H3 Max 可以根据同一个创意请求生成视听内容。不要只把声音写成泛泛的附加项，而应说明对白、环境声、动作拟音和音乐提示分别对应画面的哪个时刻。
| 声音层 | 写什么 | 示例 |
|---|---|---|
| 对白 | 说话者与准确短句 | 她说：“我们在日出前出发。” |
| 环境声 | 持续的空间声音 | 安静车站室内声与远处雨声 |
| 动作拟音 | 与可见动作同步的声音 | 衣物摩擦、杯子放上木桌、自行车链条 |
| 音乐提示 | 只在需要时写情绪与时机 | 揭示产品时出现一次克制低音 |
较弱：
电影音乐和音效。更具体：
玻璃瓶接触火山岩时，出现一次清脆玻璃声和短促低音脉冲；其余时间只保留安静影棚环境声，不要持续音乐。第二种写法说明了声音来源、时间和优先级。
[说话者与景别]说：“[准确短句]。”对白期间保持镜头克制并让面部始终清晰。音效：自然近距离人声、[室内环境]与[一种相关背景声]；不要音乐。短对白更容易自然放进短视频。同步生成可以改善画面与声音一致性，但不代表每次都能保证完美发音、口型、口音或语音表现。