Voicemaker

Voicemaker 是面向创作者、开发者和团队的多语言文本转语音平台，提供 Default 与 Pro 系列声音、SSML、发音编辑、字幕、MP3/WAV/OGG/AAC/OPUS 下载、Speech-to-Speech、声音克隆和独立 REST API。官网当前称覆盖 130+ 语言，价格比较页列出 750+ 免费默认声音、付费计划 1000+ 默认声音及 500+ Pro 声音。它的优势是语言、模型、格式和价格层次都多；真正需要仔细看的则是字符按“每次转换”扣费、CJK 与高级模型倍率、广播权和克隆训练数据规则。

快速结论

Voicemaker 适合需要低门槛批量生成多语言旁白、用 SSML 控制停顿读法，或通过 API 接入产品的用户。Free 适合测试，输出标为 Personal；Starter 起提供每月 20 万字符、Pro 声音、克隆和 Speech-to-Speech；Premium 增加项目、VoxStudio、发音编辑、10GB 云存储与文件历史；Business 增加更大额度、文件共享、SSO，且官网仅在 Business 明确列出广播权。开发者 API 单独按量计费。

不要把“付费计划有商业权”理解为可以转售 Voicemaker 服务、复制任何人的声音或保证平台接受 AI 内容。当前价格页注明付费计划商业权不含广播权；服务条款也禁止未经明确同意上传第三方声音。公开视频、广告和客户交付还需核对脚本、音乐、人物身份、品牌与发布渠道，并在可能误导受众时清楚披露合成语音。

核心功能

• 多语言与模型分级：Default 覆盖 130+ 语言；ProPlus Expressive 约 70+、High-Res/Turbo 约 30+，不同模型按 1 倍、2 倍或 4 倍字符扣费。
• SSML 与发音控制：可设置停顿、强调、音量、语速、音调、Say As 和发音词典，具体标签受声音引擎支持范围限制。
• 文件输出：按计划提供 MP3、OGG、WAV 48kHz 16-bit、AAC、OPUS 或电话音频，质量上限随计划和接口变化。
• 项目与字幕：付费计划支持 SRT，Premium 起提供项目、VoxStudio、云存储与文件历史。
• 克隆与变声：Starter 起提供自定义克隆和 Speech-to-Speech；只允许提交本人或明确同意者的训练音频。
• 开发者 API：独立按量平台提供 TTS/STS/STT 与多种格式；不能把网页订阅字符直接视为 API 余额。

适合人群

Starter 适合短视频和播客初稿、游戏原型或个人多语言项目；Premium 适合需要项目管理、发音词典和历史文件的稳定创作者；Business 适合三席团队、共享文件、SSO 和广告广播需求；API 适合应用、IVR、语音代理和自动化流水线。只需要私人听文档的人可比较 NaturalReader 或 Speechify；重视高表现力克隆和成熟开发生态的团队可比较 ElevenLabs。

使用场景

创作者可以用 SSML 控制课程旁白的缩写、数字、停顿和强调，下载 WAV 进入剪辑软件；本地化团队可给同一脚本生成多个语言版本，但仍需母语审核翻译和发音。开发者可用 Turbo 声音降低交互延迟，字符预算则要按模型倍率和 CJK 双倍计数估算。Business 可用于在线广告等官网定义的广播场景，但购买后仍要检查具体声音、地区和活动条款。

克隆流程的风险高于普通 TTS。条款要求“Consenting Speaker”明确同意训练和使用，禁止未经授权的第三方录音。Voicemaker 条款称训练音频可在匿名化后用于研究数据集，并提供邮件退出方式；经客户许可，员工或承包商也可能为质量测试收听样本。企业应在上传前取得书面同意、限制访问、定义删除与退出流程，绝不用于未经授权的身份利用、冒充真人、欺诈、骚扰或绕过身份验证。

价格与版本

截至 2026-07-20，官网月付显示 Starter 5 美元、Premium 10 美元、Business 20 美元，年付标示 20% 折扣。Free 每周最多 100 次转换、每次 250 字符；Starter 每月 20 万字符、每次 3000；Premium 每月 50 万、每次 5000；Business 每月 100 万、每次 10000。未用字符在到期后清零，不自动结转。ProPlus 按 2 倍或 4 倍扣费，中文、日文、韩文在部分模型按 2 倍字符计数。

国内访问与使用体验

Voicemaker 是浏览器云服务，可用性取决于网络、登录、支付和所选语音后端。正式购买前，应分别测试中文数字、英文缩写、人名、长段落和 SSML，确认 CJK 计费、单次上限、下载格式与批量速度。网页显示“130+”或“140”语言是按不同计划和页面口径，不能推断每个 Pro 模型支持全部语言。Expressive 仍标为 Beta，生产项目应保留回归试听和替换声音方案。

隐私政策称输入文本加密存储，并按用户设置可在 60 分钟后自动删除文本与转换音频，账号关闭后通常在 30 天内删除项目和媒体，法律保留除外。官网 FAQ 称普通输入和输出不用于训练；但声音克隆条款单独允许匿名化训练音频进入研究数据集，并可通过邮件退出。这两个路径不能混为一谈。敏感脚本、未公开产品和生物特征录音应使用最小权限、2FA 和明确保留策略。

优点

Voicemaker 的优势是计划价格低、语言覆盖广，并把 SSML、字幕、多格式、项目、Speech-to-Speech、克隆和 API 放在同一产品族。价格页对字符倍率、CJK 计数、每次转换上限和到期清零写得较具体，便于预算。付费输出可按条款用于商业项目，Business 又单列广播权，避免把广告投放和一般商业内容混成一个概念。开发者还可按模型在质量、延迟和字符成本之间选择。

不足

复杂度是主要缺点。同一段文字反复点击 Convert 会重复扣字符；ProPlus 可能消耗 2 倍或 4 倍，CJK 也可能双倍，标称月额度不能直接换算成所有模型的实际输出。Free 仅个人用途，Starter/Premium 虽有商业权但不含广播权。Commercial rights 不包含转售平台服务，也不保证脚本或声音不侵权。克隆条款和普通 TTS 隐私承诺不同，必须单独阅读。Expressive Beta、不同模型语言范围和页面促销价格都可能变化，不宜写入长期固定预算。

替代品对比

常见问题 FAQ

Free 生成的音频可以商用吗？

当前价格比较把 Free 标为 Personal。商业项目应至少使用包含商业权的付费计划，并核对目标用途。

Starter 或 Premium 可以做在线广告吗？

官网注明一般付费计划商业权不含广播权，广播权在 Business 列出。广告投放前应核对当前计划和具体渠道。

字符是按下载还是按转换扣除？

按转换扣除。即使不下载，重复点击 Convert 也会再次计数；高级模型和 CJK 可能按倍数消耗。

可以克隆名人、同事或客户的声音吗？

只有对方明确同意训练和所计划的使用时才可提交。不得未经授权克隆，也不得用于冒充、欺骗或身份验证绕过。

付费后就拥有脚本和声音的全部版权吗？

不能这样理解。Voicemaker 提供条款规定的输出使用权，用户仍要确保脚本、声音身份、音乐、商标和其他素材有权使用。

发布合成语音需要披露吗？

法律和平台要求因地区与场景不同。面对广告、新闻、教育、客服或可能让听众误认真人的内容，清楚披露 AI 合成是更稳妥的做法。

总结

Voicemaker 的吸引力在于用较低门槛提供多语言、SSML、多格式、克隆和 API。选择计划时不要只看月字符：还要计算单次上限、模型倍率、CJK 计数、云存储、席位和广播权。普通 TTS 与声音克隆走不同隐私路径，上传他人声音前必须取得明确同意。一般商业旁白可从 Starter/Premium 评估，广告广播和团队权限看 Business，自动化调用看独立 API。若更重视成品表现力可比较 ElevenLabs，重视团队视频流程可比较 Murf。