只参考音色，怎样避免把音频里的旧台词也带进视频？

先明确音频允许贡献什么：直接复用这段录音、重新表演其中原句，还是只借鉴语速与音色特征。这三种任务不能只用“参考这个声音”概括。若目标是用平静语气说新句子，附件中的旧台词就不应自动进入新视频。

给音频分配明确职责

H3 官方全参考指南区分直接复用与只参考音色、节奏、情绪或表达方式。这是该模型的提示词原则，不能因此宣称某个网站支持声音克隆，更不保证提供任何音频都能忠实复现真人身份。

先确认素材与预定用途得到授权，再用普通语言标明职责：保留完整批准声轨、复演批准原句，或者只借鉴特定表达特征并说新台词。若一个附件包含多层声音，需写清哪一层、哪一段适用，不能把整份文件都叫作“音色”。

设想参考音频说“包裹昨天到了”，目标却是“工作坊九点开始”。新要求可以保留克制的节奏与清晰咬字，但旧包裹句子不应进入目标对白。除非确实两句都要说，否则不要把它们同时放进待朗读内容中。

记录哪些内容可以继承

这张表也能发现背景声误带入。咖啡馆录音里的音乐和杯碟声，并不自动属于新的室外场景。若真正任务是复用完整信号，就要接受或另行处理混在其中的声音；仅在提示词里给各层起名字，并不能保证完美分离混音。

先核对说了什么，再核对像不像

不播放样本，先单独读目标台词，数清应有几句。再检查工作稿是否意外保留样本中容易记住的词组。拿到结果后从头到尾听，尤其检查开头多出的词、样本旧句重现和批准结束之后偷偷附加的内容。

可准备一张验收表，分别记录目标文字、实际听到文字、发声者与继承内容。不清楚的语音应人工复听，不要仅凭自动转写就判定通过。若词句错了，应先修正内容继承职责，再讨论细微音色相似度。本指南未执行生成实验，也没有给出声音匹配评分。

在 Imagild 视频提示词中，把音频用途写在实际支持的参考标签旁。内部 H3 音频标签不应被说成网站用户界面必然支持的语法。保存批准台词作为对照；即使声音听起来很像，只要复制了未请求或未获授权的旧对白，也不能作为合格成片。