靠给用户念书，AI语音产品移动端月入千万

封面图片由AI生成

别家卷模型，它默默赚钱。

2023 年，我们曾经观察过第一期 a16z 的 AI 产品榜单，当时访问量 Top50 的 Web 端产品中，仅有 2 款面向 AI 语音场景，分别是 ElevenLabs 和 Speechify。彼时，Speechify 的网站访问量排名第 23 位，比 ElevenLabs 还高了 1 位。

第一期a16z AI产品榜单，2023年8月｜图片来源：a16z

但在后续的时间里，相比频繁刷存在感的 EleveLabs，Speechify 可以说没啥存在感。

两年过去，ElevenLabs 已经融资 2.6 亿美元，网站访问量超 2500 万，稳坐 AI Web 全球 Top50 榜单，成为 AI 语音赛道的头部创企。而 Speechify 却渐渐“掉队”，榜单中难觅身影，而作为一个 AI 企业，它仅在 2017 和 2020 年有过两次融资，近几年也没有传出任何融资消息。

8 月 29 日美国 iOS 效率畅销榜｜图片来源：点点数据

但“惊喜”的是，它在 App 端默默赚钱。近两个月，Speechify 登上了点点数据的美国 iOS 畅销总榜Top150，并能够持续在榜，而在美国iOS效率畅销榜上，Speechify 的收入排名第 4，根据点点数据，Speechify 7 月份全球双端流水为 251 万美元，而 Sensor Tower 给出的数据还要更高一些，全球双端收入为 340 万美元。

图源：Speechify 官网，根据官方 8 月 12 日给出的数据，Speechify 全平台（App、Web、Chrome 插件）总用户量已经突破 5000 万

SensorTower 全球及美国AI产品收入榜单排名，根据 Sensor Tower 数据，Speechify 上月全球双端收入为 340 万美元，高于 ChatBox 的 310 万美元，但低于 ChatOn 的 550 万美元，排名在第三和第四之间；点点数据虽然具体数值有所出入，但相对排位与Sensor Tower 一致｜数据来源：Sensor Tower、点点数据

根据报告和以往观察，移动端能够取得不错商业化成绩的 AI 产品，大多都是 ChatBot，而 Speechify 作为一款 AI 音频产品，能够在移动端取得相当不错的商业化成绩，实属不易。

靠“听书”，切入个人学习提效场景

从功能上看，Speechify 属于“音频输出产品”，但与我们之前测评过的 ElevenLabs、MiniMax 等泛场景 AI 语音平台不同，Speechify 更“工具化“，明确指向“AI 读书场景“，即用户上传各种文字内容，AI 将其朗读出来，让用户在不方便阅读时，通过听，来获取信息，其产品设计也指向“个人学习提效”场景。

从 App 端的产品设计来看，Speechify 需要用户自行上传文字内容。上传文字内容的方式非常多，除直接输入文字外，用户还可以通过链接、文件、云盘、照片，扫描纸质书等方式上传内容，而相比之下 App 端的 ElevenLabs，仅支持通过输入文字的方式上传。除此之外，Speechify 还提供一个电子图书馆（上图红框），用户可以免费收听里面的电子书。

确定文字内容后，就会直接跳转到朗读页面，朗读时，用户可以以“0.05 倍”为单位调节速度，而且可以选择逐渐加速的模式，相比其他产品，这个“调节颗粒度”相当精细。

用户也可以按照自己的偏好让系统帮忙选择声音（上图红框），或克隆自己喜欢的声音（上图黄框）

朗读页面的右下角，用户可以在左下角选择声音和语言，官方介绍，Speechify 一共支持 52 种语言，各语言还提供多种口音和音色，共 2000 多种。以英语为例，Speechify 提供英、美、澳、印度、南非、爱尔兰 6 种口音，不同音色超过 50 种。这些音色中还包括很多知名人士的声音，比如知名 YouTuber MrBeast、演员 Gwyneth Paltrow 等等，且根据官网的说法，这些声音都已获得本人授权。

虽然，Speechify 提供的声音种类丰富，但从声音效果看，就算是读书场景，也要比 ElevenLabs 差一些。笔者用英文版《双城记》的经典开头测试了 Speechify 和 ElevenLabs，虽然从声音的质感上两者确实差不多，但从朗读的节奏方面，ElevenLabs 更加自然，Speechify 则有些怪怪的。

而 8 月 12 日，Speechify 在开学季更新中推出了一系列新功能，让产品的定位，更偏向于“知识获取”场景。此次更新包括 AI 聊天、AI 回顾、内容总结、测验生成、播客生成等 AI 功能，以及重点标注、文字批注等功能。

以播客生成为例，相比此前选题中观察过的播客生成产品，Speechify 除了能生成两人对话形式的播客，还能生成电台节目、讲座、辩论等不同的对谈形式。但是，Speechify 的播客生成功能仅支持英文，也没有能够下载音频或者转发分享的渠道，所以，该功能更像 NoteBookLM 的“音频概览”，主要目的仍是帮用户更好地吸收信息、减小双眼压力。

用 Speechify 学外语的分享（上），阅读文献的分享（下）｜图片来源：Reddit

从用户侧来看，根据 Reddit 用户的分享，典型的细分场景有学外语和阅读专业文献，有用户分享他在学习瑞典语的时候将学习材料上传给 Speechify，通过跟读的方式来纠正发音，并在碎片时间学习；而另一位用户分享，他用 Speechify 来阅读学术文献。总体而言，无论是功能，还是用户分享，Speechify 落地的基本场景是“学习、知识获取”。

之前不少播客平台的兴起，已经证明了用户愿意花大把时间“用耳朵获取知识”；而谷歌 NotebookLM 音频概览功能的爆火，也证明了用户需求，而 Speechify 在移动端的商业化成绩则证明，用户是愿意为“听知识”付费的。

高价+高付费墙+年订阅=高收入

Reddit 上，绝大多数用户都不否认 Speechify 确实非常有用，但它的高定价和付费点则受到了普遍吐槽。能够解锁所有功能的 Premium，定价高达 140 美元/年，且在 App 中没有其他订阅选项，点点数据的内购项目显示，Speechify App 端 70%+的收入来自年订阅。

注：App中Speechify只提供年订阅入口，用户需要到应用商店的订阅管理页面才能找到其他的订阅方案。

有海外的文章分析，由于 Speechify 指向“知识获取场景”，许多用户都会在特定月份（“学年期间”、“年初年末”）等时段集中使用，而假期则很少使用，如果采用月订阅方案的话，可能无法负担成本。

而与“高价、年订阅”相配合的，则是“高付费墙”，如果不订阅，用户仅能使用机械感很强的基础语音，也只能同时保留 5 个文件，无法使用加速功能、以及 AI 聊天、总结、播客、测验生成等进阶功能。体验下来，由于基础版语音的效果确实不好，笔者听几分钟就会感到疲倦，可以当助眠产品来用，非订阅用户的体验相当糟糕。

Speechify、Reader by Elevenlabs、Text toSpeech ARPMAU 数据｜图片来源：点点数据

秉持这样的思路，Speechify 的数据呈现“低用户量，高 ARPU”的状态，7 月份，Speechify MAU 大概 50 万左右，远低于 a16z App 端 Top50 MAU 的门槛，但它的 ARPMAU 达到 4 美元以上，远超其他同类产品。

整体看下来，Speechify 不错的商业化成绩，一是它“用音频在学习场景做提效”，打到大家想学习、但又难坐得住用双眼学习的刚需；另一方面，“高价年订阅，卡付费点”让刚需用户们不得不掏钱，形成低用户、高订阅收入的局面。

但不得不说，对于所有 AI 产品来说，Speechify 都“示范”了如何用 AI 找到场景、赚到钱。

靠失读症人群冷启动，主动出击获取用户反馈

Speechify 于 2017 年上线，最初是创始人 Cliff Weitzman 的个人提效工具，靠着这款工具，患有严重的失读症和 ADHD 的 Cliff，成功从布朗大学毕业。Cliff 在播客中表示，小时候，父亲发现了自己有阅读障碍后，就用磁带录下了一本《哈里波特》，让他通过听的方式学习英语，Cliff 每天都要听着它入睡，这部有声书，他听了足足 22 遍，也养成了通过声音获取信息的习惯。

根据某机构估算，15-20%的美国人都患有不同程度的阅读障碍，有 200 万人确诊失读症

大学期间，精通编程的 Cliff 与患失明症的弟弟 Tyler，共同开发了一款文字转语音工具，帮自己阅读文献。而一个不经意的机会，他将 Demo 发上了 YouTube，1 天时间拿下了超过 30 万次观看，很多失读症病友们在评论区表示这个 Demo 让他们激动哭了。而从宏观数据看，仅在美国，就有 15-20% 的人口有不同程度的阅读障碍，200 万人确诊失读症，这个“刚需”人群真的不小。

因此，Cliff 决定将这个工具开发成一款产品，来帮助更多的人，顺理成章地，这个群体也成为了 Speechify 冷启动的目标人群。Speechify 的冷启动突出一个“主动出击”，创始人 Cliff 曾经偷偷溜进国际失读症协会的会议，并在主讲人演讲完后，跳上演讲台开始演示 Speechify，演示过后，就有 12 所学校的校长当场表示愿意邀请他去学校，教学生们使用 Speechify。此后，参加会议、深入学校和社区做“地推”，成为了 Speechify 的主要冷启动方式，并取得了不错的成绩。

虽然冷启动取得成功，但 Speechify 初期存在大量的 bug，以及 UI/功能的设计缺陷，导致用户流失问题非常严重。而解决用户流失问题，Cliff 贯彻了“主动出击”的行为模式，他曾经导出了前 300 个 90 天内流失掉的用户的联系方式，然后打电话询问对方对产品的看法，并根据反馈针对性地优化产品；他还曾在大学校园里用胶带封住自己的嘴巴，然后把手机交给用户，观察他们如何使用产品，发现设计缺陷。

他表示，目前，Speechify 中不少备受好评的功能，就来自于对用户需求的深度洞察，比如，自动加速功能。Cliff 解释道，很多用户都感觉，在听的过程中，自己慢慢适应了 AI 的语速，就希望 AI 念的快一些，但是如果直接将语速翻倍，则会觉得太快无法适应。所以，Cliff 升级了加速功能，允许用户按“0.05 倍”的颗粒度调节语速，而且还开发了一个自动加速功能，每听完 500 个词，就加速一点点，让用户不需要再费力调节语速。

而经过产品不断的迭代，Speechify 的用户也从失读者，扩展到了需要用音频方式来提效的其他人群，并在今年 6 月获得了苹果设计奖的“多元包容”奖项。目前，Speechify 除了 Web 和 App 端，还推出了 Chrome 插件，可以一键为用户朗读网页上的内容，Chrome 应用商店显示，Speechify 插件的用户数已经突破了 100 万。

Speechify 的上线时间远远早于这一波生成式 AI 的热潮，也许它并不算是用AI技术找到场景的最佳案例，但恰巧该反思的是，当创业时，如果我们思考的是我可以用 AI 解决什么问题，可能已经偏离了“正确道路”。先看到问题，比 AI 技术更加重要。

数据来自SimilarWeb、点点数据、Semrush、广大大等三方平台，可能与真实数据中存在一定误差，仅供参考。