MotionCLR es un modelo de difusión de movimiento basado en mecanismos de atención, enfocado en la generación y edición de movimientos humanos. A través de mecanismos de autoatención y atención cruzada, simula las interacciones intra e intermodales, respectivamente, logrando un control y edición precisos de las secuencias de movimiento. Sus principales ventajas incluyen la edición sin entrenamiento previo, una buena interpretabilidad y la capacidad de implementar diversos métodos de edición de movimiento manipulando el mapa de atención, como el énfasis o la atenuación de acciones, la sustitución in situ de acciones, y la generación de acciones basada en ejemplos. El contexto de investigación de MotionCLR se centra en solucionar las deficiencias de los modelos de difusión de movimiento tradicionales en la edición de grano fino, mejorando la flexibilidad y precisión de la edición de movimiento mediante una clara correspondencia texto-movimiento.