Verbatik 最核心的功能还是 TTS。
输入文字，选一个声音，就能直接生成语音。平台提供 1700+ 预训练声音，覆盖 150+ 种语言和口音，适合旁白、课程、播客和营销视频。
第二块是语音克隆。
上传至少约 10 秒的录音样本，可以训练一个接近原声的 AI Voice。之后不用反复录音，直接输入新文字，就能继续用这个声音生成内容。
如果手头没有声音样本，也可以使用 Voice Design。
比如描述：
“温和、有说服力的中年男声，美式口音。”
系统会根据文字要求生成一个新的声音。
平台还做了 Talking Avatar。上传照片或准备脚本以后，可以生成带口型同步的数字人口播视频。
再往外还有音乐、音效、图像、视频和 UGC 模板。
所以 Verbatik 已经不只是配音工具，更像是以语音为中心往视频和其他媒体扩展的一套 AI 工具箱。
另一个比较特别的功能是 MCP。如果平时使用 Claude、Cursor 等支持 MCP 的客户端，可以直接调用 Verbatik 的语音能力，不必每次打开网页复制文字。
| 套餐 | 价格 | 说明 |
|---|---|---|
| Free | 免费 | 注册后提供约 1,000 Credits，可体验基础 TTS，部分高级功能受限。 |
| Starter | 约 $5/月 | 每月约 30,000 Credits，提供 1 个语音克隆位置，适合低频使用。 |
| Creator | 约 $9/月 | 每月约 300,000 Credits，最多约 3 个克隆声音位。 |
| Essential | 约 $19/月 | 每月约 500,000 Credits，克隆声音位更多，适合持续使用。 |
| Pro | 约 $39/月 | TTS 和语音克隆额度更宽松或不限量，并提供约 1,000,000 Credits 用于其他 AI 功能。 |
| Enterprise | 约 $99/月 | 提供更高额度、更多克隆声音和企业支持，面向团队使用。 |
Verbatik 有两套计费方式：普通用户使用订阅和 Credits，开发者 API 则按实际调用量收费。
不同功能的 Credits 消耗差距很大。
TTS 通常按字符计算，语音克隆生成消耗更高；训练新声音、Voice Design、音乐、图片和数字人视频则各有单独的 Credits 成本。
如果主要使用 TTS，套餐很好估。功能一多，就需要先算一下每个月到底会做多少条音频和视频。
API 不走普通订阅，而是预充值后按实际用量扣费。
订阅 Credits 和 API 余额不是一套体系。
如果是自己做内容，用订阅更直接；如果要把 TTS 放进 App、网站或自动化流程，API 按量付费更容易控制成本。
第一次打开 Verbatik，最明显的感觉是功能比预想中多。
原本只是想试 TTS，左侧却还有 Voice Clone、Music、Avatar、Image 和 UGC 等入口。
我先拿一段中文文案测试了几个预训练声音。
整体发音清楚，正常旁白已经能用。普通停顿和语速没有明显问题，但涉及中文特有的轻声、儿化或比较复杂的重音时，偶尔还是会听出机器感。
英文声音的选择明显更多。
所以如果主要做英文播客、YouTube 或海外营销，它的声音库优势会更容易发挥出来。
语音克隆比较吃原始录音。
我用一段约 15 秒的干净录音测试，生成出来的音色已经能听出原声特征，但不是完全复制。
换成有背景噪音的素材后，相似度和稳定性明显下降。
所以第一次训练时，不值得随便拿一段微信语音就上传。找一个安静环境，保持正常距离和语速录十几秒，通常比后面反复重训省事。
训练声音本身还会消耗一笔 Credits。如果素材不好，重新训练就等于重新付一次成本。
Pro 的价值主要体现在高频 TTS。
Starter 每个月几万 Credits，偶尔做旁白够用；如果每天都在把文章、课程或脚本转成语音，很快就会碰到额度。
这时候 Pro 的高额度或不限量设计才比较有意义。
不过 Verbatik 的 Credits 并不算特别直观。
TTS、克隆、音乐、图片、Avatar 各有不同消耗。尤其数字人视频，一条任务就可能吃掉一大块额度。
所以不要只看“每月有多少 Credits”。
先把自己真实的任务列出来：一个月多少字符 TTS、训练几个声音、做多少条 Avatar，再反推套餐，会更接近实际成本。
MCP 对普通用户意义不大，但对开发者确实方便。
如果本来就在 Claude 或 Cursor 里处理脚本，可以直接让 AI 调用语音工具输出音频，省掉打开 Verbatik、粘贴、再下载这一轮操作。
优点
缺点
适合：
不太适合：
Verbatik 最适合的不是只做一次配音，而是经常需要在文字、声音和视频之间来回转换的人。
文字可以直接变语音，自己的声音可以克隆，之后还能继续接 Avatar、音乐和其他素材。一个后台把这些步骤串起来，确实省掉不少切换。
但功能多也让 Credits 变得难算。
如果只是低频 TTS，Starter 就够看效果；每天批量生产旁白，再考虑 Pro。
开发者则不用纠结订阅，直接按 API 用量计算通常更简单。
第一次使用时，先别把所有功能都试一遍。
拿一段自己真实会用的脚本，选几个声音生成，再录一段干净的人声测试 Voice Clone。声音质量过关，再决定要不要把其他功能也搬进来。
评论（0）