无需知识蒸馏：通过非因果噪声整形实现单次前向传播的实时说话头像

FaceGAN 通过非因果噪声整形，让音频驱动的面部动画在每帧单次前向传播中生成表情与头部姿态，无需扩散模型的多步网络评估。论文论证音频条件面部运动位于低维流形，单次前向 GAN 即可胜任；因驱动噪声为合成信号，其未来可即时采样，音频到表情路径保持因果，支持完全因果运行。FaceGAN 在生成质量上匹配或超越现有方法，且为前馈结构、注意力窗口有界，可无限生成而不漂移。