前幾天刷小紅書，刷到一個帖子討論有哪些 toC 的 AI 產品跑通了 PMF。驗證市場需求，絆倒了不少創業者，而找到 PMF 的產品們，被其他人拿來反復研究。

小紅書上討論已經驗證市場需求的面向 C 端用戶的 AIGC產品 | 圖片來源：小紅書用戶曉音的帖文截圖（侵刪）

但即便是這幾個被挑出來的優等生，還是在評論區遭到了質疑。比如“聲量大如 Perplexity，但根本沒有破圈，真正活躍的 DAU 數量和產品聲量完全不匹配”，“HeyGen 主要 toB，也不算”....其實上述產品我們大多聽過、甚至寫過，其中比較符合要求的可能也就是 Speak，做 AI 口語學習，不是大眾產品、但起碼在小眾范圍內賺錢（收得上來錢，不清楚利潤），算是發展還不錯的 toC AI 產品，可參閱我們之前的選題《估值 5 億美元了，抓住日韓，AI 語言學習產品躋身賽道 Top3》。

但 Captions 能被提到，還是有些出乎意料的。相對于其他產品，Captions 在國內市場聲量不大，也就是上個月融了 6000 萬美元時，被各家公號報道刷了一回屏。而我們最早注意到它，是在過往觀察圖片/視頻類軟件的時候，總是能在美國的 App Store 攝影&錄像分類暢銷榜單刷到，在應用商店上線的 App 怎么也和 toC 沾點邊吧。

而市場上的文章大多從成績反推產品功能構建合理，結論多是“這個公司從一個相機 App 轉型到 HeyGen 所在的 AI+Talking Video 的視頻領域，賽道選的好、產品不錯”，但測評較少，懷著“C 端用戶到底為 Captions AI 功能買賬了嗎、Captions 怎么就估值 5 億美元了”的好奇，我們去測試了產品、梳理了 Captions 的歷程，得到的主觀結果是，這個僅剩的 toC 苗子，可能并不那么茁壯。

從加字幕做起，怎么就估值 5 億美元了

Captions 成立于 2021 年，但是在 2020 年 12 月，就在 iOS 上線了 App Captions，最早做的是給視頻加字幕這樣一件很簡單的事情，這一點從 App 的名字也能看出來。

Caption，在電影里是“字幕”的意思，在書籍中，是對圖片的解釋說明。而名字里帶有 Captions 的編輯 App，商店里一抓一大把，在海外很“剛需”。

2022 年 7 月，Captions 在 TikTok 上發布了第一條魔性視頻，用 Talking Video 的形式大秀加字幕能力，收入也在同時間點逐漸開始抬升（梳理了 Ins、Twitter、YouTube、TikTok 4個社媒的內容發布，啟動應該就是借助于 TikTok）。后續從 2022 年 10 月開始，Captions 陸續上線更多 AI 功能。

雖然從加字幕做起，但 Captions 很快確認了一個“利基市場”——專注服務 Talking Video 的創作者。這類視頻最大的特點就是“話多”，不僅 Captions 花哨的字幕功能可以派上用場，它還圍繞創作者各種潛在需求點做了很多自動化的小功能，比如視頻中眼睛飄忽可以使用 Eye Contact 糾偏，說話停頓的地方可以一鍵識別刪除，為了增加視頻的豐富性支持自動添加 Emoji 和圖片等等。Captions 在 Talking Video 這一類別上，已經做到非常細致，讓創作者的效率極大提升。

一直到今天，Captions 依舊是定位在“為 Talking Video 而生”

一通操作下來，反映為移動端成績，Captions iOS 端月流水陸續上漲至百萬美元，一直在美國 iOS 攝影與錄像分類暢銷榜 Top30 上下。如果只算純視頻剪輯產品，移動端收入 No.1 的 Capcut（剪映海外版）接近 800 萬美元；第 2 是“收購大王 Bending Spoons”的 Splice，月流水 250 萬美元；Captions 的收入還可以，但并不驚艷。

2022 年 7 月開始逐漸產生流水，并逐漸抬升至百萬美元的月流水水平 | 圖片來源：點點數據

那估值 5 億美元則只能是押注未來收入增長的可能性，畢竟同樣估值的 HeyGen ARR 在 3500 萬美元左右，大概是 Captions 移動端收入的 3 倍。

大轉身的Captions = 自己+ 60分的“HeyGen + OpusClip + Creatify”

為了理解 Captions 的估值邏輯，我又一次打開了 App。發現，兩年前還主要做加字幕、輔助錄制和編輯的 App，整體的大功能架構已經演化成了標題中的等式。

Captions 功能標簽頁 | 圖片來源：產品截圖

如前文所述，Captions 初期主要服務于用戶的輔助錄制和剪輯，例如提詞器、協助用戶眼神不飄地完成錄制，加各種效果酷炫的字幕或者重點詞句高亮，都是海外 Talking Video 創作者的剛需，從這個角度，Captions 早在 2022 年就已經完成了市場需求驗證，只不過用了 AI，但與 AIGC 沒太大關系。但從 2023 年下半年開始，Captions 大轉身，經過一年來的迭代，已經演變為等式的右邊。

HeyGen、OpusClip、還有 Creatify，是 AIGC 來了之后 3 個做得不錯的 AI 產品，分別對應了 AI Avatar、轉換視頻語言并且能做到對口型（AI Dubbing），做長視頻縮短視頻方便切片傳播分發，以及產品 url 一鍵生成視頻廣告。

2 個產品最近一輪融資都拿到了 6000萬 美元，估值都是 5 億美元，輪次一個 A 一個 C | 白鯨出海根據 Crunchbase 數據整理

從這個角度，單獨一個 HeyGen 估值已經是 5 億美元，姑且假設 Captions 的 3 部分能力都不拉垮，再加之原本已經驗證的輔助錄制和編輯，未來的賺錢能力不說能乘以個系數，再進一步還是很大可能的。

但我們的測評結果是，Captions 屬于“60 分產品”。這里不是說 Captions 產品 60 分，而是它做出來的視頻，差不多在及格線，放在社媒平臺上可用，但不會出彩的那種，說實話對于很多流程化的東西，例如我有一個產品需要一個海外的面孔幫我種種草，用 Captions 的 AI Ads 生成的視頻廣告，不能說多出彩，但可以放到 TikTok 發一發。下面是我們對 3 個主要功能模塊做的對比，讀者們也可以感受一下。

AI Ads 對比（Captions VS. Creatify）—— 嚴格一點，就不及格

測試條件：

1、我們選擇的是同一款產品（ 2 個視頻只是產品顏色不一樣），這款產品本身面向兒童，但我們同時加選了#戶外的受眾標簽，進行測試。

2、因為 Captions 只支持豎向視頻、且所有 Ads 都有人出鏡，我們最終從各自生成的廣告中選擇了一段我們認為質量最高的，且都是有人出鏡的豎向視頻廣告。

測評感受：

1、AI 生成的廣告腳本不相上下，都在開頭提到了 Outdoor Lovers、嘗試喚起目標受眾注意，并在產品特點上，強調了戶外場景下液體保溫的功能。但 Captions 的廣告在開頭喚起廣告觀眾的注意力時，弱很多。

2、生成視頻階段，思路和質量立分上下，Creatify 生成 13 個廣告，分為重點闡述產品屬性、強調動態場景、有動態卡片（motion cards，方便添加關鍵文字）、以及 Avatar 在不同位置的講解種草類廣告

而 Captions 生成 5 個廣告，人都是核心，分成占據較大畫面的、以及相對較小畫幅的，由創作者來闡述產品賣點。

雖然兩者都有文字和畫面不相關的情況、或者產品展示不完整（出畫面），廢片不少，但都能找到差不多能用的。而挑出來的最佳質量廣告，我主觀感受上還是差距比較大的。因為在生成邏輯上，貌似 Captions 都是用一段錄制好的視頻，去換話術和口型（其他的 AI 生成視頻功能也是這個設計），所以在語調上不會有變化。我讓同一個 Avatar 呼吁大家去領養狗子，換了話術，但依然是差不多的語調。

另外在產品設計上，能看出來 Creatify 其實是從廣告出發，而 Captions 是從創作者出發。舉個例子，Creatify 有更多的縱橫比選擇，可有人出鏡、也可沒有人出鏡，適配更多平臺、更多營銷目標，另外可添加品牌 CTA，這些都是對廣告行業有洞察的相關設計。

另外，Creatify 的設計也更加低成本和用戶體驗友好。例如，Creatify 在用戶選擇腳本之后快速生成 13 個視頻，大概不到 1min 吧，能做到這么快因為沒有做對口型渲染（會給用戶提示這不是最終效果，口型會在渲染之后對好），用戶先看效果，等自己選擇到相對滿意的廣告，還能再換 Avatar、再次細微調整腳本，讓用戶能夠在更多細節上做完善，等用戶做完所有調整后只渲染一個視頻，在計算成本上節省很多。

url—>生成廣告流程圖

相較之下，Captions 一下子渲染出 5 個已經對好口型的視頻，成本一下拉上去了，且后期用戶如果覺得自己選的這個 Avatar 錄出來的視頻有點不自然，也不能調整，效果差距就會很明顯。（具體對比可參看 url —> 生成廣告流程圖）

如果滿分 100，Creatify 的視頻，我可能會打 80 分，但 Captions 的可能是 60、甚至 50 分。

AI Ads 其實也是 3 個對比中差距最明顯的，畢竟是和行業頭部對比，有點類似一個十項全能運動員和百米冠軍跑百米。而另 2 個單純說效果差距真不大，說明 Captions 的產品和技術能力是很強的。

AI 長視頻切片對比（Captions VS. OpusClip）—— 粗糙，但還挺香

測試條件：

我在 YouTube 上搜索 OpusClip，結果搜到了一個核心主題是教大家怎么用 OpusClip 的產品設計漏洞來為自己的視頻免費加字幕（看來加字幕是真剛需），然后就選取了這段視頻，讓 OpusClip 和 Captions 來做視頻切片。

我們先給出產品設計的測評。OpusClip 作為專注于做長視頻切片的產品，設計上是按照長視頻切片分發的完整流程設計，在功能的完善和細節方面很突出。

例如定位切片之前，可以讓用戶選擇原視頻的類型、也可以給出自己想重點定位的關鍵詞，這些都是為了方便產品定位到最值得做分發的“高光片段”。過程中，生成的數量會更多、輔助用戶決策哪些切片更容易獲得效果而給到的參數也更多一些，很重要的一點是，AI 有時候會切得沒頭腦，開頭剛好是不完整的句子，OpusClip 允許切片前后延長，例如時間點往前走一點，能切到完整的一句話，Captions 則沒有這個設計。另外，OpusClip 也給了用戶點踩的功能方便獲得用戶反饋。切片完成后，設計了社媒定時發布，和發布后數據反饋分析等等。

OpusClip 給出的第一個切片

而 Captions 設計上就粗糙了一些（如上表格），直接點選兩下就開始切片，但說實話，在 Captions 定位到的 5 段視頻的質量確實是不錯的，OpusClip 定位到的#利用漏洞，免費給自己的視頻加字幕，#免費給 90+ 段短視頻加字幕，#怎么利用免費工具賺錢，等比較有價值點的短視頻，Captions 也都定位到了。

結合價格來看，Captions 雖然產品設計粗糙，但還在獲得結果的那一刻是真香的（下面會說到商業化）。但除了設計細節不足，Captions 的 AI Shorts 功能在 web 端和 Mac 端一直提示錯誤，只有 iOS 端成功，且這個問題一直持續了一周也沒解決，在小屏上操作體驗差很多。

定位視頻的質量還挺不錯的，但只有iOS 成功，操作不方便 | Captions 截圖

AI Avatar 對比（Captions VS. HeyGen）——效果相當，甚至更便捷

說來也巧，因為中間插了好幾項工作，這篇文章前前后后測試的時間就用了一周多，就在我準備空著這一部分的時候，Captions 更新了對標 HeyGen 的 AI Twin 功能，加之去梳理了產品迭代歷程，不得不說，Captions 團隊迭代速度堪比國內。

用戶點擊 AI Twin 之后，跟著提示，錄制 1 分鐘的視頻就可以生成自己的 Avatar 了，Captions 做的比較好的就是他會準備腳本放在提詞器里面，所以 HeyGen 里面對應的用戶自行準備腳本、和需要看稿子錄視頻導致的眼神亂飄的問題就解決了。而且生成 Avatar 很快，3 min 左右。

然后我用一段 ChatGPT 寫的腳本，用自己的 Avatar 錄制了一段視頻，排隊等生成最慢 5min 也就完成了。效果方面，和 HeyGen 差不多，生成的 Avatar 可以準確無誤地念出新腳本，口型都是對的，其實兩者都是自己錄制的視頻然后做對口型渲染，我的粗淺體驗來看都沒有根據不同的文字內容做表情或者語氣上的變化。這樣來看，Captions 僅對標 HeyGen 的 AI Avatar 功能的話，是沒啥問題的，甚至錄制 Avatar 的過程因為產品的提詞器、AI 腳本 2 個功能，更便捷一些。

整體測評下來，感受是 Captions 在幾個大熱場景里面，都做到了及格的水平。基于 Captions Talking Video 的創作者基本盤，為他們拓展更多功能，例如接帶貨廣告做變現、做內容切片二次傳播、以及一些相對基礎的內容無需再進行錄制而是直接生成。但如果想服務更專業的用戶、協助他們達到商業化的目標，Captions 大概率是會被放棄的。

因而面向對于絕大多數剛入門的創作者來說，Captions 基于自己的用戶基礎和產品力，變現策略也與其他產品不同，主打一鍵全包、量大管飽，訂閱 Max 檔位會員，一個月 25 美元，包攬 AI 輔助錄制/視頻剪輯，加 3 個最熱的 AIGC 功能，不限制用量。

白鯨出海根據網站 Pricing 頁面信息整理，其他單個產品的最低起步訂閱價也大概在 25 美元左右，但用量會被限制 | 統計時間：2024 年 7月

如果我是一個想要從事視頻創作的入門級選手，在了解 Captions 的功能之后，其實會更傾向于選擇它低成本起步，但移動端的數據給出了相反的結論。

自有收入以來至今，Captions 的全球日流水數據 | 圖片來源：點點數據

自有收入以來至今，Captions 的全球 DAU 數據 | 圖片來源：點點數據

在流水和活躍用戶層面，Captions 在移動端的日流水在2023 年 9 月到達頂峰之后，就不再上漲，DAU 也是在差不多時間段出現峰值，比較奇怪的是 2024 年 4 月份的突然上漲，不知道是否和 Web 端上線、啟動 AI 創作者計劃，或者融資節點有關系，但最終 DAU 又回落到 10w 左右的水平。

在用戶評論方面，我們刷了 iOS 端美國市場近 30 天的 34 條評論，3 星及以下評論占了 22 條，差評主要集中在，AI 功能不如預期、以及 Pro、Max 2個訂閱層級混亂上。而我在試用的過程中也體會到在移動端的不便，且 Web 端上線后，兩個平臺項目不同步，一些功能總是崩潰都有出現。

移動端的失敗 vs. web端的勝利？

融 A 輪融資到 C 輪融資，Captions的功能迭代路徑 | 白鯨出海根據公開信息整理

如果我們以 2023 年 9 月為分界線，發現在這之前，Captions 是以錄制輔助/視頻剪輯為重點，而在之后，則轉向了“無中生有”，也就是 AI 生成。偏離了 App 的初期定位，輔助 Talking Video 的視頻錄制和剪輯。

Captions 最初以輔助錄制為起點，2023 年下半年重點轉向 HeyGen 等產品在攻克的 non-Camera 領域

而在增長策略上，Captions 最近幾個月加大了投放。廣大大顯示，最近 3 個月按展示估值排序，基本上前列的還是清一水的加字幕素材在吸量，而 AI 功能的展示估值相對較低，也就是說在移動端這類素材不太能投出去，吸引力不足。

近 3 年，Captions iOS 端投放素材數量| 圖片來源：廣大大

用戶看到加字幕的廣告點擊下載，進來之后 AI 功能占據了 UI 的絕大部分，而所有功能雖然能用，但導出都必須付費，連加字幕也是，導致了用戶差評的增加，以及加大的營銷預算在移動端無法轉化為活躍用戶。

Captions 內購項占比。需要開 Max 才能使用的 AIGC 功能僅占內購的 10% 左右，90% 的收入依然來源于編輯、加字幕更剛需的功能 | 圖片來源：點點數據

新功能與移動端用戶需求的錯位，表明“從相機 App 深入 AI 視頻領域的轉型”，在移動端來看，起碼是失敗的。

但在 web 端，卻出現了轉機。2024 年 4 月份，Captions 上線了 web 端，CEO 在 5 月 3 日又發了一條 X，表示上線前 90 天就拿下了 2.5w 訂閱用戶。里面的一個 bug 是，估計 2 個數字寫反了。這時候距離 web 上線的 4 月 10 日不到 25 天，所以新增訂閱用戶應該是 9w？我們在國內的一些公號例如投資實習所上，也看到是前 25 天 9w 新增用戶的表述，大概是同一個推斷。（CEO Misra 也表示，如果是傳統情況，大概可能需要 5 年才到 10w，而他們才花了 25 天）。

Gaurav Misra 分享了他們做 web 的幾點觀察：

一、桌面市場遠沒有預期的擁擠，他們當時覺得在桌面端，用戶有非常多的選擇，所以進入很謹慎，但是真正進入了發現，實際上的競爭遠沒有那么激烈，而且增長是相對簡單的。

二、在網頁端付費的用戶，是“全新”的用戶，并沒有用過 Captions 的移動 App。

三、用戶在尋找創新的 AI 功能。

過去 5 年，AI Dubbing（配音）和 AI Avatar 的熱度變化，雖然在一波市場熱度后都有所回落，但相較于熱點發生前，熱度明顯變化 | 圖片來源：Google Trends

很大一部分用戶是企業用戶或者營銷團隊，他們希望尋找 AI 功能，能夠攻克長視頻創作中的一些問題。（也側面驗證了，Captions 移動 App 用戶的畫像更偏向于個人創作者，Discord 社群里有一個 Introduce Yourslef 的頻道，新進來的用戶做自我介紹，7 月份的用戶畫像是 1、想用 AI 剪輯的內容創作者；2、營銷人員；3、想做科普視頻的護士；4、想做 KOL 的廣告文案；5、想給自己做字幕的 Amazon 賣課人、想做內容分發的主播；6、剛開始起步的短視頻創作者；7、以及沒有表明目的的攝影師、時尚設計師。）

四、“簡單”的 UI 是不夠的，市場上有大量的新客戶，他們對視頻剪輯應該是什么樣子是沒有任何概念的。所以有很大的機會去重新去定義這件事情。

而轉型后，移動端與 web 端數據的明顯反差，釋放的信息是，Captions 推出的 AIGC 相關功能在移動端跑不通 PMF，結合 CEO 分享的 web 端用戶畫像，可推導其推出的 AIGC 相關功能在 C 端用戶那里跑不通 PMF，可能只有很少的入門創作者在移動端為 AIGC 相關功能付費。資本的站位，更多是對 Captions 團隊技術能力和在 web 端成績的認可。

這里面其實還有一個小插曲很有意思，PhotoRoom 的創始人在 Captions 4 月 10 日上線 web 的時候，發文稱 Sass 的未來是 mobile first，因為在手機端工作的人，要比在桌面端工作的人要多 10 倍不止。現在的結果已經出現，被打臉。

PhotoRoom 創始人推文

之前對于 web 還是移動，我們也與一些 AI 創業者做過探討，加上這次觀察，有 2 個點是可以分享的：

一、重視 web 還是移動端，與使用路徑更相關。PhotoRoom 的創始人的觀點來自于自身的經驗，PhotoRoom 的客戶畫像是海量的中小賣家，服務的是他們拿起手機拍產品，然后用 PhotoRoom 也能做出很好的產品圖。這樣的使用路徑，注定了有攝像頭的移動端是重點。

Captions 早期也是一樣的，輔助用戶去錄制 Talking Video，做了提詞器等很剛需的功能，然后去加字幕，移動端是重點，而且他們不提供免費版本，甚至只做 iOS 端。但 Captions 基于用戶群體開始去迭代產品之后，用 AI 把門檻越降越低，從輔助錄制、到不用錄制，手機端最重要的“攝像頭”也就變得不再是必須項。從 camera-app 轉向 non-camera app，Mobile first 也就不再成立。

二、貼近用戶、響應用戶。

Captions 雖然在 AIGC 功能上有些減分，但在梳理團隊的過程中，發現增長、商業化上都有自己的思考，而且團隊很小，迭代超快，且非常注重和目標用戶_創作者的連接。

Captions 移動端的早期用戶大盤可能是個人創作者，但里面可能摻雜著一些用 Captions 做更復雜內容的偏向于某些特定場景的用戶，而 Captions 一直在 Discord 上、X 上做調研，隨著 Captions 希望將自己的天花板做高去迭代產品，用戶對于 Web 端上線的呼聲一直很高。

所以 Captions 并不是因為很多 AI 產品都在做 web 而去跟風，也是真的在回應部分用戶的需求。背后的根本原因是新做的功能，在移動端用起來真的費勁。

例如，在 Discord 社區，有用戶提問，“現在限制的視頻時長是 2min59s，如果是一個比較長的視頻，他們需要分別處理完再把幾個視頻連起來。甚至有用戶說處理 1min 以上的視頻，App 就會崩潰。一些舊型號的手機支撐不了。”

而 web 端顯然能承接一些更復雜的功能，大屏+鍵鼠更容易操作。

寫在最后

雖然對 Captions 是否在 C 端跑通 PMF 的討論，并沒有得出新故事。但讓我們看到了一個團隊探索 AIGC 應用路徑上的經驗與困難。

在 web 上線后 25 天就獲得 9w 付費用戶的 Captions，如果能維護好，兩端加起來 ARR 怎么也得有 3000 萬美元。但顯然，轉型后移動端的增長停滯，外加轉型后 web 端用戶與 HeyGen 等產品用戶畫像重疊但產品力不足，都會對 ARR 目標的達成形成挑戰。

而通過變現策略（不限制用量的訂閱方案）來緩解對專業場景上的深耕不足，也可能會隨著技術的發展變得難以維系。在發稿前最后一次去 HeyGen 確認細節的時候，發現他們貌似剛剛更新了訂閱方案。從按使用量來收費，變為訂閱期間無限制生成視頻。AI 正在以極快的速度迭代，即使做到比較的頭部創企，也依然面臨極大的不確定性。

HeyGen 這幾天更新的訂閱頁面