EMAGE est un modèle unifié de génération de gestes de conversation globale qui génère des mouvements gestuels naturels grâce à la modélisation de gestes audio-visuels masqués riches en expressions. Il capture les informations vocales et rythmiques à partir d'une entrée audio et génère les poses corporelles et les séquences de mouvements gestuels correspondantes. EMAGE est capable de générer des gestes hautement dynamiques et expressifs, améliorant ainsi l'expérience interactive des personnages virtuels.