请你让我享受发现美、创造美的过程。
当 AI 大模型像「降维打击」一样重新定义着一个个传统领域时，几乎每个行业的从业者都在问同一个问题：「AI 基础模型厂商，会不会顺带手把我的业务也重做一遍？」这种焦虑感就像多米诺骨牌一样蔓延。
但有时候，危机往往也孕育着机遇 ——「虚拟试衣」这个曾经藏身于电商平台角落的小功能，突然站到了聚光灯下。
有些嗅觉敏锐的创业者发现「虚拟试衣+社区」的组合，也可以成为一个完整的产品。
2024 年底，全球 AI 时尚赛道里，一款名叫 Gensmo 的美区 APP 以超过 6000 万美元完成该领域最大单笔种子融资。这个数字放在种子轮来说，确实是相当「骄傲」的成绩了。
当然，Gensmo 并不是这个赛道上的独行者。将「虚拟试衣」功能单拎出来，围绕这个核心功能上演各种打法的还有 Google 出品的带有实验性质的 Doppl ，以及 Doji、Alta 等一众产品。但从结果来看，Gensmo 这个「初生牛犊」似乎并不畏惧，反而在海外市场交出了相当亮眼的成绩单。
🚥
接下来，「十字路口」团队将深度解析 Gensmo 如何在海外「先入为主」的，以及分享这款产品的全面评测。
我们梳理了下 Gensmo 如何在海外「先入为主」的
1）听比说更重要
产品运营是 Gensmo 不得不提的优点。当 AI 基础大模型能力日趋成熟，且足以支撑产品基础功能时，用户的挑剔品味已经不会再给予初创企业的新产品那么大的宽容度，他们想要的是：功能更多、体验更好、更加完善。
当一个产品初上市，就要「势如破竹」。
从产品初登陆开始，Gensmo 就迅速在 TikTok 获得大量关注，许多知名 KOL 为其背书。
像是我个人很喜爱的一位 TikTok 大博主 evajarit ，拥有超过 425K 关注者 和 1.3M 点赞，也为其「代言」：
这背后体现的是 Gensmo 快速的产品迭代能力。
我们做了个简短的统计：
2024年12月3日，Gensmo 发布了 Alpha 版本。从产品上线那一刻开始，他们就展现出了符合团队背景的「凶狠」：29 周时间里完成了 74 次版本迭代。
在 AI 时代做 AI 产品，非常需要这种不断迭代产品，进化自身的 AI Native 式打法。
2）All in one 的产品思路
我们观察到 Gensmo 团队在很短时间内就打造出了一个「All in one」产品。它不再只是提供简单而单薄的「虚拟试衣」功能，而是建立了一个由「AI 数字人」、「AI 试衣」等技术做支撑的 AI 时尚社区。
从用户体验看，Gensmo 最让人印象深刻的是把「沉浸」式实时试穿、「AI 原生」式的搜索体验、「种草」式灵感社区全部无缝整合到了一个流畅的用户体验流中。相比而言，其竞品无论是 Doppl 还是 Doji、Alta，关注点更多都在于 AI 试穿。
我们梳理了下 Gensmo 的工作流：
【1】首先，它可以实时沉浸式的试穿衣服—— Gensmo 提供的不只是「看产品图→点击试穿→结束」的简单流程，而是围绕一件商品非常完善的试穿体验。
【2】其次，它提供了 AI 原生的搜索功能 —— AI 能根据用户的喜好、场景需求、价格、同款识别、衣食住都推荐合适的搭配方案。
【3】最后，它有像小红书、抖音一样的灵感社区功能——用户可以在这里发现各种时尚穿搭，看其他人的搭配心得，也能分享自己的穿衣体验。
接下来我们从这 3 个方面，分享对这款产品的深度评测。
Gensmo 远不仅仅是个「效果好一点」的 AI 试衣间
「沉浸」式实时试穿
Gensmo 作为一个 AI 时尚穿搭社区，「沉浸」式实时试穿是它的核心竞争力，从非常简洁 AI 数字人构建到基础的 Try On（虚拟试衣），用户基本可以在 10 分钟内「试穿」完几十套衣服。
除了这些基础操作之外，我想分享一个我最爱的功能：Vibe curation （氛围设计），它真的让我做到了「沉浸式」实时试穿。
Vibe curation 是 Gensmo 整合的一个非常有意思但也很实用的功能。
比如，我试了一套白色短裤、奶油色菱格纹毛衣的穿搭，「Try more looks」键会被深色标注，让我试试更多的单品。接着，Gensmo 会根据我的上衣和下装分别推荐更多的相似风格单品。
更重要的是， 以上这些实时试穿的模特不局限于一种固定姿势，背景也可以随意调换。这也是 Gensmo 非常好用且实用的功能。
比如，我可以输入一段简短的提示词，让 Gensmo 自动丰富。
像是游艇甲板交流时的场景：
同一个年轻男子，身穿白色短裤、奶油色菱格纹毛衣，倚靠在一根光滑的红木扶手上。阳光将游艇甲板浸润在蜂蜜般的柔和光线中，空气中弥漫着咸咸的海浪气息和柚木的香味。他正把一杯冰镇柠檬水递给一位笑着的女士；一张模糊的船帆呼应了毛衣上的菱格图案。低角度取景，背景框住一片海洋。
秀场场景：
同一个年轻男子，身穿白色短裤和奶油色菱格纹毛衣，自信地走在极简风格的秀场伸展台上。工业风的聚光灯在质感十足的水泥地面上投下锐利的光影，呼应了毛衣上的几何线条。他在台步中途停顿，和前排一位女士调皮地交换了一个眼神，女士手中拿着一本光滑的节目册，就像一张黑胶唱片一样随意。空气中弥漫着设计师香水和新鲜切花的气息；一排排叠放的时尚造型册将视线引向后台，那里散发着温暖的光芒。
日常办公场景：
同一个年轻男子，身穿白色短裤和奶油色菱格纹毛衣，站在现代办公室的一扇大窗旁。清晨的光线透过玻璃洒进来，在桌面上投下柔和的光影，桌上散落着设计草图和一杯热气腾腾的咖啡。他正与一位同事讨论，二人之间随意拿着一台平板电脑，上面展示着灵感图集。空气中弥漫着新鲜咖啡和打印纸的味道；一排盆栽将视线引向远处明亮的协作区。
这些功能最大目的是提供其它可能性：Gensmo 推荐的不一定最适合你，但它会尽量让你有其它选择。
再来看看女装区的体验。
我试穿了一套嘻哈风一点的衣服，但是模特动作比较呆板，看不出来到底合不合适。这时，就可以点击下方的「 Vibe curation 」换个背景和姿势。
比如，我让她出现在酒吧里，看看这套嘻哈穿搭是不是真的够「嘻哈」，适不适合这种场合：
除了 Vibe curation 之外，Gensmo 的 「Complete the look（一键成套）」也让我感到很「安心」。
简单来说，「 Complete the look（一键成套）」支持基于任意单品，生成多套完整穿搭方案。我只需点击一张商品图片，系统会自动识别出服饰的性别、风格、使用场景、季节属性等，依次补全其他服饰品类。
像下面这套穿搭，我觉得布拉德·皮特的牛仔衬衫很好看，就可以直接点击这件单品，让 Gensmo 一键成套：
Gensmo 的 「Complete the look（一键成套）」功能，在实际使用中确实非常强大。它可以一口气推荐四种包含该牛仔上衣的套装穿搭：
如果你仔细看，会发现它不是一口气凑一堆，而是靠「搭」来选，色彩比较和谐。
「AI 原生」式的搜索体验
Gensmo 的 AI 搜索能力非常强，可以直接连接背后的数据库，找到符合用户需求，且最适合的套装搭配，而且这一能力不仅仅限于服装。它完全采纳了 AI 能力进行搜索，而放弃了传统的关键词搜索。这一点相比于更新锐的「Doji」还要激进。
具体怎么样，下面我们看几个简单的例子。
1）告诉它场景，它帮你配衣服
这是 Gensmo AI 搜索最直接的用法。
你可以直接在对话框里输入穿搭需求，通过系统的提示词优化功能，提前设定好风格和预算。比如，我想找适合时尚杂志面试的服装，就可以输入提示词：
寻找适合时尚杂志面试的服装，需专业且时尚，搭配现有的鞋子和包，重视舒适度和合身。
接下来 Gensmo 就会从大量商品中，为我找到符合提示词要求的搭配。如果不满意，用户还能进一步细化要求，进行「无限微调」。
挑好喜欢的套装后，就可以快进到让 AI 数字人直接帮自己试穿，生成合适的场景图，供我判断。
2）一张照片，AI 帮搭配
Gensmo 的 AI 图片识别功能本身的技术并不新鲜，但当 AI 识别能力和 AI 穿搭的 Know How 融合后，就能解决一个很实用的问题：怎么搭配那些压箱底的衣服。
比如，用户有一条绿色皮裤，一直都想试试，但觉得太高调，怎么搭都不敢穿出门，这时就可以上传给 Gensmo，它会提供多套日常穿搭供用户挑选。
对于喜欢网购的用户，Gensmo 的 AI 识别还有个好用途：找平价替代品，并一键成套。
比如我在淘宝上看到一条 3000 元的裙子，可以试试在 Gensmo 上找类似的便宜版本。当它找到相似商品时，就能继续用 Gensmo 继续来做搭配了。
淘宝图
Gensmo 商品图
比如，我让 Gensmo 帮我又找了一件紫色连衣裙，让它 「Complete the look （一键成套）」，再进行实时虚拟试穿，整个挑选流程就完成了闭环：
Gensmo 的 AI 识别还被国外用户玩出了更多花样。
比如：把莫奈的画「穿」在身上。这显然非常「社交媒体友好」。我们可以直接让 Gensmo 识别莫奈的画，再找到对应风格穿搭。
试穿后，换个场景，就能一键分享到社交平台，一条爆款内容不到 5 分钟就能完成。
「种草」式灵感社区
Gensmo 的界面设计采用了种草式社区的模式，而不是普通的电商平台。同领域赛道里，像是 Doji 以及 Alta 从产品属性上来看，都更偏向于「AI 试穿」，社区属性稍弱。
主页面中每条内容都以「笔记」形式出现：
在这个「种草」式社区里，Gensmo 并不直接提供下单购买，而是与电商平台打通。
整体交互很流畅简洁。比如，在搭配商品的笔记界面中，每个单品都可以点进去进入购买页面：
试穿满意后，可以一键点击链接跳转到亚马逊、MODESENS、FARFETCH 完成购买。
产品的整个基础操作流程形成了闭环：搜索 → 商品 → 跳转商家下单。
更多玩法
Gensmo 不仅关注用户的穿搭，还会根据气质和喜好，生成生活灵感。
比如，现在 Gensmo 支持上传家里的照片，提供装修方案。只需要一张家具图，它会根据画面分析，推荐整套的地毯、沙发、茶几、靠枕甚至盆栽：
除了这些比较「正经」的功能，Gensmo 在社媒的运营上也很有一套，比如他们很爱鼓励用户去做一些「创意」：
像是为特朗普小孩设计穿搭：
X 博主@SarahAnnabels
再比如，一位 X 博主 @allen_lattimer 用寻找名人服装相似款式的「查找相似」功能，做了一套海绵宝宝的同款服饰：
还有 Gensmo 官方「最爱」的美国自由女神像的穿搭系列：
前段时间，担任了 Vogue 时尚杂志总编辑 37 年的 Anna Wintour 正式卸任，Gensmo 转发了这条推文，并评价道：
「时尚史上的一章就此结束，几十年来，品味一直是自上而下的。在 AI 时代，品味是协作的、个性化的、多元的。Gensmo 并非来取代时尚编辑——它是来赋予每个人自己的时尚编辑。」
这大概意味着 Gensmo 目标是：时尚平权。
虽然这款年轻产品还有很多功能需要完善，但从现有表现来看，用 AI 构建一个时尚社区，让社区里每个人都能享受时尚，是有可能实现的。
🚥
OpenAI 产品负责人，Shopify 前 AI 总监曾分享过一个做 AI 产品的心得，其中最值得思考的一点是：
发现并找出那些枯燥且高摩擦的工作流程。
这句话的关注点在于，用户通常并不在乎自己用的是 GPT-4 或者是 GPT-99，他们只在乎有哪些「枯燥烦人」的事情被整套地简化掉了。
单纯的虚拟试穿只是用户痛点中的一个，而一个完整 AI 时尚穿搭社区才是这些「枯燥且高摩擦的工作流程」。
在用户内心的最深处隐藏的需求不是让我试穿，而是请你让我享受发现美、创造美的过程。
文章来自于“十字路口Crossing”，作者“镜山、小居”。
