播客录制与编辑平台Podcastle正式加入AI文字转语音（TTS）赛道，发布自研AI模型Asyncflow v1.0，并同步开放API接口，支持开发者将TTS模型直接集成至自有应用中。
低成本技术构建竞争壁垒
依托新模型，Podcastle可提供超450种AI声音用于文本朗读。公司强调，其通过优化训练与推理成本实现技术突破，从而在ElevenLabs、Speechify及WellSaid等竞品中建立差异化优势。该技术广泛适用于营销广告、内容创作、教育及企业培训等场景。
Podcastle创始人Arto Yeritsyan向TechCrunch透露，尽管团队自成立起便致力于研发高性能TTS模型，但高昂的训练成本与数据需求曾是主要瓶颈。“得益于大语言模型的演进，我们于去年取得关键突破，实现了低数据依赖下的高质量语音模型构建。”他表示，公司去年完成的1350万美元A轮融资也为该项目的推进提供了重要支撑。
价格策略与功能升级
在定价方面，Podcastle每500分钟TTS转换收费约40美元，显著低于ElevenLabs同类服务的99美元。同时，声音克隆功能迎来重大升级：训练所需录音从原先的70个句子缩短至数秒，并整合了去年发布的Magic Dust AI以提升音频质量。
实测显示，新版克隆语音虽能还原语调，但仍略显机械感；官方表示将持续优化，且支持多样本训练以获取多样化效果。
Yeritsyan指出，除成本优势外，Podcastle正通过重构网站整合音频、视频、播客及AI旁白工具，打造一体化内容生产平台。目前用户仍以音频处理为主，但视频功能的使用率正快速增长。