🎙️我头一回给 H3 写音轨，把收音机的歌写进配乐字段。
成片一放，画面没声，配乐也没影。
结论先说：音轨就三个核心字段，各管一摊。写错字段，等于没写。

🎵三个字段的分工
**integrated_multimodal_description** 管画面、台词，还有角色能听见的音乐。
**overall_soundscape** 管环境音、物理动作音、非语言人声，雨声、脚步、咳嗽都在这。
**non_diegetic_music** 管画外配乐，观众听得见，角色听不见。

🎧两种音乐一条线分清
收音机、手机、现场演唱，角色听得见，这叫 diegetic，写进 multimodal description，不算 BGM。
真正的 BGM 才进 non_diegetic_music 字段。
环境音动作音进 soundscape，不重复对白、唱歌、剧情音乐。
分线在第 2 张卡。

💣静音坑在 N/A 官方说没配乐就写 N/A。
我照写，整条音轨静音，实测 -68dB，连音效一起没。
白话：这格填错，整条声轨哑掉。
稳妥写法是一句英文：No non-diegetic music plays at all; the audio track contains only the diegetic sound effects and ambience.
意思是只有画面内音效，没配乐。
整句抄第 3 张卡。
配乐写乐器、速度、节奏、动态，不写"悲伤的音乐"这种抽象情绪词。

🗣️台词和说话人三条
台词进 [Language] 原文，逐字照抄，不翻译。
说话人 (S1)(S2) 全片一个编号，不换号。
画外音用 says in an off-screen voiceover，紧跟 while his lips remain completely closed，嘴不动才算画外。

🎯我的口径
我固定成默认无 BGM，音效逐动作写。
分工在第 1 张卡，台词规则在第 4 张卡。
按这套填，音轨基本不用返工。

#AI工具 #minimaxh3 #AI视频 #AI音频 #文生视频 #图生视频 #8GB显卡实测 #WeeklyPick