比如人物说话用语音A，旁白用语音B。
这样感觉效果就很好了，像小说一样。
同一个回复中，既能描述动作，又能说话。
同一个语音既描述动作，又语音对话，就很出戏。
所以如果没有这个功能，多数情况还是只转对话比较入戏。