Soul App的技术论文《基于自回归动作生成的实时流式音频驱动人像动画系统》在CVPR 2025会议上被接收，展示了在实时音频驱动人像动画方面的创新，提出了提高视频生成效率和自然度的方法，标志着Soul在多模态AI能力上的进展。

复旦大学研究生开发的StableAnimator框架利用扩散模型生成高质量人像动画视频，确保身份一致性。该技术在影视、游戏和自媒体等领域具有潜力，解决了复杂动作下面部失真和视频质量下降的问题。通过创新的面部编码器和HJB优化，StableAnimator在身份一致性和视频保真度方面表现出色。