我想制作一个学习口语的网站，大概想法是两种模式，一种是和AI仿真人聊天，另一种是AI画出一个场景，然后根据场景聊天。
我是古法四年+AI两年的程序员，工作中有做过AI项目。
我就想让推荐好用的文字转语音的API平台；同时虚拟人对话这个效果如何实现比较好？由AI生成不同情绪的说话，思考和静止的人物动画，然后打上标签按照内容的状态播放？但是我觉得这样比较僵硬
