（5）嘴唇的大小和形状随着眼睛、鼻子和头部的运动而扩大，这取决于谁说了这个词，也就是说话人身份。

（6）最后，为了生成转换后的图像， MakeItTalk采用了两种算法进行标记到图像的合成:

对于非真实感的图像，如画布艺术或矢量艺术，一个特定的畸变方法是在 Delaunay triangulation 的基础上部署；

对于真实感图像，构建一个图像到图像的转换网络(与 pix2pix 相同) ，直接转换自然人脸。

最后，混合所有的图像帧和音频共同生成头部动画。

作者简介

该项目的作者本科毕业于上海交通大学电子工程系，然后在乔治亚理工学院获得了硕士学位，现在是马萨诸塞大学阿默斯特分校计算机图形学科学研究小组的一名计算机科学博士生。