Vozo AI是什么？
由美国 Honeybee Technology Ltd 运营的 AI 视频翻译与配音工具。可将视频翻译成 165 种语言和口音，提供还原说话者声音的声音克隆（VoiceREAL）、让口型配合译后音频的口型同步（LipREAL）、连幻灯片和字幕条等画面文字也能翻译的视觉翻译，以及翻译字幕和双语字幕生成。提供日语官网和界面。Free（0 美元・20 试用点数）、Creator 每月 29 美元、Studio 每月 99 美元，Enterprise 单独报价。仅限 18 岁以上用户。
可解决的业务课题
「Vozo AI」的服务详情
Vozo AI 是什么？
Vozo AI 是由美国 Honeybee Technology Ltd 运营的 AI 视频翻译与配音工具。只需上传视频并选择目标语言，即可自动完成转写、翻译、AI 配音和字幕制作。官网上的产品名称为"Vozo AI Video Translator（Vozo AI 视频翻译）"。
它的特点是能把声音、口型和画面一起翻译。它提供还原说话者本人声音的声音克隆"VoiceREAL™"、让口型配合译后音频重新生成的口型同步"LipREAL™"，以及能擦除并重绘烧录在视频里的文字（如幻灯片、字幕条）的"视觉翻译（Visual Translate）"。官网将视觉翻译标注为"Vozo 独有"功能。
翻译与配音支持 111 种输入语言、165 种输出语言和口音（以官方定价页的标注为准）。Vozo 提供日语官网和日语操作界面，可以把日语视频翻译成英语或中文，也可以把海外视频翻译成日语。据官网介绍，全球 40 多个国家和地区的 700 多万创作者和企业在使用它。
仅限 18 岁以上用户使用。使用条款（2026 年 7 月 27 日修订 v3.1）规定，未满 18 岁者不得使用或注册本服务。
使用方法
- 上传 上传视频或音频文件，或粘贴 URL。官方页面称支持从 YouTube、Google Drive、TikTok、Zoom 等平台的 URL 导入。
- 选择语言和配音模式 选择目标语言。一个项目可以同时导出多种语言。配音可选择保留本人声音的"VoiceREAL"，或注重像本地配音员一样清晰易懂的"VoiceNATIVE"。可按需开启口型同步和视觉翻译。
- 在校对编辑器中检查和修改 可以逐行修改译文，调整配音的停顿、发音和情感，并合并、拆分片段或调整时间轴。可实时预览效果。
- 导出 满意后，导出并下载已配音的视频或字幕文件。
来源：Vozo AI 官网（下图同）
功能
01翻译与配音
- 视频翻译与 AI 配音 — 支持 111 种输入语言、165 种输出语言。可处理最高 4K 的视频
- VoiceREAL™ — 在保留情感、语调和语速的同时，用另一种语言还原说话者本人的声音。适合 Vlog、剧集和访谈
- VoiceNATIVE™ — 生成像目标语言母语者一样清晰自然的语音。适合产品演示、广告和培训视频
- 术语表与翻译提示词 — 用术语表统一产品名称和专业术语的译法，用自定义翻译提示词指定文体和礼貌程度。术语表需 Studio 及以上方案
02口型与画面的翻译
- 口型同步（LipREAL™） — 按译后音频调整每位说话者的口型。支持多人说话的视频，可与配音搭配使用，也可单独使用
- 视觉翻译 — 检测并擦除画面上的字幕、标题、标签、注释等文字，在保留版式、风格和动效的同时用新语言重绘。支持 58 种输入语言、165 种输出语言，每个文件最长 20 分钟（输出 1080p）
03字幕及其他工具
- 字幕翻译 — 一键生成翻译字幕或双语字幕，可导出为字幕文件或烧录进视频。也支持上传 SRT / VTT 文件，或通过 OCR 读取已烧录的字幕
- 语音工作室 — 基于文本的音频编辑、声音克隆，以及使用 12,000 多种音色库的文字转语音（29 种语言）
- 会说话的照片・AI 短视频生成 — 把照片变成会说话的视频，或从长视频中剪出短视频（短视频生成仅支持英语）
- API・AWS Marketplace — 付费方案可使用 API。企业也可以通过 AWS Marketplace 购买
价格
免费的 Free 方案可以试用全部 AI 工具，最多 3 个项目（注册时无需信用卡）。付费方案为美元计价的月度订阅，选择年付更划算（定价页显示最高优惠 25%）。
| 方案 | 月费（美元・含税） | 每月 AI 点数 | 主要内容 |
|---|---|---|---|
| Free | 0 美元 | 20（试用・注册后 7 天内有效） | AI 翻译最多 3 个项目。约 6 分钟配音、约 2 分钟口型同步、约 2 分钟视觉翻译。单个视频最长 20 分钟 |
| Creator | 29 美元 | 150 | AI 翻译不限量。约 50 分钟配音、约 15 分钟口型同步、约 15 分钟视觉翻译。单个视频最长 60 分钟，无水印，API |
| Studio | 99 美元 | 600 | 约 200 分钟配音、约 60 分钟口型同步、约 60 分钟视觉翻译。3 个席位，单个视频最长 120 分钟，批量上传，术语表，高速处理 |
| Studio XL / XXL | 请查看定价页 | 1,500 / 4,000 | 约 500 / 1,330 分钟配音。6 / 10 个席位 |
| Enterprise | 单独报价 | 单独 | 专属客户经理、SLA、合同与企业发票、不将数据用于 AI 训练、可选专业人员审校 |
价格以 2026 年 10 月时官方定价页（日语版）为准。表中"约〇分钟"是官方给出的参考值，实际消耗的点数因处理内容而异。另外，iPhone 应用"Vozo AI"的应用内购买体系与网页版不同，销售方为 VISTRING TECHNOLOGY HOLDINGS LIMITED。
使用时的注意事项
01使用声音和面孔的权利
- 取得本人同意 — 使用条款要求用户就上传视频中出现的人物使用其姓名或肖像一事，取得本人的书面同意或许可。克隆他人声音或改动他人视频的口型时尤其需要注意
- 著作权 — 翻译并再发布他人拥有权利的视频，需要取得权利人的许可
02数据的处理
- 托管在美国 — 根据使用条款，本服务托管在美国，从其他地区使用时数据会传输到美国
- 是否用于 AI 训练 — 在定价页上，"不将您的数据用于 AI 训练"是作为 Enterprise 方案的项目列出的。处理机密视频时，请在签约前确认数据的处理方式。官网称已符合 SOC 2 Type II 和 GDPR
03检查成品
- 发布前由人工确认 — 专有名词和专业术语的误译、配音停顿不自然等问题，最好在校对编辑器中修正后再导出。使用术语表可以统一译法
优点与缺点
优点
- 除了配音、口型同步和字幕，还能用同一个工具翻译烧录在画面中的文字
- 可根据视频在保留本人声音的配音和母语风格的配音之间选择
- 提供日语官网和操作界面，免费方案无需绑定信用卡即可试用
缺点
- 价格以美元计，以其他货币计算的负担会随汇率变化
- 采用 AI 点数制，大量使用口型同步或视觉翻译时需要升级方案或额外购买点数
- 付费方案不退款，明确承诺不用于 AI 训练的仅限 Enterprise
评价与口碑
官网展示其在软件评测网站 G2 上获得 4.6/5 的评分，并获得 Product Hunt AI 类别的"月度第一产品"。官方案例中介绍了这样的客户评价："不到一周就把 50 多个培训视频配音成 6 种语言，与外包相比节省了 1.2 万美元以上。"不过，这些数字均来自运营公司。配音的自然程度和口型同步的精度会因视频内容（说话人数、面部角度、是否有背景音乐等）而不同，因此先用免费方案测试自己的视频，再选择付费方案更为稳妥。
常见问题（FAQ）
Q. Vozo AI 可以免费使用吗？ A. 可以。有免费的 Free 方案，注册时会获得试用 AI 点数（20 点，7 天内有效）。AI 翻译最多可试 3 个项目，配音可试约 6 分钟。若要无水印导出，需要 Creator（每月 29 美元）及以上方案。
Q. 支持日语吗？ A. 支持。有日语官网和操作界面，可以把日语视频翻译、配音成其他语言，也可以把其他语言的视频翻译成日语。
Q. 能用我自己的声音配外语吗？ A. 可以。选择"VoiceREAL"模式，即可在保留原说话者的声音、情感和语速的同时，用目标语言配音。
Q. 可以取消订阅或退款吗？ A. 可以随时在"订阅管理"中取消，计费周期结束前仍可使用。付费方案目前不予退款。
Q. 运营公司是哪家？ A. 是在美国特拉华州注册的 Honeybee Technology Ltd（据使用条款）。官网介绍其在硅谷（加利福尼亚州桑尼维尔）设有据点，并由来自 Google 和 Microsoft 的工程师与研究人员开发。
Vozo AI 与 Rask AI、HeyGen 等其他 AI 视频翻译的区别
| 服务 | 特点 | 收费方式 |
|---|---|---|
| Vozo AI | 以视频翻译为核心。两种配音（还原声音的 VoiceREAL 与母语风格的 VoiceNATIVE）、口型同步、重绘画面文字的视觉翻译 | 免费方案＋每月 29 美元起（AI 点数制） |
| Rask AI | 专注于 130 多种语言翻译与配音的 AI 本地化。声音克隆、多说话人识别、口型同步 | 免费试用＋Creator 每月 60 美元起（按分钟数） |
| HeyGen | 以生成 AI 数字人说话的视频为核心。也提供 175 种以上语言的翻译（含口型同步） | 免费方案＋Creator 29 美元起 |
| Weydub | 去除烧录字幕和 Logo、生成字幕、AI 配音、翻译图片中的文字。最多 100 个视频批量处理 | 一次性购买点数包（10 美元起） |
| ElevenLabs | 以高品质 AI 语音和声音克隆为核心。也提供配音和语音识别 | 免费方案＋每月 6 美元起 |
如果想把幻灯片和字幕条较多的讲解视频、培训视频、商品视频连同声音和画面文字一起多语言化，Vozo AI 是值得考虑的选择。如果想从脚本生成数字人视频开始，可以比较 HeyGen 或 Synthesia；如果最看重旁白音质，可以看看 ElevenLabs。
本页信息截至 2026 年 10 月，依据 Vozo AI 官网（日语版首页、视频翻译页、定价页、About、使用条款）及 App Store 页面。最新规格与价格请以官网为准。
