Les formes de mélange dans les modèles 3D pour le VTubing créent des expressions faciales douces et personnalisables ainsi que des mouvements subtils qui rendent les avatars réalistes et engageants pendant les streams. Elles permettent aux VTubers de passer naturellement d'une émotion à l'autre (par exemple, sourire, froncer les sourcils, lever un sourcil) en mélangeant les formes de base et cibles, alignant les réactions de l'avatar avec leur voix ou leurs actions, comme synchroniser les lèvres avec la parole ou ajouter des clignements des yeux pour plus de réalisme. Cette réactivité humaine aide les spectateurs à se connecter plus profondément avec l'avatar. Pour améliorer l'expressivité, les VTubers peuvent mapper les formes de mélange courantes (sourire, clignement des yeux, levée des sourcils) sur des entrées de suivi en direct (voix ou capture du visage) pour un contrôle intuitif des émotions de l'avatar.

