如何在视频生成中锁定角色语音？Minimax H3 用户求工作流

一位 Minimax H3 用户向社区提问如何严格控制视频对话的语音一致性，并寻求不臃肿的可行工作流。其初步思路是先用 TTS 生成对话配音，再用图+音频生视频做口型同步。他询问社区更倾向哪种方案：用音频参考（直接引用或 .char 文件）让模型自行生成表演，还是 TTS 前置；无参考时模型生成的对白往往显得僵硬。