Seed-TTS 是由字节跳动开发的一系列高质量、多功能的文本到语音（TTS）模型，旨在生成与人类语音极为相似的语音。

SyncAnimation是由南方科技大学等机构推出的一种实时端到端的音频驱动框架，用于生成与音频同步的人体姿态和说话头像动画。