魔音工坊

魔音工坊是出门问问（02438.HK）旗下的 AI 配音平台，AI 采用 “自研第六代 TTS 引擎 MeetVoice Pro + 出门问问自研大模型’序列猴子’驱动的语音 token 化框架 + 千款真人音色库 + 3 秒声音克隆 + 跨语种音色迁移”​ 架构。凭借千款真人音色库、精准的多音字识别和强大的调音能力，以及完善的商用授权体系，已成为功能全面、体验出色的 AI 配音工具。

 

产品概述

魔音工坊由 出门问问（02438.HK）​ 研发，是 AI 语音合成赛道中”创作工作流 + 千款音色 + 声音克隆”路线的代表。截至 2026 年 7 月，魔音工坊官网披露：全球 500 万+ 用户、日活 30 万+、累计下载 1000 万+、覆盖 160+ 国家​ 。

AI 技术路线（出门问问官方披露 ）：

• 第六代 TTS 引擎 MeetVoice Pro（2024 年 2 月发布）：
  • 基于出门问问自研大模型”序列猴子“构建语音合成系统
  • “序列猴子”拥有跨模态知识迁移能力，将语言模型的常识知识转化应用到语音领域
  • 模型利用其文本基座能力，实现对多音字、韵律和上下文关系的深入理解和精准模拟
• 语音 token 化（Encoder-Decoder 架构）：
  • 将连续语音信号有效离散化处理
  • 文本属性（多音字、韵律）有效映射到语音领域
  • 提高语音 token 生成质量，增强对复杂语音现象的处理能力
• 三大真实性优势 ：
  • 自动调节情感和韵律：讲述悲伤故事时降低音调增加柔和度，分享兴奋新闻时提升语速加强语气
  • 声音克隆仅需数秒：快速学习数秒音频样本，生成高度逼真音频——传统耗时的录音和训练成为历史
  • 跨语种音色迁移：将不同语言音频无缝转换为同音色中文或英文（如让泰语母语女孩用自己音色说英文/背中文古诗）
• MeetVoice Pro 五大功能升级（2024 年 6 月）：
  • 至臻发音人升级（情感自然流露）
  • 拼音可更改（多音字选择拼音、生僻字输入拼音）
  • 一句话克隆（1:1 原声再现，捕捉语调/情感/呼吸/停顿）
  • 捏声音（文字描述生成定制化声音）
  • 多音字/生僻字的 AI 读音控制

核心差异化——千款真人音色 + 创作工作流 + 3 秒克隆 + 精准调音：

• 千款真人音色库：339 款 VIP 专属声音 + 634 款 SVIP 高品质声音 + 582 种（VIP）/ 2143 种（SVIP）发音风格
• 3 秒声音克隆：约 3 秒音频即可克隆，特惠价 59 元/声音 ID（SVIP）
• 精准多音字调音：直接修改每个字的拼音，解决多音字/生僻字
• 20+ 编辑器调音功能：逐句试听、多音字、停顿、重读、局部变速、多发音人等
• 短视频/有声书创作工作流：软件配音 + 云剪辑 + 自动打轴 + 文案提取 + 字幕同步
• 18 种方言 + 18 种外语：部分音色 48K 专业采样率媲美 CD 音质
• 声音转换：用发音人 A 的声音读出发音人 B 的语气节奏
• 商用授权体系完善：SVIP 包含商用授权
• 三端通用：电脑、手机 App、微信小程序
• 多人协作：团队版支持多席位协同创作、作品存储、成员管理、评论批注

典型工作流：

1. 新建项目：登录后点击”软件配音”→”新建项目”，粘贴或输入文案（最多 5000 字）
2. 选择发音人：从 800+ 声音库中选择，支持按性别、年龄、情感风格过滤
3. AI 配音生成：MeetVoice Pro 引擎基于”序列猴子”大模型生成自然语音，自动调节情感和韵律
4. 精准调音：修改多音字拼音、调整语速（0.05 倍精度）、语调（-10 到 +10）、局部变速、停顿、重读
5. 声音克隆（如需要）：上传 3 秒-5 分钟音频，AI 克隆出 1:1 原声
6. 跨语种迁移（如需要）：用克隆音色做跨语种配音（如泰语母语者用自己音色说中文）
7. 视频云剪辑：文案生成、配音生成、视频剪辑一体，自动打轴、字幕同步
8. 导出：MP3/WAV/MP4 下载，SRT 字幕、绿幕字幕 MP4 导出

核心规格：

 

核心能力

1. AI MeetVoice Pro 端到端 TTS（核心引擎）

• 机制：用户输入文本，选择发音人
• AI 作用：第六代 TTS 引擎 MeetVoice Pro 将文本转换为自然语音
• “序列猴子”大模型的语音 token 化：模型利用文本基座能力，实现对多音字、韵律和上下文关系的深入理解和精准模拟，将文本属性有效映射到语音领域
• 价值：AI 不只做”文本→语音”的机械映射，而是基于大模型对语言的理解来生成语音——这是 MeetVoice Pro 区别于传统 TTS 的根本

2. AI 自动情感与韵律调节

• 机制：MeetVoice Pro 的”自动调节情感和韵律”能力
• AI 作用：
  • 讲述悲伤故事时降低音调、增加柔和度
  • 分享兴奋新闻时提升语速、加强语气振奋感
• 价值：合成语音仿若真实人类对话——AI 智能调节让语音自然、富有表现力

3. AI 3 秒声音克隆

• 机制：用户上传数秒音频样本
• AI 作用：MeetVoice Pro 快速学习数秒音频样本，生成高度逼真音频；只需一句话即可精准捕捉并克隆任何音色和说话风格，完美复现独特语调、细腻情感色彩、微小呼吸和停顿，实现 1:1 原声再现
• 价值：传统耗时的录音和训练成为历史——3 秒克隆让每个人都有专属 AI 声音

4. AI 跨语种音色迁移

• 机制：MeetVoice Pro 的跨语种能力
• AI 作用：将不同语言音频无缝转换为同音色中文或英文——让泰语母语女孩用自己音色流利地说英文、用中文背诵古诗
• 价值：小语种发音者无障碍使用中文/英文交流——出海内容本地化的关键能力

5. AI 多音字与生僻字修正

• 机制：MeetVoice Pro 的读音控制功能
• AI 作用：
  • 多音字：用户简单更改拼音即可解决正确发音
  • 生僻字：输入拼音给生僻字加上准确注音
  • 特定词语：随心所欲定制特定词语的读音
• 价值：语音输出更加精准、个性化——这是魔音工坊在 AI 配音赛道的核心竞争力之一（2026 年 8 月盘点明确指出”精准的多音字识别”是其功能全面的关键 ）

6. AI 千款真人音色的情感匹配

• 机制：339 款 VIP + 634 款 SVIP 共 973+ AI 配音师
• AI 作用：AI 音色覆盖温柔、激昂、沉稳、欢快等多种情感风格，582 种（VIP）/ 2143 种（SVIP）发音风格
• 价值：千款真人音色库是魔音工坊相对于海螺语音（300+ 音色）、火山语音的核心优势——短视频/有声书创作者有更丰富的音色选择

7. AI 声音转换

• 机制：”声音转换”功能
• AI 作用：用发音人 A 的声音读出发音人 B 的语气节奏
• 价值：音色与表演的解耦——创造”音色 A + 表演 B”的混合效果

8. AI 捏声音（文字→定制化声音）

• 机制：”捏声音”功能
• AI 作用：文字描述生成定制化声音，像使用 Word 编辑文字一样编辑声音
• 价值：“声音即编辑”——用自然语言描述创造专属声音

9. AI 视频云剪辑与自动打轴

• 机制：视频云剪辑模块
• AI 作用：
  • 文案生成、配音生成、视频剪辑一体
  • 自动打轴、字幕同步
  • 一键解析视频（去水印、下载视频/封面/标题）
  • 文案提取
• 价值：AI 配音工作台——不只是 TTS，而是短视频/有声书创作的一站式 AI 工作流

10. AI 字幕同步

• 机制：一键同步字幕
• AI 作用：AI 根据生成的配音音频，自动同步字幕（SRT、绿幕字幕 MP4）
• 价值：字幕与音频的精准对齐——短视频创作的效率倍增器

 

收费模式

魔音工坊采用 Freemium + 会员订阅体系。官方定价来自 moyin.com 会员中心与小米应用商店 2026 年 7 月实时数据​ ：

⚠️ 计费关键规则（极易踩坑）：

1. SVIP 才包含商用授权：VIP 个人版不包含商用授权，商业用途需开通 SVIP
2. 3 秒克隆 SVIP 特惠价 59 元/声音 ID：VIP 价格为 79 元/声音 ID
3. SVIP 合成字数额度：27.5 万字/月，165 万字/半年，330 万字/年
4. 免费版限制：每日 80 次免费合成，可使用 232 款免费音色，但导出带水印​
5. 第三方价格分歧：部分第三方文章给出”VIP 398 元/年、SVIP 1188 元/年” （tsight.io）与官方定价不符——以 moyin.com 会员中心实时定价为准
6. 声音克隆商用授权：使用克隆声音商用需确保已取得当事人书面授权

 

优势亮点

1. 出门问问旗下：02438.HK 上市公司，自研第六代 TTS 引擎 MeetVoice Pro，基于”序列猴子”大模型
2. 千款真人音色库：339 款 VIP + 634 款 SVIP = 973+ AI 配音师；582 种（VIP）/ 2143 种（SVIP）发音风格
3. 3 秒声音克隆：数秒音频样本即可 1:1 原声再现，捕捉语调/情感/呼吸/停顿；SVIP 特惠价 59 元/声音 ID
4. 跨语种音色迁移：同音色跨语种（如泰语母语者用自己音色说中文/英文）
5. 精准多音字调音：直接修改每个字的拼音，解决多音字/生僻字——2026 年 8 月盘点核心优势
6. 20+ 编辑器调音功能：逐句试听、多音字、停顿、重读、局部变速、多发音人等
7. 千余种情感音色：温柔、激昂、沉稳、欢快等情感风格
8. 18 种方言 + 18 种外语：部分音色 48K 专业采样率媲美 CD 音质
9. 视频云剪辑一体：文案生成、配音生成、视频剪辑、自动打轴、字幕同步
10. 声音转换：用发音人 A 的声音读出发音人 B 的语气节奏
11. 捏声音：文字描述生成定制化声音，像编辑 Word 一样编辑声音
12. 字幕导出：SRT、绿幕字幕 MP4
13. 三端通用：电脑、手机 App、微信小程序
14. 商用授权体系完善：SVIP 包含商用授权，2026 年 8 月盘点明确指出”完善的商用授权体系”
15. 全球覆盖：500 万+ 全球用户、30 万+ 日活、160+ 国家
16. 会员低价：VIP 48 元/月起、SVIP 199 元/月起，国产 TTS 中性价比突出
17. 多人协作：团队版 999 元/年/席位，支持多席位协同、作品存储、成员管理、评论批注

 

局限性