跳至正文
MakerGain
← 返回案例列表

一個披薩師,在落地頁做好之前簽下一萬美元的服務合約

編輯:MakerGain發布:文章更新:

巴黎披薩師 Kevin Rousseau 在 COVID 期間自學程式設計,獨自把配音工具 VoiceCheap 做到官方所稱的盈利,又在其上搭建人工把關的本地化服務 VoiceStudio:客戶交來源影片,團隊完成轉寫、翻譯、配音、質檢與交付,關鍵節點由客戶確認。官方稱首份約NT$328,650.00(1萬美元)的服務合約在落地頁完成前簽下。

Kevin Rousseau 在巴黎做披薩,COVID 期間自學程式設計,後來獨自把 VoiceCheap 做到盈利——這是 VoiceStudio 官方介紹裡的說法,盈利的口徑和期間沒有定義。同一頁還寫了一件更具體的事:首份服務合約約一萬美元,在落地頁完成之前就簽下了(VoiceStudio 介紹[1])。

一個把自助配音工具定價為每月 約 NT$230.06($7) 起的人,收到了一份五位數專案合約。官方介紹把這筆合約當作需求存在的證據,說 VoiceStudio 就是為承接它而組建的。它的定位是建在 VoiceCheap 自家配音引擎上的服務層,引擎裡的人聲分離由 LALAL.AI 提供、克隆聲由 ElevenLabs 生成:客戶交來源影片,VoiceStudio 負責從範圍確認到交付的整條鏈路,關鍵步驟由客戶確認。引擎 2024 年 5 月投產;頁面稱 VoiceCheap 約有 20,000 名註冊使用者。合約從哪來、獲客靠什麼,頁面沒有說。

VoiceCheap 本身做的是另一件事:把一段影片換成另一種語言的配音版本。使用者從電腦、YouTube 或社群媒體丟進影片,選目標語言,平台提取音訊、分離人聲與背景、轉寫、翻譯、用克隆的聲音重新配音、對齊原片時間軸,再把背景混回去。口型同步是可選加項。官網稱支援 70+ 種語言和「所有格式」(VoiceCheap 產品頁[2];管線細節見 LALAL.AI 訪談[3])。

圖:來源 產品官網[2],2026-11-11取得,保留原介面。

管線裡有一段,機器做完了還得有人點頭

LALAL.AI 的這篇部落格訪談的是 VoiceCheap 創辦人 Kevin Rousseau(LALAL.AI 訪談[3])。

其中一段技術選擇後來被他本人拿來當教訓講。此前他用開源 Spleeter 做人聲分離,問題很具體:處理慢、品質不穩、複雜音訊下頻繁出雜音,也沒有生產級 API。換成 LALAL.AI 透過 API 接入後端後,整合和測試大約用了一週。Kevin 在訪談裡說,處理速度提升 2 倍、品質提升 3 倍、品質投訴降到接近零——這些是受訪者自述,訪談沒有給出測量口徑,不能當作獨立測出的結果。

比數字更能說明產品形狀的,是 VoiceStudio 那 8 步流程:範圍確認、轉寫、客戶確認、翻譯、客戶確認、配音與字幕、質檢、交付。品牌詞表在首個專案建立,後續專案重複使用(VoiceStudio 介紹[1])。

兩次「客戶確認」夾在轉寫和翻譯之間、翻譯和配音之間。兩次確認把「譯得對不對、這個詞能不能這麼念」的判斷權交回給客戶;公開材料沒有解釋這個設計是怎麼來的。自助工具裡,這一步由使用者自己負責;託管服務裡,它變成了流程上的一個節點,有人等你點頭才往下走。

這就是 VoiceStudio 真正在賣的東西:主要不是更高的模型品質,而是在模型輸出和可發布檔案之間,那段需要人負責的路。

定價頁把兩條線分開

VoiceStudio 的定價頁在 FAQ 裡寫得很清楚:託管服務面向影片目錄、系列和重複需求;如果只有一條短影片,自助工具 VoiceCheap 往往更合適,並說會在範圍確認時如實告知(VoiceStudio 定價[4])。

這更像是給兩條產品線劃邊界,而不是把生意往外推。兩條線交付的東西確實不同:一邊是訂閱分鐘數和自助匯出,一邊是按來源影片分鐘報價、含人工質檢和可發布檔案。溝通和返工的成本沒有公開,但分界線寫在頁面上——不是工具做不到,是發布這件事得有人負責。

VoiceCheap 的訂閱從 Beginner 的 約 NT$230.06($7)/月、每月 15 分鐘起;口型同步是可選加項,會額外消耗翻譯分鐘(VoiceCheap 定價[5],截至 2026-11-14 取得)。

VoiceStudio 那邊不掛費率卡,按來源影片分鐘計費,單價取決於目標語言數量和選項,口型同步是主要加價項,製作前給精確報價,無訂閱(VoiceStudio 定價[4])。

一個有意義的外部參照是 ElevenLabs:它把全自動的 Dubbing v2 放在 ElevenCreative 裡,稱覆蓋 90+ 種語言;把人工翻譯、聲音選角和專業混音放在 ElevenProductions,起價每分鐘 約 NT$65.73($2.00)(ElevenLabs Dubbing Studio[6]、Productions 發布[7])。但 約 NT$65.73($2)/min 的起價和 VoiceCheap 的訂閱分鐘不是同一交付範圍下的可比價格,硬算會得出誤導性的結論。

收入數字要帶著它的邊界讀

TrustMRR 的 VoiceCheap 頁面在 2026-11-14 02:28 更新時記錄 MRR 為 約 NT$120,647.42($3,671)、87 個活躍訂閱、歷史總收入 約 NT$4,557,192.36($138,664),並稱收入經 Stripe API key 驗證,頁面描述寫明這個標的包含 VoiceStudio(TrustMRR[8])。

這是標的級數字:VoiceCheap 和 VoiceStudio 的分拆收入、分拆訂閱數沒有公開,87 個活躍訂閱不能當成 VoiceCheap 單獨的客戶數;MRR 是收入指標,不是利潤,模型費、人工複核和返工成本也沒有完整披露。

這門生意為什麼有人做、有人買

VoiceStudio 的三種合作方式——按專案、轉寫入門服務、企業 retainer——順著同一個邏輯排(VoiceStudio 定價[4])。按專案是首次合作最常見的形式;轉寫入門服務用來先在小範圍試一遍工作流;retainer 留給有持續需求的客戶。買它的是有影片目錄、系列內容或重複本地化需求的企業。交付清單裡有團隊協作和審批,流程是為多人審閱設計的;交付物是能直接發布的多語言版本和字幕。

這門生意成立的條件,不在於 AI 配音有多便宜,而在於便宜的那部分已經把「能做」變成了預設,「能發布」反而變得更貴。當一個人可以用 約 NT$230.06($7) 跑完 15 分鐘,他面對的問題就從「有沒有工具」變成「這一版能不能直接上線」。後者需要有人對品牌詞表、對兩次確認、對質檢負責。VoiceCheap 賣前者,VoiceStudio 賣後者,同一套引擎,兩種麻煩。

VoiceStudio 的公開介紹裡沒有融資敘事,也沒有「AI 顛覆」的口號。更像一個手藝人發現:自己的工具能跑完大部分路,最後一公里有人願意付錢,於是把這段路交給服務團隊走完。

繼續閱讀

AI 語音
MacWhisper 把錄音變成文字,然後把「認人」留給你

Podfeet 的 Allison 用 MacWhisper 做訪談字幕與文字稿:填入 12.6 秒偏移、匯出 SRT,再逐句標註說話人並合併段落。自動辨識能分出聲音,卻不能替她判斷身分;她用 ChatGPT 輔助分段,也撞上 API key 與 Plus 訂閱混淆。開發者 Jordi Bruin 則因授權轉賣收緊條款。

AI 語音
原始碼擺在那裡,裝好的賣 $25:VoiceInk 把聽寫塞進任意文字框

VoiceInk 是面向 Apple Silicon Mac 的即時聽寫應用,按快速鍵把語音寫入文字框,也能顯示 AI 回答或執行命令。原始碼按 GPLv3 公開,預編譯版 約 NT$821.63($25)、約 NT$1,281.74($39)、約 NT$1,610.39($49) 一次買斷並按裝置數授權,含更新與支援;雲端服務需自備 API key。其聯盟計畫給 30% 佣金卻禁止付費流量,價格頁與 README 的 macOS 要求也不一致。

AI 影片AI 語音
影片留在本機,只把音軌送出去:AutoSubtitles 的 $3,254 MRR

AutoSubtitles 把影片轉字幕收進網頁:免註冊,頁面自述影片檔案留本機、只送音軌轉寫後刪除;TrustMRR 顯示累計收入 約 NT$695,719.19(21,169 美元)、MRR 約 NT$106,942.71(3,254 美元)、414 個活躍訂閱,收入經 Stripe 驗證。頁面列 Free、Pro 約 NT$295.79(9 美元)/月、Max 約 NT$492.98(15 美元)/月,但未說明付費週期與各檔限制。

AI 自動投稿AI 寫稿AI 圖片AI 影片
別從空白頁開始:CaptureFlow 接住你說的話,簽字仍歸你

CaptureFlow 把語音、連結、影片或檔案裡的表達接住,交給 Content Agent 起草,使用者改完並明確批准後才發到 LinkedIn,責任仍歸本人。Chris Koronowski 在波蘭波茲南營運公司,分 Pro、Business、Agency 三檔收費,後兩檔按席位;案例稱 InStream 有 100 個付費席位,TrustMRR 另顯示 8 份訂閱,兩者不能併成客戶數。