参考主体编号和说话人编号回答的是两个问题：前者指哪一个视觉对象，后者指哪一个发声来源。它们不要求数字相同。把第三张图直接当成第三个声音，或者每切一个镜头就重新编号，可能让人物外观正确而台词分给错误角色。
先做角色到声音的对照表
MiniMax H3 的全参考写作指南区分参考主体标签和稳定的说话人标识。这是 H3 的重写约定，不等于网站附件中的 @图1，也不是其他模型都认识的通用语法。给普通用户的要求仍应使用实际界面提供的编号与用途描述。
在写分镜前，为每个人记录视觉参考、故事角色、首次说话内容和预期声音特征。没有台词的人也要记录“只聆听”，因为沉默同样是一种归属约束。场景、道具也可以是参考主体，但不能因此自动拥有人的声音。
例如一个虚构店铺场景：第一份参考是室内，第二份是快递员，第三份是店主；开口顺序却是店主、快递员、店主。视觉定义顺序和发声顺序天然不同，店主在回答时仍应保持原来的声音身份，不能因为进入第三镜就换号。
逐句同时检查视觉与发声归属
| 角色 | 视觉证据 | 发声职责 |
|---|---|---|
| 店主 | 内部 <Subject 3> | (S1)，提问与最后回应 |
| 快递员 | 内部 <Subject 2> | (S2)，只说中间回答 |
| 店铺 | 内部 <Subject 1> | 不分配人物声音 |
尤其检查切镜后的代词。两个人同时入镜时，“他回答”可能指错人；工作稿可先恢复明确角色名，再由支持的 H3 重写流程保持标签一致。完整全参考结构还包括主体定义、摘要、保留分析、详细描述、声场和配乐，不能把一张映射表当成已经完整可提交的请求。
动作和语气放在对白内容之外，避免把“转身、轻声、停顿”等舞台说明读出来。如果稍后出现独立旁白，也应建立其声音身份，而不是借用当时最近的一张脸。用户未要求新角色时，不应为补全编号而额外创造角色。
先验收归属，再讨论好不好听
只读台词顺序，逐句回答“必须由谁说”；再对照画面中人物或画外标记。这个纸面检查可以在生成前抓住矛盾，但不能证明模型最终一定执行。生成后仍应听每句声音、看对应人物嘴部，并确认听话者没有一起跟着说。
在 Imagild 复刻提示词旁保存这张对照表，面向用户的说明使用网站真实附件编号。供应商内部重写是另一种表示方式，必须保留同一归属关系。声音悦耳不等于角色分配正确，正确角色也不等于每次发音都已通过审核。