调制

Stage2：音频驱动微调——引入双轨音频调制。

UniLS针对这一空白，提出将倾听行为分解为“内在运动先验”与“外部音频调制”两个独立组成部分，通过两阶段训练范式分别学习，仅以双轨音频作为输入，端到端地生成双方的面部动作。