a16z投资，两个月400万用户，华人AI产品席卷Discord

Viggle AI 这家以其同名视频生成服务而闻名的初创公司，近日宣布完成 1900 万美元的早期投资，其中 Andreessen Horowitz 领投。

Viggle 公司的创始人兼 CEO Chu Hang 是一位华人，在 Google、英伟达、Facebook 和 Autodesk 都工作过。你可能不了解 Viggle AI，但你可能见过它做的表情包。这些是在网上疯传的表情包：说唱歌手 Lil Yachty 在夏季音乐节上蹦跳，但他被换成了电影《小丑》里的 Joaquin Phoenix。耶稣似乎在为人群加油鼓劲：Viggle 最初从 Discord 社区开始起步，目前用户已经超过了 430 万，3 月份上线了独立的 App 产品。团队使用了自己开发的 JST-1 模型，支持人们创建更逼真的人物动作和表情。今天的文章里，我们将了解 Viggle 这个华人创立的小团队，是如何取得「病毒式」用户增长，以及创始人在 a16z 的访谈。资料来自 TechCrunch 以及 Z potential，Founder Park 略有调整。

点击关注，每天更新深度 AI 行业洞察

01 

15 人团队，

制造全球社区「病毒性」扩张

2024 年 3 月，Viggle 推出内测，目前吸引了超过 400 万名 Discord 社区用户。用户们聚集在一起玩二创。

目前，Viggle 主要有两类用户群：

第一类：社交媒体乐子人。他们想做出娱乐性的 meme，追求的是好玩，想要社交传播效果好。Viggle 非常有吸引力的特效激发了这类人的尝试欲，然后通过社交渠道传播裂变。这也是提升产品知名度最好的方法之一。

第二类用户：专业创作者。这类用户用 Viggle 来设计游戏、做视觉特效。比如，动画工程师可以快速把概念变成粗略的动画，让想法和感觉变得视觉化，大大减少设计草稿的时间，减少繁琐的工作流，提升效率。

Viggle 的团队成员充满激情，而且技术精湛。创始人 Chu Hang 曾在 Autodesk、Facebook、Nvidia 和 Google 等全球领先的科技公司担任 AI 研究员。在上海交通大学获得信息工程学士学位后，他在康奈尔大学攻读电气与计算机工程硕士学位，并在高级多媒体处理实验室进行研究。2016 年，Chu Hang 进入多伦多大学，在计算机科学领域攻读博士学位，专注于机器学习领域的研究。

过去 8 个月，担任 Viggle 产品增长负责人的是 Nan Ha。她是一名资深的 SEO、内容营销和联盟营销合作的专家，毕业于 USC 与 LSE 的联合研究生项目环球沟通与传媒专业。在她的领导下，Viggle 的 Discord 社区从 500 名成员，迅速扩展到超过 400 万成员，成为全球第二大社区。

依托于 Discord 平台运营，Viggle 迅速扩大用户基础，并借助 Discord 的内容审核和社区管理工具来管理庞大的用户群体。相比国内的平台，像是小红书和抖音，Discord 的即时性和互动性更好地支持了 Viggle 的病毒式传播和用户增长。

对于像 Viggle 和 Midjourney 这样的初创企业来说，在 Discord 上运营意味着他们不需要为用户建立独立的平台。相反，他们可以利用 Discord 上技术娴熟的用户群体和内置的内容审核工具。对于仅有 15 名员工的 Viggle 来说，这种支持至关重要。

Discord 的产品副总裁 Ben Shanken 评论道：「没有人能为这样的增长做好准备，我们在他们广泛传播的阶段，选择与他们合作，是因为他们还是一个初创公司，实际上 Discord 上有很多生成式 AI 创作的内容。」

当然，Viggle 在 TikTok 上也取得了广泛的传播。

#Viggle 词条下有超过 4 万条视频，#viggleai 词条下也有超过 3.3 万条视频，显示了其强大的用户参与度。

例如，博主 Geirill 在 TikTok 上以 6030 粉丝获得 41.6 万赞，其中 Viggle AI 视频独占 31.4 万赞。KOL 和博主的推广为 Viggle 带来了巨大的流量支持，用户也乐于使用 Viggle 制作视频，进一步促进了产品传播和裂变效应。

图片来源：tiktok

Viggle 的低使用门槛使得普通人和普通创作者也能够轻松上手。这种广泛的用户基础和便捷的创作体验，是 Viggle 能够迅速在 Discord 社区、TikTok 内爆发式增长的原因之一。

02 

表情包只占用户创作的一小部分

这些不同版本的表情包都是用户做的，但原始素材是 Viggle AI 提供的。「我们的模型跟传统的视频生成器有本质上的区别。现有的视频生成器主要基于像素，不了解物理结构。我们让模型理解这些，所以产品在可控性和生成效率方面好得多。」CEO Chu Hang 说。比如，要制作一个类似小丑唱跳的替身视频，只需要上传一份包含唱跳动作的视频，以及替身的图像就好了。

或者，用户可以上传角色图像，直接加上文字 prompt。

全部用文字 prompt 创建动画角色也行。此外，还能风格化真人照片，再加动效。制作表情包，只占 Viggle 用户需求的一小部分。现在它生成的视频离完美还很远：角色们抖个不停，脸上毫无表情，但 Viggle 也已经是创意工作者们爱用的可视化工具了。对电影制作人、动画师和视频游戏设计师来说，用 Viggle 可以把他们的想法直接转化为视觉效果。Viggle AI 模型的训练素材的其中一个来源是 YouTube 视频。CEO 在媒体采访中透露，他们到目前为止依赖的一直是公开的数据，包括 YouTube 视频。这话跟 OpenAI CTO Mira Murati 聊 Sora 的训练数据时说的话差不多。这可能成为一个问题。今年 4 月，YouTube CEO 说，用 YouTube 视频训练文生视频 AI「明显违反」他们的服务条款，对 Sora 来说是这样，对 Viggle 来说可能也是。后来，Viggle 的一位发言人向媒体补充说明道：Viggle 利用各种公共资源（包括 YouTube）来生成 AI 内容。我们的训练数据经过精心策划和完善，确保整个过程符合所有服务条款。我们优先与 YouTube 等平台保持良好的关系，并致力于遵守其条款，避免大量下载和任何其他涉及未经授权的视频下载的行为。这看起来好像仍然跟 YouTube 4 月的评论矛盾。据报道，包括 OpenAI、Nvidia、Apple 和 Anthropic 在内的许多 AI 模型开发商都用 YouTube 视频转录或剪辑来训练模型。这或许是硅谷的一个不太算是秘密的秘密：每个人都可能这样做，只是很少有人大声说出来。

03

高可控性、高时效性视频生成

传统上，视频和 3D 生成被视为两个独立的挑战。Viggle 通过采用一种创新的联合解决方案，成功应对了生成式视频技术中的两个关键挑战：高延迟和低可控性。

可控性Viggle 与其他纯生成类AI产品（如 Runway、Sora 等）相比，提供了更高的可控性和预见性。使用 Runway 时，用户通过输入一段提示语生成视频，但无法预测最终的生成结果，需要多次尝试才能得到理想效果，缺乏对生成过程的控制。Viggle 允许用户上传已有的视频和图像，表明他们对最终生成的视频明确的预期。Viggle 通过模版与上传的视频动作来学习，快速并精确地生成用户预想中的视频内容，解决了其他AI视频生成工具中常见的可控性差的问题。这使得 Viggle 成为视频从业者和 AI 创作者的更优选择，尤其是那些质量要求高、物理效果要合理的视频场景中。低延迟Viggle 独创的 JST-1 技术，将视频和 3D 生成统一在一个基础模型中处理。Viggle 的技术方案显著降低了视频生成的延迟问题。这种统一模型能够有效利用 3D 空间信息和时间动态，减少传统方法中分开处理所带来的冗余和延迟，使得用户不必等待几分钟或几小时才能获得几秒钟的视频。JST-1 作为驱动力，使得视频-3D 基础模型能够从现有的 2D 视频资料中分析视频中的动作和姿势并构建出 3D 模型。这个过程不仅涉及到形状和外观的转换，还包括对角色动作和环境交互的物理理解。探索跨领域应用与提升动画制作效率Viggle 还计划继续提升技术并扩展其功能。Chu 表示：「我们将重点放在构建后台服务的模型，同时借助 Discord 的前端基础设施。这种方法使我们能够更快地进行迭代，专注于开发最先进的 AI 系统。」此外，公司还在探索娱乐以外的多个应用场景，如游戏设计和视觉特效领域。通过 Viggle，动画团队可以从概念设计中快速生成初步的动画资产，从而节省时间和精力，这有可能彻底改变动画制作的方式，使其更加高效且易于操作。图片来源：viggle

04

创始人：像素之外，先控制 AI 生成过程的精确性 

Chu Hang：目前我正在负责一个名为 Viggle 的项目，我们称之为「可控视频生成」。这与市面上现有的文本到视频的转换工具不同，我们希望能提供更精确的控制能力。我们的目标是让用户能够精确指定动作和角色。我们团队之前也是图像和视频生成工具的重度用户，但我们面临的最大挑战是，学起来太难了，学习曲线很陡。所以，我们希望 Viggle 能简单易用，让每个人都能轻松上手，不需要复杂的学习过程。Viggle 的基本功能很简单。你只需要上传两个东西：一个是图像，用来确定角色；另一个是文本或者视频，告诉 Viggle 你想要的动作。然后 Viggle 就能把这些合在一起，生成角色做特定动作的画面。一开始，我们是想给电影和游戏制作人用，让他们能快速预览动画效果。这个工具确实挺实用的，我们也看到，一些早期用户已经开始这么用了。但我们没料到的是，这玩意儿竟然成了表情包的热门工具。比如有个模板是小丑上台的场景，用户可以把视频里的小丑换成自己。我们发现几百万个角色在模仿和复现这个瞬间。用起来也方便，你上传一张图片，几秒钟后就能出现在那个场景里。这种多样性挺有意思的。我们也希望 Viggle 能适应这种多样化的使用场景。一些内容创作者也主动找我们，问能不能在 Viggle 上展示他们的舞蹈或者歌曲，还希望能和我们合作推广。这也很有意思。现在，我们不仅限于上传视频来制作内容，还可以使用各种模板。你可以看到，我们这里有很多模板，包括一些有趣的舞蹈动作和体育赛事场景。比如说，如果你想用某个模板，而且我们已经有了角色，你就可以用这个角色和模板来生成新的内容。即便你提供的只是正面视角的图像，我们的模型也会尽力生成一个 360 度全方位的人体视图。我们的创作者社区提供了许多优秀的模板，而真正的多样性来自于那些充满创意的想法。对我们来说，最重要的是要支持这些创意社区，确保他们能够得到他们需要的工具，而且是最好用的工具。我们希望他们能够尽早体验到新功能，几乎是通过一种专属的渠道。我们基本上是在为创作者社区提供最有力的支持。我们真的希望将这个角色模型应用到更多的生活场景、物体和场景中去。在我看来，实现真实世界建模主要有两条路，一种是像素级的处理方法，Transformer 模型（Diffusion Models）在这方面做得相当好，但它有个问题，就是控制像素比较难。毕竟现实世界是三维的、物理的，像素并不是一个高效的表达方式，但它的优势是可以用任何视频来训练，生成各种内容。我们希望，当扩展到一定程度时，可控性会自然显现出来。但我们选择了另一条路径。我们首先把生成的可控性做到像图形引擎那样精确，然后再从这个基础上进行扩展。所以我认为这两种路径的发展，以及它们最终如何融合成一种沉浸式体验，真的非常令人期待。现在，Viggle 带来了一种全新的内容消费体验。对 AI 来说，通常就是如果你喜欢某个瞬间，你就会分享它。但在 Viggle，你可以和那个瞬间进行更深层次的互动。比如说，如果我特别喜欢某个时刻，我甚至可以把自己的虚拟形象放进去，体验一下那个场景。这就像是进入了一个平行宇宙，可以亲眼看到自己如何重新体验那个瞬间。这种全新的内容消费方式，不仅增加了娱乐性，还带来了更加个性化、定制化的体验。如果你想让这些创作内容有真正的娱乐价值，那这个技术必须得表现得很好。所以对待这种搞笑的东西我们是认真的，会进行相当严格的研究。

参考资料：

https://techcrunch.com/2024/08/26/viggle-makes-controllable-ai-characters-for-memes-and-visualizing-ideas/

https://mp.weixin.qq.com/s/kHNmPYHNhhw5WngvzRcpgg

https://www.youtube.com/watch?v=IebslwhPzFo&t=2s

https://mp.weixin.qq.com/s/VGEcjWQ6pNPB1qO8eANtaA

---

更多阅读

做了7年AI陪伴，Replika创始人如何看待这个赛道的未来？
投资人眼中的AI行业：泡沫破裂，应用爆发的前夜？
转载原创文章请添加微信：founderparker