Dalam website resmi, Microsoft menjelaskan bahwa perusahaan memperkenalkan VASA, sebuah kerangka kerja untuk menghasilkan wajah berbicara karakter virtual yang nyata dengan keterampilan afektif visual (VAS) yang menarik.

Inovasi tersebut melibatkan satu gambar statis dan klip audio ucapan. "Model perdana kami, VASA-1, tidak hanya mampu menghasilkan gerakan bibir yang disinkronkan secara indah dengan audio, namun juga menangkap spektrum besar nuansa wajah dan gerakan kepala alami yang berkontribusi pada persepsi keaslian dan keaktifan," tulis Microsoft.