Oi ebranco, tudo bem?
Não é uma animação fácil, mas tem muitas formas de fazer.
A mais trabalhosa é animar na mão, criando um Rig de Bones para poder mover a boca, da mesma forma que fez com o resto do corpo, e depois ir verificando as sílabas pronunciadas no texto para mover a boca de acordo.
A outra forma manual é com o Morph, você copia várias cabeças do personagem, modifica para fazer as sílabas e as expressões faciais, depois usa o Morph para passar de uma para outro conforme a sílaba que o personagem estiver falando.
As outras formas dependem de plug-ins, mas são mais automatizadas.
Por exemplo o plug-in JetaReyes, que tem tutorial aqui no site.
Com ele você digita o texto que o personagem tem que falar e o plug-in faz o resto, sem Bones, só com Gizmos.
Tem o plug-in Ventriloquist da Digimation, ele usa o sistema de Morph, você precisa modelar as cabeças com a boca no formato das sílabas, depois, o plug-in reconhece o áudio da fala automaticamente e chama a cabeça certa para cada sílaba.
Para colocar um áudio e usar como referência na animação, você deve adicionar o arquivo WAV no Curve Editor, lá tem uma trilha justamente para receber áudio de referência.
Abraços