AI女友正从文字聊天升级为视频通话，角色能注视用户、用自身声音回应并做出表情动作。该技术由三部分协同实现：大语言模型生成对话，文本转语音合成声音，视频则通过实时拼接预制动作片段完成，而非逐帧生成。数据显示多数会话很短，中位约4条消息、两分半钟，但用户会主动要求角色在视频中做动作。选择此类应用时，应留意其是否坦诚说明视频为动作拼接而非实时生成。