Make-Your-Anchor é um framework de geração de avatares 2D baseado em modelos de difusão. Com apenas um vídeo de cerca de 1 minuto, ele pode gerar automaticamente vídeos no estilo de apresentador com movimentos precisos do corpo superior e das mãos. O sistema utiliza um modelo de difusão guiado por estrutura para renderizar o estado da malha 3D na aparência do personagem. Através de uma estratégia de treinamento em duas etapas, a movimentação e a aparência específica são eficazmente vinculadas. Para gerar vídeos temporais de comprimento arbitrário, o modelo de difusão frame-wise 2D U-Net é expandido para uma forma 3D, e um módulo de denoising temporal com sobreposição de lote simples e eficaz é proposto, superando assim a limitação de comprimento do vídeo durante a inferência. Finalmente, um módulo de aprimoramento facial baseado em identidade específica é introduzido para melhorar a qualidade visual da área facial do vídeo de saída. Experimentos demonstram que o sistema é superior às tecnologias existentes em termos de qualidade visual, consistência temporal e fidelidade de identidade.