今天小編分享的科學經驗：Sora還沒開源，但這家國產AIGC視頻公司已經靠還原現實賺錢了，歡迎閲讀。
最近 AIGC 的落地，又有了一些熱議和争論。
在金沙江創投主管合夥人朱嘯虎的爆款采訪中，他表達了對自研大模型商業閉環的悲觀，但又堅定地表示非常看好應用，" 我信仰 AGI，但我信仰應用啊，信仰能馬上商業化的。"
在他的犀利表達中，一家應用公司意外走紅。
它就是 AIGC 視頻廣告公司FancyTech（時代湧現）。
對國内大模型五小虎不願一看的朱嘯虎，提到 FancyTech，真的是不吝溢美之詞，直誇很酷。
誇它什麼呢？主要是兩點，一是效果好，二是能馬上變現。
FancyTech 商業成績如何，還要等我們進一步挖掘；而論效果，我們搜尋來了網上的視頻，确實不錯。
但誰會只相信品牌放出的 demo 呢？？？
搜索之下，我們發現 FancyTech 的免費測試鏈接——那還等什麼，直接衝啊。
FancyTech 真的 fancy 嗎？
實測第一站，我們率先體驗的是 FancyTech還原現實的換裝功能。
簡單來説就是基于一張商品圖，可以生成模特上身圖，并且是能自定義姿勢、自定義背景、自定義臉的那種。
説實話，AIGC 的風這麼大，給模特換裝已經不是啥稀奇功能了，甚至這一塊的開源力量也不小。
但之前接觸過類似 Google 的 Tryon Diffusion 等，都沒有 FancyTech 這樣能夠進行詳細的自定義。
就上手體驗而言，FancyTech 的體驗比較傻瓜式。
首先需要上傳一張服裝影像，接着上傳可供參考的模特姿勢，同時選擇模特的性别、人種等，繼而再上傳（最少）一張背景參考圖，就能得到最終的模特上身效果。
衣服整體還原效果還是挺真實的。
實測第二站，是 FancyTech 另外一個主打的功能，圖生視頻。
上傳任意一張圖片，點擊下方的運行鍵即可。
等待時間大概在 35s 左右，我們得到了這樣一個效果：
模特有眨眼動作，肢體中心也有自然的輕微轉移，商品、模特都沒有變形。
我們還試着多跑幾次，每次出來的效果都很穩定。
而相同的事情丢給同為 AIGC 視頻生成工具的 Pika 幹，得到的效果是這樣的：
動作幅度更大，但商品細節似乎有模糊處理。不知是否是模特表情誇張引起的五官變形，恐怖谷效應撲面而來。
兩者對比，能看出 FancyTech 生成的視頻結果在商品實物還原方面，還是很能打的。
為了試驗它的效果穩定與否，我們又對比了一組。
這是 FancyTech 的效果：
這是 Pika 的效果：
這一組效果也都還不錯，并且能感受到，FancyTech 也可以有較大的人物動作幅度，有接近真人模特的動作展示，視頻時間也能達到 4s 左右。
在給品牌使用的流程上，這些生成都是自動化的，從生成圖片到視頻、再到發布，都不需要人工參與。
就怎麼説呢，跟某寶上售賣服裝配的展示視頻好像也沒差？
看了一下别人利用 FancyTech 做出的商品廣告，比我們這種純小白做的，那是酷炫多了。
最最重要的是，看起來不穿幫，對現實場景有比較好的還原，不會一眼假是 AI 做的：
技術上是如何實現的？
親身體驗下來，FancyTech 是有兩把刷子在身上的。
定位也很明晰：聚焦電商和廣告視頻領網域，利用 AI 驅動生成商品表達視頻，能基于用户反饋調整視頻細節，還能附帶畫外音、音樂、字幕等。
而且與市場上很多的 AI 視頻生成工具，包括 Sora、Pika 等在内，FancyTech 采用的方式不是文字生成視頻，而是圖片生成視頻。
但這樣的 AIGC 視頻生成效果，背後究竟是通過什麼原理實現的？是基于某些開源方案打造，還是重新純自研？
帶着種種問題，我們向 FancyTech 求解了一下背後的技術細節。
"FancyTech 是自研的全鏈路底層技術，然後配合工程化能力。" 對方倒也沒藏着掖着，直接亮出來了自家的技術實現方案。" 我們學習了大量的熱門視頻，自研的模型來寫腳本，再通過 AI Agent 串聯各模型生成視頻。"
整體來説，FancyTech 的工作流包含以下三個組成部分：
視頻模型：生成素材，提升素材豐富度；
AI Agent：自動化生成，提升交付效率；
數據效果反饋：自動優化素材，提升發布效果。
三者形成循環，實現數據驅動，達到持續優化視頻生成效果的目的。
更進一步的，我們則就最基本的視頻模型方面進行了了解。
以前，AI 無法真正取代商品展示拍攝，是因為效果不盡人意，尤其是難以模拟 3D 場景的真實動态。
但看看剛才親自試出來的效果，不管是連衣裙本身面料和重量帶來的垂墜感，還是模特動作變換導致的裙擺擺動，FancyTech 都能展現出自然效果。
是怎麼做到的呢？
一是 FancyTech 自己組建了數據标注團隊，在訓練過程中收集了大量的真實數據，進行清洗、标注，從而擁有了質量夠高的數據集。
這樣一來，就非常有利于最終產出優質效果的視頻。
二是構建覆蓋多類型商品的場景圖生成框架，實現全自動化、多品類、多種組合搭配的商品生成、場景生成、細節復原與增強。
為了精确保持商品細節并進行合理變化，FancyTech 還自研了影像特征提取器，将影像特征抽成 100 自由度（合理變化）和 0 自由度特征（保持細節）。
第四點是，針對不同商品和細分品類，團隊訓練了自己的多模态（文 + 圖）影像生成模型 DeepVideo。
在自研模型的基礎上，FancyTech 團隊采用元學習和強化學習的訓練方案，持續提升不同控制條件下的泛化能力。
第五點也是 FancyTech 着重強調介紹的一點，是團隊自研商品細節增強模型，ProductRefiner。
ProductRefiner 負責的功能是加強細節復原，此外，還能描述輸入可選細節，進一步提升商品細節展現。
在訓練過程中，ProductRefiner 選用了自監督訓練方法，無需構建成對數據集，極大地降低了成本。
而且能對模特的上身和下身着裝進行分割，在保證輸入影像背景不變的前提下，對上衣和下衣進行修復和還原。
阿裏系創始團隊
就在這樣的技術加持下，去年一年，FancyTech 和超過 500 個國内外品牌進行合作，日均生成視頻量超過 10 萬。
而且根據朱嘯虎公開的説法，FancyTech 是在賺錢的：
去年收入達到 5000 多萬，（比他投資時的 2022 年）漲了五六倍。
在基礎大模型業務商業化路徑仍然不分明的時候，聚焦特别場景，能有這樣一個成績，FancyTech 背後團隊究竟是什麼來歷？
據量子位了解，成立于 2020 年的 FancyTech，背後是一支阿裏系團隊。
其創始人兼 CEO，William Li，花名空界，曾是天貓奢品 Luxury Pavilion 初代負責人，也在手機淘寶歷任分享平台和用户社群的產品運營負責人。
創始團隊的其他成員，也都來自于手淘、天貓、阿裏雲等資深算法、運營及技術崗位。
看到這裏，你一定也對 FancyTech 能深谙電商展示玩法不足為奇了。
現在，成立快 4 年的 FancyTech 已經将算法團隊擴大至近百人規模，其中算法團隊近 20 人，數據标注團隊約 50 人。
在我們聯系上 FancyTech 的時候，這支隊伍剛剛對產品進行了一次迭代，視頻長度從原來的 2s，拓展至 4s 左右。
那麼，有技術，有市場，有商業化，FancyTech 的下一步又有什麼打算？
量子位得到的答案是這樣的：
Sora 的出現，把其他所有的視頻模型公司都打回了同一起跑線上——這對我們來説反而有利。
我們走商業化路線，追求的是商品的還原，而 Sora 驗證了下一步該怎麼樣去增強持續性。
目前，FancyTech 内部算法團隊已經開始投入自家 Transformer+Diffusion 框架的研發，預計在今年 4、5 月份會拿出成果。
是的沒錯，盡管有了 Sora 那樣驚豔世人的模型出場，FancyTech 的目标倒是一直沒變過：
" 我們希望成為長視頻賽道裏，對現實還原得最好的公司。"
