该论文提出了一种生成具有可控面部动作的谈话面孔的方法，通过建立规范空间和多模态运动空间，使用正交性约束分离身份和运动，实现了外观自然、具有完全可控面部属性和准确的唇部同步。实验证明，该方法在视觉质量和唇同步得分方面取得了最先进的结果，是第一个能够准确展示包括唇部、头部姿势和眼动等所有目标面部运动的谈话面孔生成框架，无需额外的RGB视频和音频监督。