语音驱动动作生成

ViBES：具备行为智能 3D 虚拟身体的对话智能体

ViBES: A Conversational Agent with Behaviorally-Intelligent 3D Virtual Body

ViBES 将语音、文本和身体动作统一为交错的多模态词元流，并用按模态硬路由的混合专家 Transformer 联合建模，为视觉研究者提供了构建可控 3D 虚拟人对话系统的可复用架构与多轮对话-动作对齐评测思路。