扩散模型已经彻底改变了说话人头部生成的领域，但在长时间生成中的表现力、可控性和稳定性方面仍面临挑战。在这项研究中，作者提出了EmotiveTalk框架来解决这些问题。首先，为了更好地控制唇部运动和面部表情的生成，设计了一种基于视觉引导的音频信息解耦（V-AID）方法，以生成与唇部运