Os blend shapes em modelos 3D para VTubing criam expressões faciais suaves e personalizáveis, bem como movimentos subtis que tornam os avatares realistas e envolventes durante as transmissões. Eles permitem que os VTubers façam uma transição natural entre emoções (por exemplo, sorrir, franzir a testa, levantar uma sobrancelha) misturando as formas base e alvo, alinhando as reações do avatar com a sua voz ou ações, como sincronizar os lábios com a fala ou adicionar piscadelas para maior realismo. Esta responsividade humana ajuda os espectadores a conectarem-se mais profundamente com o avatar. Para aumentar a expressividade, os VTubers podem mapear blend shapes comuns (sorriso, piscar, levantar a sobrancelha) para entradas de rastreamento ao vivo (voz ou captura facial) para um controlo intuitivo das emoções do avatar.

