شرکت مایکروسافت از یک مدل هوش مصنوعی به نام VASA-1 رونمایی کرده که بر مبنای عکسی از یک فرد ویژگی‌‌هایی از جمله حرکات سر، پلک زدن و تکان خوردن لب‌ها حین صحبت را شبیه‌سازی کرده و با افزودن صدا به آن، ویدیو تولید می‌کند.