Если говорим о реальных VTube-рах, то картинка хватается через Live Studio с вебкамеры. С нейростримерами тяжелее: либо реакция на звук (видел такой плагин), либо чтение документации и скриптовое вызывание анимации через апи, полагаю, такое возможно, раз само API есть (ручаться пока не буду).
ChatGPT в роли стримера