Loopy ist ein End-to-End Audio-gesteuertes Video-Diffusionsmodell. Es wurde speziell mit zeitlichen Modulen für überlappende und interne Clips sowie einem Audio-zu-latenten-Darstellungs-Modul entwickelt. Dadurch kann das Modell langfristige Bewegungsinformationen in den Daten nutzen, um natürliche Bewegungsmuster zu erlernen und die Korrelation zwischen Audio und Porträtbewegung zu verbessern. Diese Methode eliminiert die Notwendigkeit manuell spezifizierter räumlicher Bewegungsvorlagen in bestehenden Methoden und ermöglicht realistischere und qualitativ hochwertigere Ergebnisse in verschiedenen Szenarien.