跳至正文
MakerGain
← 返回项目

一个披萨师,在落地页做好之前签下一万美元的服务合同

编辑:MakerGain

巴黎披萨师Kevin Rousseau在COVID期间自学编程,独自把配音工具VoiceCheap做到官方所称的盈利,又在其上搭建人工把关的本地化服务VoiceStudio:客户交源视频,团队完成转写、翻译、配音、质检与交付,关键节点由客户确认。官方称首份约1万美元服务合同在落地页完成前签下。

Kevin Rousseau 在巴黎做披萨,COVID 期间自学编程,后来独自把 VoiceCheap 做到盈利——这是 VoiceStudio 官方介绍里的说法,盈利的口径和期间没有定义。同一页还写了一件更具体的事:首份服务合同约一万美元,在落地页完成之前就签下了(VoiceStudio 介绍[1])。

一个把自助配音工具定价为每月 $7 起的人,收到了一份五位数项目合同。官方介绍把这笔合同当作需求存在的证据,说 VoiceStudio 就是为承接它而组建的。它的定位是建在 VoiceCheap 自家配音引擎上的服务层,引擎里的人声分离由 LALAL.AI 提供、克隆声由 ElevenLabs 生成:客户交源视频,VoiceStudio 负责从范围确认到交付的整条链路,关键步骤由客户确认。引擎 2024 年 5 月投产;页面称 VoiceCheap 约有 20,000 名注册用户。合同从哪来、获客靠什么,页面没有说。

VoiceCheap 本身做的是另一件事:把一段视频换成另一种语言的配音版本。用户从电脑、YouTube 或社交媒体丢进视频,选目标语言,平台提取音频、分离人声与背景、转写、翻译、用克隆的声音重新配音、对齐原片时间轴,再把背景混回去。口型同步是可选加项。官网称支持 70+ 种语言和“所有格式”(VoiceCheap 产品页[2];管线细节见 LALAL.AI 访谈[3])。

图:来源 产品官网[2],2026-11-11取得,保留原界面。

管线里有一段,机器做完了还得有人点头

LALAL.AI 的这篇博客访谈的是 VoiceCheap 创始人 Kevin Rousseau(LALAL.AI 访谈[3])。

其中一段技术选择后来被他本人拿来当教训讲。此前他用开源 Spleeter 做人声分离,问题很具体:处理慢、质量不稳、复杂音频下频繁出杂音,也没有生产级 API。换成 LALAL.AI 通过 API 接入后端后,集成和测试大约用了一周。Kevin 在访谈里说,处理速度提升 2 倍、质量提升 3 倍、质量投诉降到接近零——这些是受访者自述,访谈没有给出测量口径,不能当作独立测出的结果。

比数字更能说明产品形状的,是 VoiceStudio 那 8 步流程:范围确认、转写、客户确认、翻译、客户确认、配音与字幕、质检、交付。品牌词表在首个项目建立,后续项目复用(VoiceStudio 介绍[1])。

两次“客户确认”夹在转写和翻译之间、翻译和配音之间。两次确认把“译得对不对、这个词能不能这么念”的判断权交回给客户;公开材料没有解释这个设计是怎么来的。自助工具里,这一步由用户自己负责;托管服务里,它变成了流程上的一个节点,有人等你点头才往下走。

这就是 VoiceStudio 真正在卖的东西:主要不是更高的模型质量,而是在模型输出和可发布文件之间,那段需要人负责的路。

定价页把两条线分开

VoiceStudio 的定价页在 FAQ 里写得很清楚:托管服务面向视频目录、系列和重复需求;如果只有一条短视频,自助工具 VoiceCheap 往往更合适,并说会在范围确认时如实告知(VoiceStudio 定价[4])。

这更像是给两条产品线划边界,而不是把生意往外推。两条线交付的东西确实不同:一边是订阅分钟数和自助导出,一边是按源视频分钟报价、含人工质检和可发布文件。沟通和返工的成本没有公开,但分界线写在页面上——不是工具做不到,是发布这件事得有人负责。

VoiceCheap 的订阅从 Beginner 的 $7/月、每月 15 分钟起;口型同步是可选加项,会额外消耗翻译分钟(VoiceCheap 定价[5],截至 2026-11-14 取得)。

VoiceStudio 那边不挂费率卡,按源视频分钟计费,单价取决于目标语言数量和选项,口型同步是主要加价项,制作前给精确报价,无订阅(VoiceStudio 定价[4])。

一个有意义的外部参照是 ElevenLabs:它把全自动的 Dubbing v2 放在 ElevenCreative 里,称覆盖 90+ 种语言;把人工翻译、声音选角和专业混音放在 ElevenProductions,起价每分钟 $2.00(ElevenLabs Dubbing Studio[6]、Productions 发布[7])。但 $2/min 的起价和 VoiceCheap 的订阅分钟不是同一交付范围下的可比价格,硬算会得出误导性的结论。

收入数字要带着它的边界读

TrustMRR 的 VoiceCheap 页面在 2026-11-14 02:28 更新时记录 MRR 为 $3,671、87 个活跃订阅、历史总收入 $138,664,并称收入经 Stripe API key 验证,页面描述写明这个标的包含 VoiceStudio(TrustMRR[8])。

这是标的级数字:VoiceCheap 和 VoiceStudio 的分拆收入、分拆订阅数没有公开,87 个活跃订阅不能当成 VoiceCheap 单独的客户数;MRR 是收入指标,不是利润,模型费、人工复核和返工成本也没有完整披露。

这门生意为什么有人做、有人买

VoiceStudio 的三种合作方式——按项目、转写入门服务、企业 retainer——顺着同一个逻辑排(VoiceStudio 定价[4])。按项目是首次合作最常见的形式;转写入门服务用来先在小范围试一遍工作流;retainer 留给有持续需求的客户。买它的是有视频目录、系列内容或重复本地化需求的企业。交付清单里有团队协作和审批,流程是为多人审阅设计的;交付物是能直接发布的多语言版本和字幕。

这门生意成立的条件,不在于 AI 配音有多便宜,而在于便宜的那部分已经把“能做”变成了默认,“能发布”反而变得更贵。当一个人可以用 $7 跑完 15 分钟,他面对的问题就从“有没有工具”变成“这一版能不能直接上线”。后者需要有人对品牌词表、对两次确认、对质检负责。VoiceCheap 卖前者,VoiceStudio 卖后者,同一套引擎,两种麻烦。

VoiceStudio 的公开介绍里没有融资叙事,也没有“AI 颠覆”的口号。更像一个手艺人发现:自己的工具能跑完大部分路,最后一公里有人愿意付钱,于是把这段路交给服务团队走完。

继续阅读

AI 视频
先研究什么广告有效,再生成自己的:Starpop 把四步塞进一个对话框

Starpop接手效果广告中“看懂有效广告后转成可拍素材”的一段:先研究有效广告,再出策略、脚本与分镜,也可从已批准的分镜进入同一对话生成图片、视频、配音和音乐,最终决定仍由人做。访谈中的Alexander Van Le复盘前一家VC支持的FinTech重条款战略、轻营销与理解客户,转向marketing-first,后自筹做AI Flow Chat与Starpop。经营上,它把研究放在生成前,并让其他agent经MCP调用生成,连接聊天免费、媒体生成按credits计费。

AI 视频
让画面踩上鼓点:neural frames 把“对拍子”做成了生意

neural frames 接手的是给音乐配画面时“对拍子”这一段:从歌曲中拆出鼓、人声等元素,让生成画面踩上节奏。创始人 Nicolai Klemke 最初做通用文本转视频,因用例不清,听取建议收窄到音乐视频。小团队外购模型与 API,把功夫放在拆歌和向模型传参上。

AI 语音
录完播客之后的那摊活,有人按每月3000美元接走

两位创始人把播客录制后的整条后期接走:创作者每周上传素材并审片反馈,团队负责修改、发布与排期,执行交给服务方,判断仍留给创作者。其中一位曾辞职做技术产品,自认“不是一门好生意”后转向这种服务,负责写音频管线;另一位负责让每期按时交付。

AI 语音
源码摆在那儿,装好的卖 \$25:VoiceInk 把听写塞进任意文本框

VoiceInk 是面向 Apple Silicon Mac 的即时听写应用,按快捷键把语音写入文本框,也能显示 AI 回答或执行命令。源码按 GPLv3 公开,预编译版 $25、$39、$49 一次买断并按设备数授权,含更新与支持;云服务需自备 API key。其联盟计划给 30% 佣金却禁止付费流量,价格页与 README 的 macOS 要求也不一致。