AI音频出海:从C端订阅转向B端API与Voice
我们盘点了45个AI音频出海产品,发现年化5亿美元的那家,卖的不是音乐
直接拆解了AI音频赛道的具体变现路径与定价差异,对比了C端订阅与B端API/席位的收入结构,对做AI工具出海的读者有直接的定价与GTM参考。
把 45 款 AI 音频出海产品放在一起看,分水岭已从「能生成」挪到「生成完还能用」:ACE Studio 月收入突破 200 万美元,ElevenLabs 年化收入突破 5 亿美元,靠的却是企业调用语音接口。本文给出完整清单与六条已落定的变化。
过去一年,AI 从文本、视频方面的生成融入到了产品的构建中。同一个需求被重新拆开,做成一次对话、一段声音、一张图,不少产品的收入方式也在这一年里被换了一遍。
其中的变化值得从业者们关注,但信息散在榜单、融资稿和后台数据里,很少有人把它们系统性整理。正值国庆假期,扬帆出海编辑部特别推出「AI+万物」产品盘点系列,按赛道逐个拆解过去一年在海外真正跑起来的产品:谁在背后深耕,什么时候上线,下载和收入到了什么量级,玩法差在哪里。
这一篇,是系列里的 AI 音频。
我们把搜集到的45款产品放在一起看,会发现,这个赛道的变化已经不只是模型能力的单纯竞争。2026年3月,ACE Studio月收入突破200万美元,做的是音乐人的工作台;两个月后,ElevenLabs年化收入突破5亿美元,靠的是企业调用它的语音接口。
本文看点
- 45 款产品的完整清单:只收录出海产品,逐个拆解团队、数据、功能
- 6 条已经落定的变化:从“生成一段声音”,到“可编辑、分发和商业化”
- 一个容易被漏掉的中国团队:不到20人的公司,把AI配音卖给了德国电视台和南印度片方
全文约 6200 字 46 款产品 数据来自 Sensor Tower、Appfigures、点点数据、AI产品榜(AICPB)、Artificial Analysis、SeekTool.ai、data.ai、扬帆出海、证券时报、火星财经等公开报道
这一年,发生了六个细分变化
1. 单纯的音乐生成,“卖不动”了
一年前几乎所有产品的卖点都是“一句话生成一首歌”。现在这项能力在各家手里都快“卖不动”了:Suno免费版每天给50积分,Tunee每天送两三百创作点,MiniMax Music每月赠10000声贝、一首歌消耗300声贝,ElevenMusic免费版每天有5次无损下载额度。
产品真正的分水岭被挪到了生成AI音乐之后的链条。天谱乐V4.7在2026年7月的主攻方向是Remix改写和翻唱Cover,把一首成品歌换成摇滚、换个音色、换套歌词,同时保住核心旋律。趣丸科技把这个技术叫“快速回归动机”。Rythmix更直接:它的AI MV贡献了产品近30%的营收,超过音乐生成本身,积分消耗占比近50%。
用户已经不为“能生成”付钱了,他们为“生成完还能用”付钱。
但AI音乐生成产品的流量榜却呈现出了一定的反差。AI产品榜2026年6月的音乐生成网站访问量,Suno一家7655万,第二名417万,差距18倍,音乐生成这项能力在流量上仍被头部产品牢牢把控。
2. 钱不在C端订阅里,在席位和API里
Suno的200万付费用户贡献了3亿美元的ARR,但纵观整条赛道收入最高的三个产品的收入构成:截至2026年9月,ElevenLabs的企业收入占比已经达到55%;HeyGen披露累计注册用户超3000万,85%的《财富》美国100强企业为其用户;ACE Studio的用户名单里,有好莱坞的配乐师,也有格莱美获奖制作人。
Mureka是昆仑万维旗下AI音乐产品,截至2025年11月年化流水约1200万美元,C端会员定价88元/月,B端API已服务8000余家企业客户;万兴科技的AI音频功能不单独售卖,嵌入万兴喵影视频软件内,依托主产品变现;TopMediai 主打长尾配音市场,拥有3200+音色,支持190种语言与口音。
国内团队与海外团队的差距不在模型,Mureka V8在Artificial Analysis的人声、乐器两个榜单上都拿了第一。差距在计价单位:一个卖会员月卡,一个卖企业席位和每百万字符的API调用。
3. 声音本身,正在变成一项可以按月出租的资产
ElevenLabs的Voice Marketplace上,累计向声音提供者支付超过2200万美元,有10400多人在靠“把声线租给AI”赚钱,这个数字比半年前翻了一倍。一位31岁的软件教程作者注册了多套AI声线,月入约3000美元。TopMediai则攒了10000多个翻唱音色模型。
这背后是一条新链路:真人录几分钟音频,交给平台训练,之后世界各地的人调用这条声线,提供声音的人按使用量分成。
它的问题也同样清晰。欧美版权方正在把授权变成这门生意的入场券,拿不到曲库,团队连训练都可能被判侵权;国内团队则把“完成生成式AI服务备案”当成了商业化的前置条件,自由量级(音潮)在2025年9月拿到备案,是它能进企业采购清单的原因之一。
4. AI播客跑得慢,但找到了一条夹缝
AI生成音频的三条细分赛道里,AI播客最不被看好。真人有声书和真人播客的供给本来就过剩,“AI念稿”似乎没有被用户消费的理由。
赛道中能跑出来的AI播客产品实际上都换了方向。ListenHub把专业文档、行业报告、内部资料变成“知识解说视频+播客+幻灯片”,零付费投放做到300万美元ARR、5%付费率、订阅月流失压在3%以下。创始人冯雷的判断是“用户不是为AI声音付费,是为降低理解成本付费”。Podwise反过来做,把听不完的播客变成知识卡片,9.9美元一个月。Wondercraft干脆放弃个人播客,只做企业信息类内容。
NotebookLM(现已更名Gemini Notebook)是谷歌的特殊案例:基础版免费,支持80余种语言;凭借上传资料即可生成双人AI对话的音频概览(AI播客)功能,将 AI播客推向大众化。该产品无独立收入,高级能力打包在谷歌AI订阅与企业套件内;行业观点认为它压低了同类AI播客产品的技术门槛,几乎抹平小团队开发同类功能的成本线。
5. 强在链路完整,弱在单点最强
中国团队在这一年的打法是同一个套路:把生成、编辑、分发串成一整条链,然后卖给C端用户。
Rythmix做“歌曲生成、AI翻唱、一键转MV、分享到Instagram”;Sondo做“给歌拍MV”;万兴播爆做“一张商品图直出带货视频”;Tunee做“聊天、出歌、出MV、虚拟角色”;天谱乐甚至研发了智能吉他硬件。
链路完整的好处是容易吸引新用户,坏处是每一环都不够强。Rythmix的MV输出是30秒、480p或720p,这个分辨率说明它现在卖的不是质量,是“完成感”。
但也有人“另辟蹊径”。VMEG只做一件事,让一个人用自己的声音说出没学过的语言,170多种语言、7000多个音色,情绪、语速、气息都保留下来。译制这门生意的单价也在这一年被换了个单位:人工译制一部短剧,成本1500到3000元、一个月最多10部;AI译制能压到300到500元、每月1000部以上。
6. 上代产品没有退场,只是换了位置
Suno、ElevenLabs、Speechify、Voicemod都不算新公司:Speechify 2018年成立,Voicemod 2014年就在做实时变声。它们到今天还坐在头部,靠的不是模型更新速度,是场景占位。
新入场者的机会在别处,而不是再做一个Suno。
以下为产品拆解部分,enjoy~
1. 中国出海团队:切入声音生成的全链路
Rythmix|杭州小影科技(QuVideo)
2024年上线
2026年6月,它以154万月活排进AI产品榜出海增速榜第3名、环比增长11.70%。上线不到一年下载破130万、单日峰值超1.2万次,在中国台湾、中国香港和韩国的音乐类应用榜单里进过Top5。玩法是“从一首歌到一支MV”:文生曲、图生曲、AI翻唱、一键转MV,再直接分享到Instagram。最赚钱的一环不是生成。小影科技披露,AI MV贡献了产品近30%的营收,积分消耗占比近50%,积分包复购率30%,相关性和单纯的音乐生成完全拉开。
ACE Studio|北京时域科技
2022年7月桌面端公测、2023年10月正式版,2024年开启出海
它走的是一条和Suno完全相反的路:不做“一键成曲”,做音乐人用的IDE。用户输入文本和音符,模型生成歌声,替代的是录音棚里最贵的那个环节,歌手档期和后期修音。创始人郭靖的说法是对标Cursor:“human in the loop,完全基于AI的新能力重新塑形创作环境。”2025年12月上线2.0版本后,三个月收入翻了三倍,月收入达到200万美元,ARR突破千万美元;付费创作者已近10万名,约九成收入来自海外,毛利率约90%(核心模型自研);用户里有格莱美获奖制作人,也有伯克利、加州艺术学院的师生,已积累300多万条专业创作轨迹。团队2018年成立,是把音符当成代码卖了七年的结果。
Mureka|昆仑万维
2024年上线,2025年11月首次实现扣减营销费后毛利为正
截至2025年3月年化流水约1200万美元、月流水约100万美元;到2025年11月,它是国内第一家公开宣布AI音乐业务毛利转正的团队。C端会员88元/月、最多生成180首,B端开放API、客户超8000家。技术端不弱:2026年3月,Mureka V8在Artificial Analysis的人声与乐器双榜登顶。母公司的盘子更大,2026年一季度营收25.7亿元,海外收入24.87亿元、同比增49%,占总营收九成以上。
Sondo|TUNESPHERE SG PTE. LTD.
2025年4月30日全球上线
据点点数据,截至2026年7月25日双平台累计下载281万、双商店收入超250万美元;2026年7月单月收入约90万美元、下载约36万,其中Android贡献56%的收入。玩法是“给歌拍MV”:选一首AI生成的歌或上传本地音频,加一张主角照片和一段2000字以内的描述,AI按节奏和歌词自动生成MV。目前输出规格是30秒、480p或720p,它卖的不是质量,是“我也能做出一支MV”的完成感。
ListenHub|MarsWave(北京火星电波)
2025年5月19日上线,2025年12月出海北美
这条赛道里最反常识的一个:零付费投放,做到300万美元ARR并实现月度盈亏平衡,付费率站上5%,订阅用户月流失率压在3%以下。2026年1月完成200万美元天使+轮,天际资本领投,小米联合创始人王川跟投。产品把专业知识、行业报告、内部文档自动转成知识解说视频、播客和幻灯片。创始人冯雷说得很清楚:“用户并非只为AI声音付费,而是为降低理解成本和提升沟通效率付费。”
Tunee/天谱乐|趣丸科技
天谱乐大模型2024年7月,Tunee 2025年9月26日全球公测
天谱乐生态覆盖4600万注册用户、累计创作近1200万首AI歌曲。Tunee是对话式音乐创作Agent:不用写提示词,像聊天一样说想法,它会追问细节、联网搜索、给方案,还能一键出MV。2026年7月发布的V4.7版本主攻“改”,Remix改写和翻唱Cover,输出48kHz双声道,完整歌曲生成控制在60秒以内。它的判断很直接:第一次生成好不好听,行业已经卷完了;能不能改得动,才是下一个分水岭。
TopMediai|Cleverguard Technology
2023年上线
站点月流量约230万,自称100万+用户、覆盖180多个国家。它把配音、音乐、视频三件事装进一个账户、一个积分池:3200多个音色、190多种语言、10000多个翻唱音色模型。这是中国团队在AI音频上最常见的形态,不做技术标杆,做“够用且便宜的一站式”,吃被头部放掉的长尾。
万兴播爆 Virbo AI|万兴科技(300624.SZ)
2026年9月发布Web端,同期升级App端
其母公司是这份名单里出海资历最深的企业之一:业务覆盖200多个国家、累计活跃用户超20亿、90%以上收入来自海外,在点点数据的中国非游戏厂商出海收入榜上位列第15、创业板第1。Virbo做的是“一句话、一张商品图、一条商品链接,直出可投放的带货视频”:多语言多人种模特库、长视频切片、Ads批量出素材。它把AI音频藏在视频链路里卖,声音只是其中一个零件。
Hitto|自由量级(音潮)
2026年7月在WAIC首次亮相
它的卖点是一个对话式音乐Agent,不用调参数,聊着天就把歌写出来,官方说法是“已经落地海外市场,口碑不错,不久后回归国内”。支撑它的是团队自研的音潮音乐大模型,AR+NAR混合架构,训练全程跑在国产GPU上,走的是算法和算力双国产化路线。2025年9月,这个模型通过国家网信办生成式AI服务备案;2026年8月发布的V4.0把语种扩到十种,新增俄、德、葡、意、法,同时向C端开放纯音乐生成。国内盘子已有百万用户、日均产出上万首原创音乐;Hitto这块还没有公开的收入和用户数字,只能当量级参考。
VMEG AI|PixRipple Technology Limited
2024年上线,同年春节后转向海外
产品最初主打AI营销视频,在大理石外贸客户提出用本人原声生成阿拉伯语、印度语参展视频的需求后,转向声音克隆与视频本地化赛道;产品逻辑不是简单翻译,而是复刻原声情绪、语速与气息,支持 170 余种语言、7000+音色(官网标注17000+音色),配套视频对口型能力。上线初期拿下Product Hunt日榜第三,不做付费投流,按场景逐个拓展B端客户;服务覆盖179个国家、1200余家企业团队,欧洲为最大市场、德国客户最多,印度与日韩市场增长较快;客户包括德国电视台、日本地方文旅局、南印度影视公司、TELUS Health;收费按项目结算,十分钟视频收费上百美元,团队不到20人,全球营收数百万美元(口述口径)。创始人胥彪,拥有 14 年腾讯履历、曾任腾讯云副总裁。
HeyGen|深圳起家(Surreal)→ 洛杉矶
2020年成立,2023年更名HeyGen
这份名单里收入最高的华人团队产品:2026年6月年化收入突破2亿美元,八个月翻倍;3000万用户、196个国家、175种以上语言,财富100强中85%在用,累计生成超1.18亿条视频,团队约430人。这笔生意还能反过来算:累计融资7460万美元只花掉2500万,每一美元融资换回2.70美元年化收入,每名员工创造年收入150万美元。转折点是不再做“换脸好玩”,改成做“把自己的脸和声音复制出来,替自己说一百种语言”。
Fish Audio|华人团队
开源起步,2026年7月完成5200万美元种子轮
TTS-Arena2榜单第一,2026年8月网站月访问约800万、环比增长11.9%,是语音合成类里流量最高的一个,超过Speechify。创始人Shijia Liao是00后,马里兰大学毕业后进英伟达做视觉基础模型研究,2024年离职后用单块显卡在卧室里训练出早期模型并开源,CEO是Rissa Cao,团队22人。模型侧的数据也硬:训练语料超1000万小时、覆盖80多种语言,提供50多种情绪标签,15秒音频即可克隆音色,克隆后可跨30多种语言使用。变现靠API,旗舰模型只走付费调用,免费额度每月8000字符、Plus档11美元/月。ARR一年内从零做到2100万美元,企业和开发者贡献约三分之二收入;2026年7月完成5200万美元种子轮,今日资本与Coreline Ventures联合领投。
2. 海外头部:把声音卖成了基础设施
Suno|美国
2023年12月20日上线
2026年2月付费订阅突破200万、年化收入3亿美元,上线以来累计使用人数超过1亿,6月完成超4亿美元D轮、投后估值54亿美元,每天生成歌曲700万首。AI产品榜音乐生成榜上,它2026年6月的网站访问量是7655万,第二名的4.17倍、第十名的两百多倍。代价在另一栏:2026年7月31日,慕尼黑地区法院一审判决它败诉(GEMA诉Suno,案号42 O 763/25),认定其训练数据通过流媒体抓取获取、且模型对涉案作品构成“记忆留存”,环球音乐、索尼音乐的诉讼仍未结案。据新华社报道,Suno表示不认同判决、将评估上诉。
ElevenLabs|纽约、伦敦
2022年成立
2026年5月年化收入突破5亿美元、估值110亿美元;客户包括德意志电信、Revolut、Meta、Salesforce和英伟达。更值得看的是它长出来的第二门生意:Voice Marketplace累计向声音提供者支付超过2200万美元,10400多人在靠出租声线赚钱,而这个累计数字在半年前还是1100万。第三条腿是音乐:2025年8月以Eleven Music名义上线,2026年4月1日推出独立App ElevenMusic,9月3日发布Music v2.5并向全球开放接口,用法上刻意跟Suno拉开距离,强调训练集已获授权。它在赌的是:声音会像字体和曲库一样,先有版权池,再有应用层。
ElevenReader|ElevenLabs
2024年5月上线
2026年7月估算月收入30万美元、月下载10万,收入100%来自iOS,收录10万+有声书。它的产品判断是“读得久”比“读得准”重要,把长文档变成不疲劳的听觉,用户为“听完一整本书”付费。加上主App(2025年6月上线,2026年7月估算月收入80万美元、月下载160万),ElevenLabs在移动端同时押了创作和消费两头。
Speechify|美国
2018年成立
6000万+用户、110万条五星评价,是AI语音产品里用户量最大的一个,连续四年半盈利。创始人Cliff Weitzman给出的两个数字最能说明它的护城河:45人AI研究团队用2.5年把TTS推理成本压到每百万字符个位数美元,比ElevenLabs的30至100美元便宜十倍以上;营销端每天测试约1000条AI生成的广告,其中一条关于阅读障碍的说唱广告带来了300万美元收入。
Voicemod|西班牙、英国
2014年上线
7200万用户、4000万下载,2026年中约117名员工,年收入3150万美元。这个体量放在今天的AI叙事里不算大,但它是这条赛道里活得最久的产品:实时变声,服务游戏、直播和VRChat。它证明“声音”这门生意不完全取决于模型能力,也取决于场景占位。变声这个场景,它比所有大模型公司都早十年。
NotebookLM(Gemini Notebook)|Google
音频概览功能2024年9月上线,2026年7月随产品改名
它把AI播客做成了一句话:上传资料,生成两个主持人的对话,支持80多种语言,完全免费。这是名单里唯一一个不靠音频赚钱的产品,但正因为它免费,“AI播客”这个品类的认知入口和成本线都由它定下了。所有做AI播客生成的小团队,卖点都必须回答一个问题:比NotebookLM多什么。
3. 中腰部与垂直赛道:在细分赛道求突破
Podwise|澳大利亚团队
2024年上线
更进一步:量化金融体系
看懂新闻只是起点——沿量化金融路径,把它变成能交付的工程能力