MiniMax H3 参考音色对话质量差,Reddit 用户求助与低清选种 workaround

sitefall · reddit · 2026-11-22

Reddit 用户求助:用 MiniMax H3 的参考音色(voice reference)生成对话时,无论是否用 turbo LoRA、Int8convrot 量化,音频总有杂音/clippy 感;延展片段时即使跟随参考音色,音色也容易「跑偏」,除非延展起点 latent 本身就是该角色在说话。

作者目前的 workaround:先跑低分辨率 seed 直到得到满意的音色,再用它作为该片段的权威音频重新高清跑一遍——但反复选 seed 很繁琐。Chatterbox 等替代品可用,但无法处理带背景噪音的自然 UGC 风格素材。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →