Een paar dagen geleden kwam ik een video tegen genaamd "Mirror Dream Fate", met zowel geluid als beeld. De consistentie tussen geluid en beeld is erg goed. Tegenwoordig is het genereren van video's met beelden al vrij volwassen, maar het combineren van geluid en beeld, en het nauwkeurig afstemmen van mondbewegingen, gezichtsuitdrukkingen en spraak is nog steeds niet eenvoudig. Later ontdekte ik dat deze video volledig is gegenereerd door het Baidu Steam Engine videomodel, dat zeer goed ondersteuning biedt voor het genereren van geluid, vooral voor Chinese spraak.