我希望输入一段已经完成的语音，在尽可能保留原始内容、发音、语速、重音、停顿、气口、语调和情感的前提下，只改变说话人的音色和声纹。 
有点像 elevenlab的一个演示 (https://www.youtube.com/watch?v=xU72OLqGdRo) 保持音调之类的, 音色换成另一个人的. 
尝试了几个方法, 都不太行 
- Applio/RVC：训练和推理流程已跑通，但音色变化不明显；继续增加训练轮数也没有实质改善。 
- Vevo2 FM-only：短句有少量变化，长句稳定性不足。 
- OpenVoice V2：能保留部分源音频时序，但目标音色相似度不足。 
- IndexTTS 2.5：可以参考目标音色和风格重新生成，但不能严格保留源音频的原始韵律。 
- Qwen3-TTS、VoxCPM2：能够根据参考音频生成目标音色，但不能稳定保留源音频原有的语调、停顿和节奏。 
有...