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

生成这件事，正在变成免费的那一环。

「AI+万物」· 系列卷首语

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

01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。

音乐生成 · 网站月访问量（2026 年 6 月）

Suno7655 万

Voicemod Text to Song417 万

Moises405 万

Mureka（昆仑万维）295 万

Landr191 万

条形极短的那几根才是重点：第二名到第五名的访问量加起来，只有 Suno 的约六分之一。

数据来源：AI 产品榜（AICPB）

02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。

头部产品的年化收入

ElevenLabs（语音 · 2026 年 4 月）5 亿美元

Suno（音乐 · 2026 年 2 月）3 亿美元

HeyGen（数字人 · 2026 年 6 月）2 亿美元

数据来源：各公司披露

03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。

声音资产池 · Voice Marketplace 累计支付

2025 年 11 月1100 万美元

2026 年 5 月2200 万美元

累计向 10400 多名声音提供者支付，是把真人声线当成资产池在运营。

数据来源：ElevenLabs

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。

04AI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。

05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。

译制 · 单部短剧的成本

人工译制 · 单部1500–3000 元

AI 译制 · 单部300–500 元

同一部短剧，成本差 3 到 10 倍；产能差得更远：人工一个月最多 10 部，AI 每月 1000 部以上。

数据来源：小影科技披露

06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~

01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。

02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。

03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

月访问约15.6万。它不生成播客，反过来把播客变成可检索的知识资产：转录、摘要、思维导图、金句、翻译，一键导出Notion、Readwise、Obsidian、Logseq。定价9.9美元和19.9美元两档，企业版299美元起，还开放了CLI和MCP接口。做“听不完”而不是“做不出”的生意，是AI播客里少有的能收到订阅费的方向。

Wondercraft｜英国

2022年成立

AI播客生产工作台，Creator档约25美元/月、Pro档约45美元、企业版定制。它的取舍很明确，官网自己写着“如果你的播客讲的是你自己，AI制作就失去了意义”，所以只做企业信息类内容：产品更新、培训材料、内部沟通、行业新闻摘要。企业场景是多语言和合规需求最集中的地方，也是AI播客唯一能碰到企业预算的口子。

Vocalbeats.AI｜新加坡

旗舰产品Owll与Owll Translator

据data.ai，截至2026年8月22日，Owll在24个市场的工具类iOS畅销榜登顶过（单日峰值），89个市场进入过前十；Owll Translator在22个市场的商业类登顶过，125个市场进入过前十。公司未公布收入和订阅数，因此只能当量级参考。它的价值在于打法：一个做会议录音转写，一个做实时翻译加音色克隆，都是把声音能力挂到具体工作流上，而AI音频产品很少能同时在“工具”和“商业”两个分类里跑进畅销榜。

音乐端

· MiniMax Music 走的是国际接口这条路：Music 3.0单首0.15美元、最长五分钟；2026年8月发布并开源权重，供海外开发者本地部署，该付费API现已对新用户下线

· Stable Audio 3 于2026年5月20日发布，开放小、中版本权重，最高支持6分20秒曲目，可在MacBook Pro M4上本地跑

· Google Lyria 3 深度集成在Gemini里，支持通过照片作为灵感生成配乐；视频场景是Gemini先解析画面，再交给模型生成配乐

· AIVA、Mubert、Beatoven.ai、Soundraw、Boomy 是一批免版税配乐工具，2016 年就成立的AIVA靠影视配乐活到了今天；Mubert总部在阿联酋，Beatoven.ai总部在印度，Soundraw在日本

· Kits AI、Musicfy、Lalals、Jammable 主攻翻唱和音色转换：Musicfy 自称500万用户、ARR超200万美元，增长主要靠“用明星声音做翻唱”这类程序化SEO页面

语音端

· 小影科技AI译制同一家公司做的另一门生意：人工每月只能翻约10部短剧、成本1500至3000元/部，AI译制每月可完成超1000部、成本降到300至500元/部

· 讯飞译制科大讯飞的一站式多语言译配平台，高情感声纹克隆2026年9月扩到20种语言，1小时音视频最快5到10分钟出字幕，服务短剧、自媒体和企业品牌出海

· 阿里 Qwen-Audio-3.1-TTS 2026年9月在Artificial Analysis的语音竞技场以1177的Elo排到全球第一，同一音色可跨语种迁移，API已上架千问平台

· 网易有道 Confucius4-TTS 能3秒完成音色克隆、14种语言跨语种无口音，采用Apache协议面向全球开发者开源，主要服务短剧出海

· Murf AI 自称1000万+用户、300+家《福布斯》2000强企业客户，走的是“语音工作室+企业合规”路线

· PlayHT 支持142种语言，以语言广度见长，对比ElevenLabs，牺牲部分人声深度表现力换取语种覆盖

· Resemble AI 可实现30 秒克隆音色，是头部TTS厂商里支持本地部署的厂商之一，主打药企、金融等受监管行业

· Cartesia 首包延迟做到100毫秒以内，一度是语音智能体低延迟场景的优选方案

· NaturalReader、SpeechGen、TTSMaker、Narakeet 是一批老牌和新牌TTS工具，靠免费额度抓取长尾流量

语音合成网站月访问量表一览（2026年8月数据）：

语音合成 · 网站月访问量（2026 年 8 月）

Fish Audio800 万

MiniMax660 万

Speechify520 万

NaturalReader320 万

Luvvoice160 万

ElevenReader140 万

数据来源：SeekTool.ai 第三方流量估算

结语：这条赛道正在变成基础设施

AI 音频正在从“生成工具”变成完整的生产链路

Suno靠社交化和一键分享把付费用户做到200万，Rythmix最赚钱的功能是MV而不是作曲，Sondo干脆主打AI MV，ListenHub把自己定义为“知识解说员”而不是“播客工具”，万兴播爆把声音混在带货视频里卖。用户为之付钱的那一刻，往往是被具体的需求所驱动，而不是简单的“艺术创作”。

变现方式这一道关卡，中国团队仍在探索的过程中，但模型能力可以追平甚至反超。Mureka在Artificial Analysis的双榜登顶是证据，但同一个赛道里，一方在卖88元月卡和B端API调用，另一方在卖企业席位和声音版权池。这个差距不会自己消失，它取决于谁能先把自己的能力做成别人绕不开的那一环。

这条赛道真正的分水岭，可能既不在模型参数上，也不在分发效率上，而在于有没有想清楚一个问题：用户做完这段声音之后，会拿它去干什么。

文章作者：扬帆出海

更多出海资讯、行业洞察与企业服务，请关注扬帆出海官网：www.yfchuhai.com

好文章，需要你的鼓励