成质量和速度上优于现有方法，尤其在与音乐协调的舞蹈动作生成方面表现突出。

本文介绍了新的多模态数据集JustLMD，包含舞蹈动作、音乐和歌词信息，并展示了一种基于跨模态扩散的网络，能够根据音乐和歌词生成3D舞蹈动作。研究提出了多种生成模型，如DanceNet和LongDanceDiff，旨在提高舞蹈动作的真实感和多样性，实验结果表明这些方法在生成自然一致的舞蹈运动方面表现优异。