文本引导的情感和动作控制，生成生动的2D头像，InstructAvatar官网入口网址

无需对齐信息的零样本文本到语音转换模型

Zonos TTS 是一款支持多语言、情感控制和零样本文本到语音克隆的高质量 AI 文本转语音技术。

Step-Audio是一个开源智能语音交互框架，支持多语言对话、情感语调和语音克隆等功能。