Qwen3-TTS配音成本暴跌50倍 普通人怎么靠AI配音接单赚钱
今天下午等外卖，骑手电话打进来，语音提示那一声「您的餐已送达」，听着像合成的。晚上刷HN，正好撞上一篇169分的帖子。给我看愣住了。。。
Nari Labs把Qwen3-TTS 1.7B跑到了单卡H100上。p95首包音频不到50毫秒，满载大概100万字符2美元。ElevenLabs V3现在是100万字符100美元，Cartesia Sonic 3.5是49美元。
差了五十倍。？？？
评论区有人拿RunPod随便试了一把，大概4美元，十二秒出声。也有人吐槽，二手4090两三千美元，家里人用不上十路并发。我非常理解这种感觉。你不是去租机房的，你就是想接配音单，不想跟显卡较劲。
但这个数字对做副业的人太硬了。成本从100掉到2，中间那截，全是毛利。
说真的，Qwen3-TTS配音成本暴跌这件事，对普通人靠AI配音接单赚钱，窗口开得挺直白。三个方向，从低到高。
方向一，短视频和口播配音，最好上手。
我之前写过一篇用AI给短视频配音，那会儿最大的痛就是接口贵。你想想看，知识口播、课程旁白、有声书试听，客户听的是稳不稳、像不像人，不关心你调的哪家接口。ElevenLabs一分钟几块钱，量大就肉疼。换成开源Qwen3-TTS，按字符算几乎可以忽略。流程我在AI配音教程里拆过一遍，现在只是把底层从贵的换成便宜的。
方向二，给本地商家做语音客服话术包，利润上一个台阶。
欢迎语、排队提示、下班留言，以前找配音员一条几十到几百。现在用CustomVoice克隆店长自己的声音，一次做好，按月收维护。这跟我在AI语音客服搭建服务里聊的是一条路上的另一段，电话那头要出声，出声就要TTS。RunPod这种按小时租卡就行，不用自己买H100。怎么说呢，商家要的是店长的嗓子别断，不是你的机房。
方向三，最炸的，白标TTS按字收费。
坦率的讲，这是我最想聊的。你把Nari Labs开源的实现包一层行业模板，卖给不会部署的工作室。有声书工作室、短视频MCN、培训机构，他们现在付ElevenLabs的价。你按2美元成本报价20到30，还是便宜一个数量级。HN上有人想给RPG跑团做实时变声，这种垂直场景才是真值钱。你不是卖模型，是卖一个能出声的生意。
肯定有人问，开源TTS听起来像机器人吧。以前是。现在CustomVoice加上低延迟，客服和口播够用。精品广告片还是请真人，别硬上。我自己还没上H100跑过，RunPod那条路径更贴近普通人。
我一直觉得，AI这行赚的是时间差。配音这个行当贵了十年，突然被开源打穿。看新闻的人只会说一句哦便宜了，动手的人已经把差价写进报价单了。反正我觉得，这个窗口不会一直开着，等云厂商把价格打平，信息差就没了。
下次再听到「您的餐已送达」，你不妨想一下，那可能已经是店家自己的嗓子。
大时代啊，朋友们。磨平一些信息差。
常见问题
Qwen3-TTS配音成本比ElevenLabs便宜多少？
Nari Labs在单卡H100上把Qwen3-TTS 1.7B跑到满载约100万字符2美元，ElevenLabs V3是100美元，Cartesia Sonic 3.5是49美元，差大约50倍。首包音频p95不到50毫秒，实现已开源。
普通人怎么用Qwen3-TTS做AI配音接单赚钱？
三个方向。一是短视频和课程口播配音，把ElevenLabs换成开源Qwen3-TTS，按单报价毛利变厚。二是帮本地商家做语音客服话术包，用CustomVoice克隆店长声音，按月收维护。三是白标TTS按字收费，把开源实现包一层行业模板卖给有声书工作室和MCN。
Qwen3-TTS做配音副业需要自己买显卡吗？
不用。HN评论区有人用RunPod按次租卡，大概4美元就能试一通。接单阶段按小时租云GPU就行，家里不必上H100或4090。精品广告片仍建议请真人，客服和口播场景开源TTS够用。
这篇教程解决一个具体问题。如果你想要一个不需要粉丝、AI 直接出图、已有人拿到收益的方向，可以看贴图项目的学员最近在做什么、拿到了什么结果。
扫码加微信回复「贴图」，发你最近的学员收益截图和起号检查表；已经在做的，欢迎把结果或卡点发到 [email protected]。