LongCat-Video-Avatar 1.5 是一款面向人像视频生成的应用。用户上传参考图像、驱动音频并补充简短文字提示，可生成约5秒、与音频口型同步的视频，适合快速制作有声人像片段。

JoyPix.ai 专注AI数字人，自研顶级Motion-2音频驱动图片模型，免费头像生成与语音克隆， 一站式虚拟形象生成。支持AI视频生成，集成全球顶级视频模型集成与40+视频生成模版。

Hallo 是一个由复旦大学（Fudan University）开发的开源项目，专注于音频驱动的视觉合成技术，特别是用于人像动画生成。

MuseTalk 是一个实时高质量音频驱动唇形同步模型，旨在解决高分辨率、身份一致性和准确唇形同步的面部视觉配音挑战，尤其适用于实时应用如直播视频 。

EchoMimic 是蚂蚁集团开发的一款基于音频驱动的肖像动画生成工具，旨在通过音频和面部标志点生成逼真的动态视频。

MultiTalk 是一个音频驱动的多人物对话视频生成系统，支持多人对话、互动控制、卡通角色生成、唱歌等。

DreamTalk是一个基于扩散模型的音频驱动表达性头部生成框架，核心功能是将静态人物照片转化为逼真、富有表现力的说话视频。

AniPortrait 是腾讯游戏智迹团队开发的一款创新的音频驱动肖像动画生成框架，能够通过音频和参考肖像图像生成高质量的动态视频。