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。
所属事件:H3 语音生成被吐槽僵硬，LTX 2.3 表现碾压(2 条相关)→
「多模态」频道最新
- 这张绝美星云照是 AI 处理的:Argon 从 JWST 原始数据生成 W51A — fofrAI · 2026-10-21
- Cornell 新作「Purify Before You Align」:先滤掉可预测信息,diffusion 对齐更有效 — volokuleshov · 2026-10-21
- Mistral 发布 Voxtral 3：支持 50+ 语言的实时语音 agent 全栈 — The Decoder · 2026-10-21
- 虚拟网红 JataJett 完整人设表曝光:从三视图到动作模式一站打包 — CurieuxExplorer · 2026-10-21
- 全 AI 流水线打造「巴黎半价城市游」讽刺短片 — DavidmComfort · 2026-10-21
- AI Agent 剧集《The Sage》更到第 8 集:全片用 Invideo Agent 制作 — Kavanthekid · 2026-10-21