AI 分析
痛点：现有 AI 视频配音工具会把多人访谈/播客统一配成同一个声音，无法按说话人保留各自音色并处理交叉对话、短反应和时间对齐。
目标用户：需要翻译配音访谈、播客、talk-show 的 YouTuber、播客创作者、内容本地化团队和跨境内容运营者。
证据：Then YouTubers started dubbing interviews and podcasts, and the feedback was always the same: everyone in the video ended up with one voice. The host and guest were clearly two people on screen, but the dub sounded like one person doing all the parts.
变现：按分钟计费的 SaaS 订阅，多说话人检测作为 Pro 功能；提供免费试用额度，并按导出时长、语音克隆或团队席位分层收费。
MVP：两周内用现成 diarization、翻译和 TTS API 做 MVP：先只支持 2 人轮流说话的访谈视频，上传后自动分轨、允许手动纠正说话人归属、为每个说话人绑定音色，生成带时间对齐的配音并导出。
竞品：HeyGen、ElevenLabs Dubbing、Rask AI、Dubverse、Papercup
摘要：一位独立开发者给自己的 AI 视频翻译配音工具新增了多说话人检测，起因是 YouTuber 反馈访谈和播客配音后主持人与嘉宾都变成同一个声音。作者指出真正难点是说话人归属，包括抢话、短反应、相似音色和翻译后时长变化，重叠说话仍在调优。该帖验证了多人内容配音痛点，但未给出收入或明确付费数据，且赛道已有多个成熟竞品。