■ 概要 Bert-VITS2-ext は、TTS（音声合成）と**顔表情データの同期生成**を実現するアーキテクチャ拡張。原モデルの潜在変数 z をサイドチャネル（LSTM+MLP）で顔表情値（Live Link Face）にマッピングし、従来は音声だけだった出力をアニメーション駆動対応にします。 ■ 特徴・用途 - **2025年8月改善**で入力 1D→2D 化＋Conv2D 採用により計算効率化、Transformer 削除で推論軽量化 - 訓練時に音声＋表情を対応採集する仕組みがあり、Live Link Face 経由で自動化可能 - TTS エンジン（Bert-VITS2・CosyVoice・GPT-SoVITS）を跨いで拡張、Avatar や MetaHuman 連携が可能 ■ 結論 音声キャラクタアニメーション化の有用な基盤ですが、言語・モデル間での品質差やオフセット調整手作業が必要な点、GPT-SoVITS 統合での精度低下は導入時の検討項目。