先认清这次比较的具体产品
这次比较的是七家可以处理视频翻译或译制交付的具体产品。阿里云对应 IMS，腾讯云对应 MPS，讯飞对应讯飞译制，均不以各自的通用文本翻译或语音识别接口代替。字幕级只更换文字，配音级还要替换声音，口型处理则进一步修改嘴部画面。
七家产品分别把能力放在哪里
下面的官网页面展示了七家产品各自的入口和工作方式。结合语言、编辑、批量处理和价格一起看，更容易判断哪一类产品适合自己的素材与团队。
支持多少种语言，要分识别、翻译和声音来看
| 具体产品 | 官方公开范围 | 对选型的影响 |
|---|---|---|
| GhostCut 译制出海 | 首页将 ASR/OCR 字幕识别合述为100多种语言；超真实配音描述为欧美、日韩、东南亚等数十种语言。 | 确认目标语是否有你准备使用的配音档位；不能把识别总数当成声音克隆总数。 |
| VOZO | 价格页 Translate & Dub 表列111种源语言、165种目标语言；首页使用160+的概括口径。 | 先按源语言和目标语查功能表，再选择 VoiceREAL 原声音色或 VoiceNATIVE 本地化声音模式。 |
| 阿里云 IMS | 参数表按来源与翻译层级列语言。字幕级目标语包括英语、日语、印尼语、西班牙语、葡萄牙语、阿拉伯语等。 | OCR、ASR、外部SRT的源语言范围不同，语言参数应随输入模式一起确定。 |
| 腾讯云 MPS | 高情感克隆配音的译制列表列中文、英语、日语、韩语、德语、印尼语、阿拉伯语、越南语、泰语、粤语等源与目标语言。 | 此列表对应高情感克隆模式；标准音色页面说明仍有内测入口，不能套用同一权益。 |
| 讯飞译制 | 具体产品首页列17种源语言识别、16种字幕翻译语言，并举英语、日语、韩语、俄语等。 | 识别与翻译数量不同；听见门户仍有14种语言旧文案，本篇采用具体产品页。 |
| Rask AI | 视频翻译页列135+语言和方言，声音克隆另列32+语言。 | 可翻译目标语不等于可以保留原说话人的克隆声音。 |
| Maestra | Video Translator 列125+语言，举西班牙语、法语、德语、日语、葡萄牙语、阿拉伯语等。 | 字幕、普通配音、Pro声音和口型仍需分别检查套餐额度。 |
语言原始口径见VOZO功能表、IMS参数表和MPS译制列表。同一目标语里，字幕措辞、口语配音和发音地区仍然是三个不同的选择。
例如一部中文短剧要做英语、西班牙语和阿拉伯语：三家产品都显示支持这些语言，并不代表三条制作路线完全相同。英语可能同时需要字幕与原声克隆，西语只交可编辑 SRT，阿拉伯语还要检查文字方向和地区口语。先把每个目标语的交付物写清，语言数量才会变成有效的筛选条件。
七家各自省在哪一步，哪一步仍要团队接手
| 产品 | 具体流程与优势 | 选择前要处理的事情 |
|---|---|---|
| GhostCut | 建项目、上传剧集、组织角色与术语，再按素材执行擦除、翻译、配音和合成；可批量下载字幕版、配音版与无字幕版。 | 跨集人物关系需要先审定；已有净版和准确字幕时，跳过重复提取和擦除。 |
| VOZO | 支持SRT/VTT和OCR输入、术语表、译前校对；Visual Translate 还可编辑画面文字的样式、动画和时序。 | Visual Translate帮助页要求先导出，再传入配音或口型工具；这一交接应计入制作时间。 |
| 阿里云 IMS | 视频/SRT输入、多目标语输出、热词转译和二次编辑；与OSS/VOD媒资体系连接。 | 需要选择服务地域与翻译层级，首次任务开启SupportEditing才能保留后续语音修正路径。 |
| 腾讯云 MPS | 控制台场景应用和ProcessMedia均可发起完整译制；已有净版及原文译文字幕时可只配音。 | 擦除、OCR/ASR翻译、配音、压制分项计费，存储另算；模板必须与素材条件匹配。 |
| 讯飞译制 | 字幕生成、在线编辑、多语翻译、背景音分离和原声克隆；另有人工字幕入口。 | 字幕生成和原声译制消耗不同积分；不能用字幕生成额度估算配音产量。 |
| Rask AI | 支持字幕、术语、提示词与声音控制，修改台词后可只重新生成相应片段配音。 | 批量、共享术语和审核分工与套餐相关；克隆语言覆盖小于翻译范围。 |
| Maestra | 同一编辑器切换语言，支持导入既有字幕、共享审校，输出MP4、SRT、VTT。 | 购买时要选配音或字幕类别；口型与Pro声音会改变可用分钟数和费用。 |
只交字幕文件时，字幕导入、术语与编辑体验更重要；有硬字幕又要配音时，才需要把擦除、声音和合成一起放到样片里。已有云工作流的团队不必为了一个网页按钮搬走媒资，小型制作团队也未必需要自己维护存储与任务系统。
价格要连同周期、有效期与功能档位一起看
| 产品 | 2026-09-10公开价格例子 | 预算口径 |
|---|---|---|
| GhostCut | 1000点189元，有效期180天；5000点699元，有效期365天。 | 按30秒单位计费，不足30秒按30秒；不同功能耗点相加，点数单价不是视频分钟单价。 |
| VOZO | Creator月付29美元/150点；Studio月付99美元/600点，列3席位、最多6个并发任务和批量上传。 | Studio列约200分钟AI配音或约60分钟口型/画面文字翻译，都是同一池点数的折算，不是可叠加赠送。 |
| 阿里云 IMS | 中国内地字幕翻译3元/分钟、语音翻译4元/分钟、面容翻译12元/分钟；文本翻译0.06元/千token。 | 视频翻译须购置IMS订阅服务；输出视频时长计费，不足一分钟折秒，失败不扣费。仅上传SRT走文本翻译计费。 |
| 腾讯云 MPS | OCR提取并翻译0.8元/分钟；FHD去字幕3元/分钟；压制字幕0.063元/分钟；高情感克隆v1/v2分别9/10元/分钟。 | 这些是不同项目的单价，应按开启项组合；日结默认按周期累计秒数后折分钟向上取整，COS费用另计。 |
| 讯飞译制 | 基础版19.80元/月240积分；高级版129元/月2600积分；页面另列阶段性加赠。 | 高级版展示162分钟字幕生成与翻译或27分钟原声译制等用途折算，不是每项各有一份额度。 |
| Rask AI | 年付档Creator为396美元/年、300分钟/年；Business为6000美元/年、6000分钟/年。 | 这两档按年付款并提供全年分钟池，适合按年度片量估算；价格变化时以购买页显示金额为准。 |
| Maestra | Voiceover年付折合月价Basic39美元、120分钟/月；Premium79美元、普通配音300分钟或Pro声音/克隆100分钟/月。 | Business年付折合159美元/月才列口型解锁，口型另计2美元/分钟；不要引用转录标签的价格采购配音。 |
价格入口：GhostCut VIP 点卡套餐；VOZO Plans & Pricing；阿里云 IMS 视频翻译计费；腾讯云 MPS 按量计费；讯飞译制商城与常见问题；Rask AI Pricing；Maestra Voiceover Pricing。
假设每月只处理一部十集短剧，点卡有效期和套餐剩余分钟会直接影响实际支出；若每周都有多部剧，批量、席位和并发能力又可能比表面单价更重要。比较预算时，把源片总分钟、擦除、字幕、配音、口型和存储逐项列出，再加入预计的改稿次数，得到的才是这部剧真正需要支付的制作成本。
用一份交付要求缩小到两三个候选
先写清源片是否有硬字幕、是否已有SRT、需要几个目标语、是否保留原人物声音。再拿含人名、多人对话和复杂字幕背景的同一片段，在候选工具里走完校对、导出、修改一句台词和再次导出。记录人工分钟数与实际扣费，比单看生成等待更能解释成本。
短剧角色与术语复用可重点看GhostCut；画面说明文字密集可看VOZO；需要接既有媒资和工程流程可看IMS/MPS；偏中文操作可看讯飞译制；课程与多语视频库可把Rask和Maestra纳入比较。它们可能在同一团队分工使用，无需强行选一个覆盖所有场景的冠军。
准备扩到多集以后，继续看批量本地化怎样按集按语言交付。