仅需十分钟视频数据，即可通过AI算法生成与真人无异的虚拟形象。训练完成后，可支持文本或者音频来驱动虚拟形象。视频中的声音，嘴型和表情保持一致，实现真人一致的信息传播效果。提供多维度口语反馈的情景对话系统，增强用户学习体验，有效提高学生口语学习能力。不限内容、性别、语种，可将说话人的音色转换为任意目标音色。可应用于影视配音，名人声音克隆，个性化语音合成系统等。