微软亚洲研究院最近推出了一个名为VASA-1的创新工具，VASA-1能够将单张静态图片与音频文件结合，生成具有动态面部表情和头部动作的视频，让图片中的人物仿佛“活”了起来，能够说话甚至唱歌。