通过文字输入，输出视频+语音虚拟形象输出。可以尝试尝试。
样例
https://speech.microsoft.com/portal/talkingavatar
训练声音
https://speech.microsoft.com/portal/customvoice/overview
精简版训练
https://learn.microsoft.com/zh-cn/azure/ai-services/speech-service/custom-neural-voice-lite
申请授权
https://speech.microsoft.com/portal/customvoice/accessrequirement
通过 git 的方式，很难下载到 huggingface。于是就网上找方法，还真找到了方法。
https://zhuanlan.zhihu.com/p/663712983
上边链接总结了多种方法。这里，只选他说的最好用的方法，使用 huggingface-cli。不做选择其他选择。这里是尝试快速下载过模型。
以下载 https://huggingface.co/mlc-ai/mlc-chat-Llama-2-7b-chat-hf-q4f16_1/tree/main 模型为例。
打开终端
# 安装 huggingface-cli
pip install -U huggingface_hub
# 使用
# --resume-download 要下载的模型名
# --local-dir 下载保存的位置
huggingface-cli download --resume-download mlc-ai/mlc-chat-Llama-2-7b-chat-hf-q4f16_1 --local-dir mlc好了，仅仅这样就好了。下载速度还是很快的，也有进度条。
win 的终端终究没 mac 的 iterm2 好用。不过 win 的进步速度比 mac 快多了。感觉 mac 几乎在吃老本。在多显示器的快捷键操作上，win 的体验却要比 mac 好。仅有一点 win 比 mac 差，就是多显示器中，某个显示器内的窗口切换。 win 会将所有的显示器都切换了，mac 会针对选择的显示器进行切换。
hf_transfer 依附并兼容 huggingface-cli，是 hugging face 官方专门为提高下载速度基于 Rust 开发的一个模块
安装： pip install -U hf-transfer
开启（linux/mac）： export HF_HUB_ENABLE_HF_TRANSFER = 1
开启（win）: $env:HF_HUB_ENABLE_HF_TRANSFER = 1
使用： huggingface-cli download --resume-download mlc-ai/mlc-chat-Llama-2-7b-chat-hf-q4f16_1 --local-dir mlc