嫌老公拍照太难看,她做了个 AI 相机,教人摆姿势

Об этом предложении

马上就是十一长假,朋友圈摄影大赛要开始了。Superpose 正是冲着拍照来的:联合创始人 Melody Chu 的丈夫总把她拍得很难看,她和一位前 TikTok 员工做了一款 AI 相机,在现场教你怎么拿手机、怎么摆姿势,上线两个半月拿到 2 万次安装。 马上就是十一长假,朋友圈摄影大赛也要拉开帷幕了,今天分享一个应景的产品:Superpose,https://www.superposelabs.ai/ 出去旅行,一个重要的任务就是:出图。 今天分享的产品 Superpose 的联合创始人 Melody Chu 就遇到了这个问题。她在接受采访时说,自己的丈夫总是把她拍得很难看,她一直想不明白,对方到底是怎么做到每次都能把她拍得那么糟糕的。 于是,她和另一位前 TikTok 员工一起, 做了一款专门教人拍照的 AI 相机 ,就是今天的主角 Superpose。 它试图在拍照的现场就解决问题:告诉拍摄者手机应该怎么拿,告诉被拍摄者身体应该怎么摆,并且直接生成几张参考照片,让双方知道下一张应该怎么拍。 今年 7月初上线后, Superpose 在约 两个半月内 获得了超过 2万次安装,用户累计创建了超过 19万个生成结果。 9月15日,公司宣布完成 220万美元种子轮融资,美图也参投了。 01 前 TikTok 员工,决定解决一个拍照难题 Superpose 的两位创始人都曾在 TikTok 工作,但负责的领域并不相同。 联合创始人兼首席执行官 Melody Chu 是一位具有丰富 消费互联网 产品经验的创业者。 她曾先后在 Meta、Nextdoor、Roblox、TikTok 和 Slack 从事产品相关工作,在 TikTok 期间参与推出了 Creator Marketplace,也就是连接品牌与内容创作者的商业合作平台。 另一位联合创始人 Jing Liu 则有更深的 计算机视觉 技术背景。她曾是一家三维人脸扫描创业公司的创始工程师,后来在 TikTok 负责个性化图像和视频生成相关研究。 一个熟悉内容创作者和消费产品,一个研究过人脸与图像生成,两人的经历恰好与 Superpose 的产品方向一致。 Melody 在一个采访中解释了自己的创业动机。 她觉得,计算机视觉和生成式 AI 已经发展到了一个阶段,应该能够解决自己长期以来遇到的拍照难题,而不仅仅是让照片中的人变得更漂亮。 目前,许多 AI 图片产品已经可以让用户上传一张自拍,再生成几十种不同风格的照片。你可以穿上自己从未买过的衣服,站在从未去过的海滩,甚至拥有一组看起来非常专业的时尚大片。 但 Melody 想解决的,是人们已经站在真实的场景里,却不知道怎么拍出一张满意的照片。 公司在产品发布公告中,也明确强调了这一点: Superpose 的目标是帮助用户拍下自己真正经历的时刻,而不是创造另一个不存在的世界。 因此,它把产品定位得很窄, 主要服务于一至三个人的人像拍摄,优先解决旅行、约会、朋友聚会等场景中的拍照问题。 这个定位与一般的 AI 修图产品有一个区别:用户拍照时,往往还没有一张值得修的照片。真正的问题发生在按下快门之前。 02 先拍一张,AI 告诉你接下来怎么拍 Superpose 的使用流程并不复杂,但它将多项 AI 能力放进了同一次拍摄过程。 假设你和朋友正在旅行,想在一个漂亮的建筑前拍照。打开 Superpose 后, 应用首先会根据当前取景画面,对光线、拍摄角度和构图提供实时提示。 例如,拍摄者可以通过屏幕上的反馈,调整人物与背景的位置,避免画面过暗或者构图失衡。 根据苹果应用商店的产品说明,这部分实时指导直接在手机本地运行,不需要将画面上传到云端等待分析。 真正的 AI 生成环节,在拍下第一张照片之后开始。 用户可以先拍一张普通照片,再让 Superpose 根据这张照片 生成四张不同姿势的参考图。 公司宣称,这个过程通常不到10秒。 与提前在社交平台寻找摄影姿势不同,这些参考图会结合已经拍摄的场景、用户的穿着,以及人物在画面中的位置生成。 比如,你站在海边,AI 可以尝试生成侧身、转头、调整手臂或者改变站姿的几种方案。你不必拿着一张陌生人在巴黎拍摄的照片,再研究怎样把相同姿势搬到眼前的场景里。 用户选中喜欢的参考图后,可以将它固定在屏幕上,进入姿势指导模式。 系统会把提示分成两部分: 一部分给镜头前的人,包括手的位置、肩膀的角度和下巴的方向;另一部分给拍摄者,帮助其调整机位与取景。 它还提供姿势轮廓叠加功能,将参考图的人体轮廓直接放在实时取景画面上。 用户可以选择在手机本地快速生成的简化轮廓,或者显示四肢、手指和衣服形状的精细轮廓,再对照调整。 这样一来,两个人终于有了一张共同的参考图。被拍摄者不必再反复说“拍得自然一点”,拍摄者也不用凭感觉猜测对方想要什么。 值得注意的是,Superpose 同时提供两种结果: 用户可以直接保存 AI 生成的照片,也可以按照参考姿势重新拍摄,获得一张现场拍下的新照片。 这两种照片并不相同,前者是生成式 AI 的图像结果,后者才是用户重新拍摄的真实照片。 这也是理解这款产品时不能忽略的边界,尽管公司强调希望保留真实场景,但 AI 生成的版本仍有可能改变人物的局部细节。 但也有报道提到, 部分生成姿势显得夸张,有时甚至有些不自然, Melody 也承认了这个问题,并表示团队正在改进生成效果和个性化能力。 03 这款 AI 相机,具体用了什么技术? Superpose 的 AI 能力可以分成三个相互配合的部分: 实时拍摄指导、生成式图像,以及个性化学习。 实时指导主要负责判断眼前的拍摄条件。它需要分析画面中的人物、光线和构图,再给出能够立即执行的提示。 由于用户已经站在拍摄现场,等待时间越短越好,所以 Superpose 将这部分能力放在手机本地运行。 生成式图像则需要更强的模型能力。根据 Superpose 的隐私政策, Google Gemini 是其 AI 图像生成服务提供商。 用户使用云端生成功能时,照片会被发送给第三方服务商处理,用于生成姿势参考或其他图像结果。 第三部分是个性化,也是团队希望继续发展的方向。 Superpose 的隐私政策已经明确说明,产品会收集用户对生成结果的偏好信号,包括保存、分享、下载、丢弃或给予负面评价的图片。 这些信息可以帮助系统逐渐了解用户的审美。 公司也在发布公告中表示,希望随着用户拍摄次数增加,系统能够更准确地理解每个人对好照片的不同定义。 这项能力如果能够真正完善,可能比单纯生成更多姿势更有价值。 同样站在一栋建筑前,有人喜欢看起来很随意的生活照,有人希望拍出时尚杂志的感觉,还有人只想拍一张自然的游客纪念照。 对于这些人而言,统一生成一套标准姿势,未必能满足需求。 但这里仍然存在一个实际问题: 产品需要积累多少数据,才能准确理解个人偏好?用户每次保存一张照片,究竟是因为喜欢那个姿势、光线,还是自己的表情? 此外,AI 摄影还有一个绕不开的问题:人脸一致性与隐私。 Superpose 的隐私政策提到,为了在不同生成照片中识别并保持人物一致,系统可能从上传照片中提取人脸几何信息。 其政策允许利用这些生物识别数据改进个性化模型及通用模型,同时明确,第三方 Gemini 服务商受到合同约束,不得将这些数据用于训练 Google 自己的模型。 这里有一个值得注意的细节:应用商店的产品说明称,不会使用用户照片训练 AI 模型;但公司隐私政策中,确实包含利用提取出的生物识别数据改进模型的条款。 对于一款需要用户上传大量个人肖像的应用而言,生成效果固然重要,能否让用户清楚地理解自己的照片和人脸数据将如何被使用,同样影响长期信任。 04 两个月融资 220万美元,它靠什么赚钱? Superpose 在7月初登陆苹果应用商店,9月15日正式发布产品和融资公告。 根据公司当时披露的信息,应用已经获得超过 2万次安装 ,用户创建了超过 19万个生成结果。 这些数字说明,产品已经吸引到一批早期尝试者,但还不能据此判断用户留存、付费转化或收入情况。 19万个生成结果也不等于19万名用户,因为同一个用户完全可能反复生成多组照片。 不过,Superpose 的收费方式值得关注。 目前的美国应用商店说明显示,用户每天可以获得免费生成额度。如果需要更多,可以一次性购买: 5组生成额度为2.99美元,20组为9.99美元,每组可以生成4张姿势参考图。 购买的额度不会过期,也不需要每月订阅。 这与它的使用场景比较吻合。多数普通用户可能不会每天都需要 AI 帮忙拍照,但在旅行、聚会或者约会时,需求会突然变得强烈。 与其要求这些用户每个月订阅,不如让他们在某次拍摄时,为额外的生成次数付费。 用户已经到达目的地,也已经拍下了一张不太满意的照片,付费需求发生的时刻与使用场景非常接近。 但这样的模式也有自己的难题。 用户每天能够免费生成多组照片,如果这些额度已经足够满足普通拍摄需求,付费转化就可能受到限制。 反过来,如果免费体验过于有限,用户也可能在尚未感受到产品价值之前,就决定不再使用。 而且,照片生成涉及云端模型调用,使用量增加不只意味着潜在收入增加, 也可能带来更高的推理成本。 公司尚未公布模型成本、付费转化率、复购率和实际收入,因此现在还无法判断按次收费能否支撑长期经营。 此次 220万美元种子轮融资中,美图的参与尤其值得关注。作为长期经营影像处理与美颜产品的公司,它与 Superpose 所在的消费影像赛道有直接关联。 但这笔投资目前尚不足以证明,双方未来会在模型、产品或流量渠道上进行何种程度的合作。 对 Superpose 而言,融资能够支持其继续完善技术和获取用户,但真正需要验证的商业问题仍然是: 用户在第一次体验之后,会不会在下一次旅行或者聚会时再次打开它,并愿意为更多结果付费? 05 拍照姿势指导并不是新需求,AI 改变了什么? 其实,早在生成式 AI 普及之前,就已经有人尝试解决类似问题。 2019年,摄影媒体 Digital Camera World 介绍过一款韩国应用 SOVS 。 它允许用户将人物的半透明姿势轮廓叠加到相机取景画面上,拍摄者只需要调整机位,让镜头前的人与轮廓重合,就能模仿预设的拍照姿势。 这个功能与 Superpose 如今提供的姿势轮廓指导非常相似。 但当年的 SOVS 主要依赖 预设姿势 ,而 Superpose 增加了一项重要能力: 结合用户实际所处的场景,直接生成可以参考的姿势图。 这也是生成式 AI 真正发挥作用的地方。它不再要求用户从一套固定模板里寻找最接近当前场景的姿势,而是根据眼前的照片,创造新的参考方案。 问题在于,随着 AI 能力逐渐进入手机原生相机,这种优势能保持多久? 2025年, Google 已经在 Pixel 10 系列推出 Camera Coach,利用 Gemini 分析场景,为用户提供光线、构图、取景、相机模式等方面的建议。 用户可以先让系统预览当前画面,再选择拍摄主题,跟着相机给出的步骤调整。 Adobe 也在2026年7月,为其实验性摄影应用 Project Indigo 推出了 AI Playground。其中的照片指导功能可以评价已经拍摄的照片,并提出重新拍摄或者后期编辑的建议。 Adobe 甚至在技术博客里专门讨论了一个细节: AI 给出的拍照建议,必须考虑当前手机实际拥有的镜头能力。 因为告诉用户调整一个手机根本不支持的光圈参数,并不是一条有用的摄影建议。 相比之下,Superpose 聚焦的是更具体的人像姿势和拍摄者之间的协作,而不是面向所有摄影场景的通用指导。 不过, 当手机厂商已经开始把 AI 摄影指导直接放进原生相机, Superpose 就需要提供足够突出的体验,让用户愿意在系统相机之外,再打开一个独立的应用。 它的机会或许在于,把摄影指导做到足够具体,尤其是让普通人能够快速理解并执行。 但如果每次拍照都要先生成图片、选择姿势、查看说明,再调整身体和机位,那么这种帮助也可能变成新的操作负担。 对于旅行拍照来说,十秒钟可能很短,也可能很长。用户是不是愿意多花这段时间,最终取决于拍出来的照片是否真的更好。 最后,Superpose 还有一个值得持续观察的问题: 它究竟是一款 AI 摄影教学工具,还是一款披着教学外衣的 AI 图片生成应用? 这两种产品,满足的需求其实不同。 如果用户只是希望获得一张足够漂亮的照片,那么直接保存 AI 生成结果可能更加方便,也不需要再花时间重新摆姿势。 但如果用户想要真实记录某次旅行、某个场景,或者与朋友一起拍摄的经历,那么 AI 生成的参考图只是中间步骤, 最终仍然需要现场重新拍摄。 Superpose 目前同时提供这两种体验。它能否把用户从前者引导到后者,决定了摄影指导究竟是一个核心产品价值,还是生成式图像之外的附加功能。 以上,祝你今天开心。 作者:张艾拉 公众号:Fun AI Everyday 本文由 @张艾拉 原创发布于人人都是产品经理。未经作者许可,禁止转载 题图来自Unsplash,基于CC0协议