CyberHost es un marco de animación corporal impulsado por audio de extremo a extremo que, mediante un mecanismo de atención de código de libro regional, permite la generación de integridad manual, coherencia de identidad y movimiento natural. El modelo utiliza una arquitectura de doble U-Net como estructura básica y, mediante una estrategia de fotogramas de movimiento, realiza una continuación temporal, estableciendo una línea de base para la animación corporal impulsada por audio. CyberHost, a través de una serie de estrategias de entrenamiento centradas en el ser humano, incluyendo mapas de movimiento corporal, puntuación de claridad manual, características de referencia de alineación de postura y supervisión de mejora local, mejora la calidad de los resultados de síntesis. CyberHost es el primer modelo de difusión corporal impulsado por audio capaz de generar vídeo de muestra cero en el rango corporal humano.