MiniMax H3 用户社区求助角色语音一致性工作流

2026年10月17日，据 AGI Hunt 报道，一位 Minimax H3 用户在社区发帖求助，询问如何在视频生成中严格控制角色对话的语音一致性，并寻求一套不臃肿的可行工作流。该用户提出的初步思路是：先用 TTS 生成对话配音，再用“图+音频”生成视频以完成口型同步。他向社区征询更倾向哪种方案——是使用音频参考（直接引用或 .char 文件）让模型自行生成表演，还是采用 TTS 前置的方式。他同时提到，在没有参考的情况下，模型生成的对白往往显得僵硬。报道未提及社区是否已给出回复，也未提及官方回应。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。