不知道吧里有没有大佬尝试过多角色对话（2个）音色参考，我这几天鼓捣这个，用两个角色图1图2分别参考音频1音频2，提示词是用gpt5.6装了官方skill写的，结果怎么写，图1只要先说话必定会参考音频2的声线，然后图2就会参考音频1，而且还有个问题，如果连续两段对话都是图2说的，就会第一句先参考音频1，第二句参考音频2，到底是什么问题，折腾好几天了都是这样。想做个正片完全做不了。