La synthèse de mouvement à partir de texte est une tâche cruciale en vision par ordinateur. Les méthodes existantes présentent des limitations en termes d’universalité, car elles sont conçues pour des scénarios à une seule personne ou à deux personnes, et ne peuvent pas être appliquées à la génération de mouvements impliquant un plus grand nombre d’individus. Afin d’atteindre une synthèse de mouvement indépendante du nombre de personnes, cet article repense la génération de mouvement et propose de unifier la génération de mouvements à une personne et à plusieurs personnes grâce à une distribution conditionnelle du mouvement. En outre, un module de génération et un module d’interaction sont conçus dans le cadre de notre architecture FreeMotion afin de décomposer le processus de génération conditionnelle du mouvement, permettant ainsi une synthèse de mouvement indépendante du nombre de personnes. Par ailleurs, en s’appuyant sur cette architecture, la méthode actuelle de contrôle spatial du mouvement à une personne peut être intégrée de manière transparente, permettant un contrôle précis du mouvement à plusieurs personnes. Des expériences étendues démontrent les performances supérieures de notre méthode ainsi que sa capacité à inférer simultanément les mouvements d’une ou de plusieurs personnes.