Soul-Bench 是由腾讯优图实验室于 2025 年发布的一个面向音频驱动人体动画任务的评测基准，相关论文成果为 Soul: Breathe Life into Digital Human for High-fidelity Long-term Multimodal Animation，旨在系统评估相关方法在真实应用场景下的生成质量、一致性与泛化能力。 该数据集共包含 226 条视频测试样本，在多个维度上具有较为丰富的分布，具体如下：

• 主体类型分布

• 上半身场景：107 条
• 全身场景：72 条
• 人像、动画角色及动物：47 条

• 音频类型分布

• 对话类音频：177 条
• 演唱类音频：49 条

• 视频分辨率分布

• 1080P：118 条
• 720P：55 条
• 4K：51 条
• 480P：2 条

• 画面比例分布

• 1 < r ≤ 2：170 条
• r = 1（正方形）：44 条
• 0.5 ≤ r < 1（纵向）：12 条

• 视频时长分布

• 27–30 秒区间：70 条