该研究提出了“diffmotion-v2”模型，利用WavLM预训练模型生成个性化共说手势，简化多模态处理，提取音频信息并学习语音与手势的关系。

该研究提出了“diffmotion-v2”，利用WavLM预训练模型，通过语音生成个性化和风格化的全身手势，简化多模态处理和手动标注。模型在多个数据集上验证了生成自然手势的能力。