H3 语音被吐槽僵硬如 Microsoft Sam,LTX 2.3 语音表现碾压
sporkyuncle · reddit · 2026-09-04
作者吐槽 H3 视频模型的语音生成:在 ComfyUI 用标准模板、Sage Attention、20 步生成,reference 模式下语音僵硬呆板,像 Microsoft Sam,无论加多少修饰词描述语气,尤其男声总是千篇一律的平淡。
对比之下 LTX 2.3 的语音能力出色:能自己判断合适语气并发挥,每次生成还会换不同声音(利于多样性但不利于复现)。作者多次用 LTX 2.3 生成语音再剪回 H3 视频使用,并求改善 H3 语音或换声工具的建议。
「多模态」频道最新
- 希区柯克为 45 秒浴室戏拍 7 天,AI 创作者却败给几次重试 — taherdhanera · 2026-09-04
- Seedance 2.5 玩梗提示词续篇:再晒两组名场面 prompt — techhalla · 2026-09-04
- 两人用 CapCut Director Mode 做出 21 分钟 AI 剧情片《Altered State》 — gen_ericai · 2026-09-04
- Seedance 2.5 玩梗视频走红,作者公开截图内提示词 — techhalla · 2026-09-04
- Seedance 2.5「禁招」Danza Kuduro 派对视频实测，附 4 条 prompt — techhalla · 2026-09-04
- diffusers-workflow：用 JSON 描述管线替代节点图，可直接让 agent 写配置 — dkackman11 · 2026-09-04