Momentan schliesst er den Mund ja kaum, so dass es danach aussieht, als ob da nur eine schwarze Wurst herumwabert.
Damit es realistisch wirkt, versuche doch mal, ihn wirkliche Laute formen zu lassen.
Bastle ihn mal, wie er ein A, ein E, ein U, ein S und ein P spricht.
Wenn es Dir gelingt, die Bilder so darzustellen, dass wir erkennen können um welchen Laut es sich handelt, dann hast Du es eine nahezu perfekte Animation.