InstructAvatar est une méthode innovante de génération d'avatars 2D dotés d'une riche expressivité émotionnelle, guidée par du texte. Ce modèle permet de contrôler les émotions et les expressions faciales de l'avatar via une interface en langage naturel, offrant un contrôle précis, une meilleure interactivité et une capacité de généralisation pour la création de vidéos. Il intègre un processus d'annotation automatisée pour construire un jeu de données d'entraînement associant instructions et vidéos, et est équipé d'un générateur de diffusion à double branche innovant, capable de prédire l'avatar à partir d'instructions audio et textuelles simultanément. Les résultats expérimentaux montrent qu'InstructAvatar surpasse les méthodes existantes en termes de contrôle précis des émotions, de qualité de synchronisation labiale et de naturalité.