让TTS角色开口说话时，表情和动作同步动起来
Bert-VITS2-ext 是一个基于 Bert-VITS2 的扩展项目，专注于为语音合成（TTS）添加表情和动画生成能力。它解决的是传统 TTS 仅输出音频、缺乏视觉表现力的问题，通过将语音与面部表情、身体动作同步，使虚拟角色或数字人能够更自然地说话。项目核心能力包括：利用 Bert-VITS2 进行高质量语音合成，结合 ARKit 和 audio2photoreal 等技术驱动面部表情，并支持 text-to-motion 生成肢体动作，从而输出完整的音视频内容。它集成了 GPT-SoVITS 和 MetaHuman 等工具链，为开发者提供了一套从文本到语音、表情、动作的完整测试框架，适合用于虚拟主播、游戏 NPC 或交互式数字人的原型验证。
SadTalker、Wav2Lip、GeneFace
Bert-VITS2-ext 是数字人3D领域的开源项目，由 see2023 开发，2023 年首次发布。
它收录于数字人3D分类，该分类目前共有 272 个项目，GitHub 星标数为 539。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-16。基于Bert-VITS2的测试工具，无在线服务，需自行部署，完全免费。
它主要面向的使用场景是：虚拟主播或数字人直播时的实时表情与口型同步。同类可对比的替代方案包括 SadTalker、Wav2Lip、GeneFace。
上一篇：VideoChat
A3D
开源
在 three.js 里直接调用 AI 生成纹理和素材，边建模边生成
3D x AI hybrid editor, built with three.js
cube
开源
用一句话生成 3D 模型，在 Roblox 里快速落地 AI 创作
Roblox Foundation Model for 3D Intelligence
AG3D
开源
用2D图片直接生成3D虚拟人，告别昂贵扫描
Official code release for ICCV2023 paper AG3D: Learning to Generate 3D Avatars from ···
GameFactory-3A
开源
一条命令生成 3A 游戏资产，从模型到视频全自动
A comprehensive open-source 3A game-generation skill and asset framework.
