InstructAvatar एक नवीन पाठ निर्देशित विधि है, जिसका उपयोग समृद्ध भावनात्मक अभिव्यक्ति वाले 2डी अवतार उत्पन्न करने के लिए किया जाता है। यह मॉडल अवतार की भावनाओं और चेहरे के भावों को नियंत्रित करने के लिए प्राकृतिक भाषा इंटरफ़ेस का उपयोग करता है, जो सूक्ष्म नियंत्रण, बेहतर इंटरैक्टिविटी और उत्पन्न वीडियो की सामान्यीकरण क्षमता प्रदान करता है। इसे निर्देश-वीडियो युग्मों के प्रशिक्षण डेटासेट के निर्माण के लिए एक स्वचालित एनोटेशन प्रक्रिया डिज़ाइन की गई है, और यह एक नए प्रकार के दोहरे शाखा प्रसार आधारित जनरेटर से सुसज्जित है जो ऑडियो और पाठ निर्देशों दोनों के आधार पर अवतार की भविष्यवाणी कर सकता है। प्रयोगात्मक परिणाम दर्शाते हैं कि InstructAvatar सूक्ष्म भावना नियंत्रण, होंठ सिंक्रनाइज़ेशन गुणवत्ता और प्राकृतिकता के मामले में मौजूदा विधियों से बेहतर है।