对话嘉宾：ListenHub 创始人 橘子
对话背景：月前，Pollo.ai 拿下千万美元融资，而今日， ListenHub 也拿下了 200 万美元融资。两个产品都没有做自研模型，创始人也都不是典型的技术或者大厂出身，都是非典型的 AI 应用层创业，这个在 2024年“质疑”声很大的模式，在 2025 年却结出了不少的果实。
本次对话 ListenHub 创始人，希望探究 ListenHub 切入市场的方式、差异定位、以及对于 AI 音频赛道的思考，对 AI 创业的感悟。
出品 | 白鲸出海编辑部
作者 | 张凯然
编辑 | 殷观晓
今天，ListenHub 官宣完成 200 万美元天使+轮融资。
8 月份，在选题中，我们观察过 ListenHub，但当时分析下来，AI 播客很难跟真人播客竞争，虽然入局者众多、资本也愿意押注，但能跑出来的产品几乎没有。而 ListenHub 的思路与其他产品很不一样，并不是给 c 端消费的，是给 Pro 用户的创作工具。
AI 音频创业，除了 Suno、Speechify、Elevenlabs 等最早入局，并占据各自细分方向头部位置、拿下用户心智的产品，甚少有亮眼的产品跑出。如之前我们看到的无论大厂、还是明星创业者，做的音频产品都无甚水花。（ 可参阅选题《前百川联创下场、字节腾讯入局，「AI 小宇宙」正在被集体押注？》）。
而 4 个月过去， ListenHub 却声量颇大，不仅陆续更新了 FlowSpeech（书面语转口语语音）、解说视频、PPT 等多个新功能。而且，2026 年 1 月 1 日，ListenHub 宣布完成一笔 200 万美元“天使+轮”融资，由天际资本领投，小米联合创始人王川跟投。根据创始人橘子的说法，ListenHub 的年经常性收入（ARR）已经突破 300 万美元，并达到了月度盈亏平衡。
但是，细看 ListenHub 的核心功能，无论是 AI 播客，还是后续扩展的 FlowSpeech、解说视频、PPT 等功能，都并不算独特，无论是通用 AI 产品、还是音频赛道的其他产品都有所覆盖，技术上也并不存在什么壁垒。
ListenHub 背后的创始人橘子老师，也是一个“非典型 AI 创业者”。刻板印象中 AI 创业者都是大厂出身或者“技术大牛”。而橘子老师口中的自己，是全校第一的高中理科生，却在大学的时候转向语言学科，研究起了表达的艺术。而在创业者之前，橘子老师最为人所知的身份是一个“AI 媒体博主”，全网粉丝超过 20 万。
这一次通过与橘子老师的深入交流，让我们得以一窥“站在技术与人文交叉口”的 ListenHub，如何看似平平无奇，却能够在惨烈竞争中杀出重围。
白鲸出海：此前您在 MiniMax 工作过一年多时间，完整经历了 AI 发展最快的时间段，去年年末又开始创业，您为何会决定创业？又为何选择了音频方向？
橘子：我们在 Hailuo AI 里面其实做过很多尝试，比如语音电话、声音克隆等，在这个过程中会发现 AI 语音是非常重要的一种模态，比文字模态更贴近用户最自然的状态，用户在打字交流的时候很难描述自己想法，但却能靠语音跟 AI 聊得很好。
我认为，随着技术技术越好，人的交互应该是越来越简单，回到人们最初交流的样子，也就是语音，所以到了 2024 年底，看到大量团队投身于语音底层模型的研发，这不仅印证了趋势，也坚定了我们在音频赛道探索的信心，从而开启了这段创业旅程。
白鲸出海：从我们的观察与您之前的一些分享看，ListenHub 是坚定走创作者工具路径的，而没有像其他 AI 音频创业产品一样把内容分发作为重点。然后，在 AI 生成播客之外，又陆续更新了 FlowSpeech（书面语转口语语音）、解说视频、PPT 等细分功能，您为何会坚定选择创作者工具？又如何选择这些细分功能？
橘子：公司成立时我们的定位就是要做语音交互，而交互是由“输入”和“输出”两部分组成。我们观察到，播客场景中，用户去交互的欲望其实不大，比如 NotebookLM 的 AI 播客是允许用户与 AI 对话的，但是无论是我还是我调查的其他用户，其实很少人会使用这个功能，在使用过程中，用户只想听，基于这个观察，我们今年决定还是以“输出”为主。
而要做到高质量的‘输出’，单纯靠 AI 生成往往缺乏灵魂。我们需要技术与人的结合——技术负责效率，内容质量则需要人的审美来把控。我们意识到，只有赋能那些对内容有追求的创作者，让他们用好 AI，才能最终产出用户真正爱听的内容。所以 ListenHub 自然就选择了和‘创作者’站在一起，做他们的提效工具。在未来，我们会持续拓展功能，覆盖更多高价值的语音场景，慢慢将 ListenHub 打造成一个综合音频创作生产力平台，它不仅可以帮用户去做播客，还可以变成口播内容、甚至是带语音讲解的 PPT、带画面的讲解视频，这其实都是很自然的过程。
白鲸出海：但 get 到这个自然的过程，其实需要对创作流程有深入的了解。您本人作为创作者的经历是不是有很大的帮助？另外您之前在其他场合说过，语音公司其实处于“技术与人文的十字路口”，能展开讲讲吗？在建立团队时会看重成员们的人文素养吗？
橘子：我高中的时候其实是理科生，而且是全校第一的理科生，但我在大学的时候就会觉得说我只是懂数理化，但没有办法做出一个很好的产品，所以大学就主动选择了语言方面的专业，我会觉得语言是非常本质的一个东西。对于一个产品来说，就算功能一样，它的讲述方式不一样，也会有非常不同的效果，所以语言是核心点。后来我做的事情，无论是做营销、自媒体、还是创业之后和用户交流，也全部建立在语言的基础上。
在公司中我也会去寻找一些懂内容的人，能将如何做内容的一些 Know How 融入到我们的产品中，而不是纯以技术为导向。而我们公司的组织文化，也很重视大家的“Work Life Balance”，鼓励大家有自己的生活、有自己的爱好，比如我们团队 15 个人中有 4 个都是二次元，运营和内容团队的同事也是对生活非常有热情，会尝试各种各样的东西的人，我觉得这样的团队能给产品带来活力。
白鲸出海：从 ListenHub 的产品迭代时间线看，是从 AI 播客起手，再到口播、视频，进行横向的扩展，您怎么确保新功能能够匹配用户的需求？
橘子：播客的本质是把“文字转化成通俗易懂的语音”，降低内容消化的门槛，其实后面做的口播、视频也是一样，只要内容消费门槛足够低，就会有传播、有流量，这是大方向。
而聚焦目前，我觉得最重要的是“跟用户做朋友”，因为我本身做自媒体，就是一个创作者，所以起初是我需要这个东西，然后我们会去确认，用户是否也需要这个东西，而“北极星指标”就是用户是否付费，在推出新功能之后，我们会发到用户群里，去观察他们的行为，如果付费还可以，那这个功能就值得做。
实操层面，则需要快速迭代、快速验证用户需求。其实在技术层面，快速迭代现在已经很容易做到了，AI Coding 工具的能力已经很强了，可以大大缩短开发的时间，比如前段时间 Nano Banana 2（Pro）发布时，我们一位工程师仅用了 5 分钟，就让产品适配了新模型。
而与技术适配，我们在组织架构上也进行了“AI Native”改造。这方面，我们探索出了一种“端到端全栈工程师（End-to-End Full Stack）模式“，工程师们不仅是要开发前后端，更是要把产品设计、开发测试、最终决策一肩挑。我们的组织像是个灵活的“任务酒馆”，不用通过层层审批，只要有想法，一个人就是一个军团。
而快速验证则正好是我们的强项，因为我全网有 20 万粉丝，可以快速拉群，找到用户来进行体验，得到反馈。“人有冗余，一人成军，开发、验证快”这个循环才能真正转起来，我们现在产品的迭代就是以“天”为单位的。
白鲸出海：您觉得对 AI 产品来说，快速上线、快速落地、快速验证，是切入市场的关键？
橘子：没有人能保证创业 idea 能成功，所以肯定需要多次尝试，一年尝试 2 次和一年尝试 100 次，成功率肯定不一样。我觉得在大方向没错的前提下，所有可能性都应该尝试一遍，特别是今天 AI Coding 能力这么强，迭代速度不成问题的情况下。
而另一方面，已经成为既定事实的是，AI 产品切入市场的时间与宣发都与模型的发布密不可分，比如 Manus 对应的 Claude 3.7 的发布，Cursor 对应 Claude 3.5、Lovart 对应 GPT-Image-1 等等。
应用公司离不开模型，但如果模型发布之后，应用公司没有能在第一天做出一些小尝试去吸引用户的话，就很难获得流量红利。比如，11 月 20 日 Nano Banana Pro 时，全球社群好像没有第一时间关注到这个更新，但我们捕捉到了“静默的红利期”，花了 5 分钟的时间完成了适配，成了世界上第一个上线该模型的网站，所有的 KOL、流量都只能汇聚到我们这里，我们就吃到了这个流量，没花一分钱就获取了 20 万用户。
白鲸出海：很多创作者都更喜欢 all in one，您其实在产品迭代时也在横向扩展，甚至通过独立产品的形式上了 AI 生图、AI 音乐等等功能，您觉得大公司、创业公司，都在做 All in One，ListenHub 的壁垒在哪里？您怎么看您跟大厂产品之间的关系？
橘子：我觉得大家喜欢 all in one 没有问题，一个场景中间用到的所有工具都应该提供，但不同工具箱所服务的群体是不同的。我们服务的是以前没有创作能力，但是很有表达欲的人群，其实这是创作者增量的部分。而且，在实践中会发现，如果把工具的使用难度降低一个等级，就能获得 10 倍的用户增量，而且我们和用户交流时会发现，用户对 AI 的使用习惯，和 AI 圈子里的认知很不一样，综合下来，我们会把差异点定位到 easy-to-use。
而在壁垒这个问题上，我认为创业公司与大公司的角度是不同的，大公司的壁垒其实是提供给巴菲特来选股的，他要从 1 万家公司里选出 20 个来投资，当然看重护城河。但创业公司需要在别人的护城河里找到突破点，这个过程没有护城河，Timing is everything。5 月 19 日 ListenHub 刚发布，第二天豆包就发了 AI 播客的预告，其实我们领先大厂的时间差只有 1 天，但这 1 天就是生死线。
商业的本质其实就是用最少的资源得到最多的用户，嗅觉、迭代速度、增长速度才是真正的护城河。
白鲸出海：上面我们谈了很多“形而上”的话题，那么在实操层面，ListenHub 是如何在早期预算有限的情况下，完成冷启动的？
橘子：那时候是被逼出来的“全员营销”，因为没钱投流，其实就靠“人肉”，我把所有做自媒体积累起来的私域资源—X、公众号、视频号、即刻，甚至是一个个微信群、各种 KOL 的联系方式，全部用上了，虽然没花一分钱，但那次宣发的总曝光超过了百万。
而且，我们敢于发布“不完美的产品”。ListenHub 刚上线时完成度可能只有 30%，甚至没有付费系统，但对于 AI 产品来说，“在场”比“完美”更重要，虽然初期流失率高，但通过这半年的打磨，我们现在的用户流失率相比最初已经下降了 10 倍。
白鲸出海：回顾创业这一年，您有什么收获吗？
橘子：最大的变化是对“速度”的理解。年初为了融资，我们走了 4 个月的流程，而 AI 的热点周期只有 2 周。“AI 的世界很快，但创投的世界太慢”，这种错位会拖死创业公司，所以我们后来的策略是：不要盯着 VC 的钱，要盯着用户的钱。
白鲸出海：在 ListenHub 之外，您还做了不少独立的站点，比如刚才谈到过的 AI 生图、还有 AI 音乐等等，您怎么看这些产品和 ListenHub 的关系？
橘子：我认为这些事情就是在搭积木，未来要做交互的话，其实音乐、图像等模态的内容都不可或缺。所以，我们会通过这种方式验证不同模态的内容，而操作方法就是先去做一个很小的产品，如果产品能闭环、用户肯付费，我们就会把它吸收进 ListenHub，比如 AI 音乐功能 1 月份就会在 ListenHub 中上线。
通过这些能力的慢慢扩展，其实 ListenHub 也会扩展用户群体，比如明年可能会服务更多的学生人群或者教育工作者，AI 有个本质叫“Context Remix”，ListenHub 就要把这一点发挥到极致。
白鲸出海：ListenHub 从音频切入，现在又开始涉足 PPT 讲解、解说视频，这是否意味着你们要换赛道？视频功能的用户付费意愿真的强吗？
橘子：ListenHub 的初心是让大家能够听见好奇心。因为好奇心是人类作为创造者最重要的特性，音频是我们的强项，但并不会因此就给自己设限在纯音频领域。就像音频播客的发展趋势是视频播客一样，我们的产品也从纯音频发展成为视频，从听见到看见，既是行业发展，也是人类真实的需求。
所以在付费层面，我们并不担心。之前我给某知名媒体人演示我们的新功能：把他的播客直接配上 AI 插图和 PPT 转成视频。我问他：“如果把你的播客变成视频，成本 600 块钱一个，你愿意付费吗？” 他当时毫不犹豫地说：“给我先来 5 个！”
这背后的原因也很简单，视频的传播范围确实是远远超过音频的。
白鲸出海：理解下来，无论是播客、FlowSpeech，还是 AI 音乐、生图、后续的视频，都是一个阶梯，用它们来打磨自己的技术，去了解创创作者真正需要什么，为最终做交互来做准备，这样理解对吗？具体来看，您对 ListenHub 的未来愿景是什么？
橘子：从技术角度是这样的，但真正难的其实是环境，就是怎么让用户能够打开产品，他就知道要做什么，我们打开一个通用产品，发现它好像什么都可以做，但又不知道哪些任务能做好。张小龙在《微信背后的产品观》中写道“人是环境的反应器”，但今天所有通用产品都没有构建好这个环境。
未来的话，我们会从内容输出、慢慢扩展到输入，让 AI 去和用户交流，从中获得他的记忆和其他信息，并以此为基础去控制用户的设备，还可以给他提供各种基于语音的内容，其实扩展空间还是非常大的。
我们很多时候聊语音，就单纯地把它理解成语音，但是语音其实包含了文本、加上画面就是视频，是语言的核心叙事逻辑，所以语音公司更需要把所有 AI 能力都拿来用，才能做好这件事情。我觉得，这三年的 AI 从来没有让我们失望过，每一年都会有非常惊喜的东西，技术肯定会越来越好，但更重要的是环境，大家更需要的不是多复杂、而是多么简单，本质还是“做最简单的工具”，这种环境的构建，也回到了我们的定位 easy-to-use，我们在 12 月份计划重构我们的网站，把它设计成用户能理解的简单形态，未来我们也会持续在这方面优化。
白鲸出海：语音其实是一个偏陪伴性质的媒介，所以其实在您的愿景当中它并不只是一个“工具人”帮用户提效，还需要有一些“人文温度”，从这个角度，您怎么看做交互这个愿景？
橘子：要做到“人文温度”，一定是既要技术好，又要能够去了解人的心理，构建长期关系。而这种关系肯定是通过长期的交互、且 AI 逐渐越来越懂用户，然后才能将情绪情感上的东西交付给用户，其实这是很自然发生的一个事情，不是玩一场游戏、角色扮演那种浅层的陪伴。
在技术层面，只要把足够的信息输入给 AI，它理解力应该是超越了大部分人类的，现在有时候人们会觉得 AI 理解情感弱，其实是缺乏相关的信息，所以我们最近尝试做了一个“面试教练”，用户可以和 AI 去锻炼面试流程，AI 会实时给出反馈，比如语速、语气，还有一些表达方式等等，聊完之后还会把这些聊内容记下来，了解用户的过往经历，未来可以给用户提出一些个性化的建议和启发，我觉得这是我们探索交互的一个很好的起点。
推荐阅读
