大規模言語モデルの発展を背景に，マルチモーダルな対話システムへの関心が高まっている．しかし，対話テキストの自動生成に対応して表情や動作を生成または，付与する必要があるがまだまだ不自然な部分が多い．
本研究では，対話テキストから感情情報を抽出し，その感情情報をもとに表情と動作の付与を行う．
評価実験では，表情制御で作成した3 種類のモデルに関して性能を評価した．動作制御は，3D モデルを用いて評価実験用映像データを作成し，2 つの質問に対して5 段階と自由記述についてのアンケートを行い，表情と動作を合わせたものについての評価も行った．