對話嘉賓：胥彪，VMEG 創始人，前騰訊云副總裁。

對話背景：AI 視頻工具供給豐富，包括 HeyGen、Creatify 等產品都在海外市場獲得不錯成績，VMEG 作為同賽道產品，在 2024 年才上線，但啟動即拿下 Product Hunt 日榜第 3 名，流量也快速增長。就此，白鯨出海與創始人胥彪交流了其創業歷程與背后思考。

這兩年，AI 浪潮下，不少大廠人出來創業，他們基于自己的背景與積累、對行業的洞察，選擇一個細分賽道扎進去，希望抓住 AI 的機會闖出一片天地。VMEG 的創始人胥彪也是如此，碩士畢業即進入騰訊，在那里工作 14 年，從 toC 產品做到廣告、再去云服務做到騰訊云副總裁，他基于自己對行業的理解，選擇 AI 視頻方向創業切入市場，VMEG 主要提供 2 個功能，基于圖片視頻等原始物料自動生成廣告視頻（Clip to Video）；以及多語言視頻翻譯+對口型（Video Translation）。

VMEG 現在主要 2 個功能，Clip to Video（混剪）和Video Translation（視頻翻譯）| 圖片來源：VMEG 官網

本周，我們與胥彪老師聊了下，在營銷方向上已然有 HeyGen、Creatify 等大量 AI 視頻工具供給的當下，他背后的思考與邏輯。在交流中，我們發現很難得的一點是，從大廠出來的胥彪，在帶小團隊創業時風格無縫切換，做全量增長形成健康的流量結構但花錢很少，在產品的研發迭代上也不冒進，更多去貼合自己的客戶畫像和技術現狀去做功能取舍。

以下是對話內容，白鯨出海做編輯和刪減。

一、為什么要做一個AI視頻工具？

白鯨出海：請先介紹一下自己在創業之前的的經歷。

胥彪：我是學計算機的，碩士畢業就去了騰訊，在騰訊做了 14 年，創業之前，我就這一份工作經歷。雖然只在一家公司待過，但在騰訊做過的業務橫跨了 3 個種類。

我最開始做的是移動互聯網業務，短信、手游開發、應用寶等等，從應用寶開始我進入了廣告系統，經歷了騰訊最早的展示類廣告 CPM、CPC 到 CPS、CPA、CPX 的整個發展，主要負責廣告系統的算法、以及廣告平臺系統架構的開發，在這個階段，研發和產品開始一起帶。

在 2014 年前后我進入了騰訊云這樣一個更加 toB 的業務，經歷了騰訊云團隊從最早的百人到萬人的過程。我在這個時期負責的是非計算類的業務，包括數據庫、文件存儲、CDN、大數據、AI 產品。

2018 年算是一個轉折點，從移動互聯網進入產業互聯網階段，我開始聚焦到智慧零售行業，當時公司給了我 100 個 headcount，第一年背 4 億人民幣收入的 KPI，騰訊的 KPI 是應收、不是合同收入，這是非常有挑戰的。而騰訊做零售和阿里不一樣，切入點就是營銷，借助于騰訊在 C 端的優勢打通線上與線下，當時我主要在做營銷云，幫助客戶分析用戶數據、搭建數字化的通路，從云的 Paas 到營銷 Saas，在騰訊我經歷了從技術到產品到業務 3 種不同的角色。

所以我 2022 年下半年從騰訊出來，選定的也是 Marketing 的賽道，之前在騰訊主要 toB，現在算是 to SMB 吧。

白鯨出海：選擇 AI 營銷視頻方向，除了自身積累之外，還有別的原因嗎？

胥彪：選擇這個賽道一個是因為有足夠的積累、另一個則是深入行業看到了問題。

我之前做廣告，大家強調數據驅動，但我們整個鏈路做下來的感覺是，整個數據驅動的閉環里面，物料是最脫節的地方，絕大多數的企業會外包物料的制作，而一旦外包出去，從制作到投放的這個鏈條是很難追蹤的，其實現在像是巨量引擎這樣的主流廣告平臺也只能掛 20 個視頻做素材。數據再多、用戶標簽再多，但是能測試的素材就 20 個反饋是不夠的，這里面的主要原因是供給不夠。

所以當時在營銷賽道做 AI 方向的創業，我們聚焦到鏈條缺口，AI 制作素材上。定了這個方向之后，我們看了文本、圖片、視頻這幾種媒介，結合對趨勢的思考，判斷依然是 Video first，當時團隊覺得難度大，但現在來看是正確的，圖片的難度很快被拉平了。

二、AI 生成視頻，重點不是生成

白鯨出海：VMEG 在 2024 年在海外上線，時間已經比較晚了，咱們主要提供 AI 混剪（clip to video）和視頻翻譯（video translation）2個功能，也都是其他產品在做的功能，還敢去投入的原因是什么呢？

胥彪：我們對于 AI 營銷視頻有自己的理解，雖然 AI 在里面做的是生成，但更重要的其實是理解。

2023 年我們先做的國內市場，服務 KA。國內視頻的發展比海外更快，原始物料是不缺的，已有物料怎么用好，我們切入的是視頻理解。所以我們上線的第一個功能是 Clip to Video。

當時我們服務冰箱、廚具類的頭部品牌，他們有很多物料，然后產品有很多的功能賣點，大容量、AI 保濕，生成視頻之后，這些 Feature 要與視頻畫面匹配，也就是圖文匹配。

其實這個還是比較有難度的，也是現在市面上一些產品的問題，生成的視頻，畫面和文字各說各的。服務國內 KA 沉淀下來的這個能力，在做海外之后也是給我們積累了不錯的口碑，被客戶認為是很懂他們需求的一個能力。

白鯨出海：之前測試其他產品的時候也遇到了這個問題，它是先生成腳本，讓用戶選擇，等于定了腳本再去做圖文匹配，有的時候物料不夠，就出現各說各說的問題。

胥彪：圖文匹配其實分兩步，大模型的 Caption 功能，從圖到文，視覺模型理解畫面信息、語言模型生成文字，我們自己會加一步，文到營銷文。然后是文到圖，用畫面生成的文字再反向去匹配畫面，也就是 CLIP，這是圖文匹配的基礎。我們用了很多已有的 CLIP 模型，但是效果都不太好，最后自己調了一個模型來保證效果，這是其一。

產品成立的點，效果好之外還要成本低，才能有利潤空間。所以這里面的關鍵難點其實是抽視頻里的有完整圖片信息的關鍵幀，比如一個視頻 30fps，都抽成本太高了，我們用算法來解決這個問題，比如 1s 我們最多抽 5 幀，去做匹配，成本就能低下來很多。

白鯨出海：這是 VMEG 沒有像其他產品一樣提供編輯腳本功能的原因嗎？

胥彪：這是一個原因，產品邏輯是 AI 生成腳本，過程中會抓取圖片信息，來實現圖片和腳本對齊，另一個是因為我們對每個品類都有一套“模板”，經過訓練之后我們認為基于我們的技術寫的腳本，是優于客戶的。

后續，我們可能也不會開放編輯，但可能支持用戶上傳整段腳本，因為有些客戶他確實是更專業的。越專業的客戶越想干預每一個環節，但 VMEG 的產品不想定位到一個編輯產品，拼編輯器功能誰也干不過剪映。所以我們會盡量基于對行業、對市場的理解保持產品簡單。例如關于字幕，大多數產品都必帶字幕，但我們也支持不加，因為 Instgram 的視頻就是沒有字幕，加完之后再去剝離非常麻煩，很多海外客戶都適應多個工具來形成 workflow，這不是問題。

白鯨出海：那這樣的話，我們后續做海外，海外的物料沒有那么豐富會不會出現問題？

胥彪：整體上問題不大，這類專業客戶對自己產品的賣點和物料有理解；另外就是和我們的出海路徑也有關系。

我們 2023 年做國內，SMB 不付費、KA 存在結尾款問題，2024 年我們決定 Focus 海外，春節后一個月上線，基于國內累積下來的圖文匹配能力先上線了 clip to video 功能，然后還是先服務的出海企業，他們物料是很豐富的。但可以看到這些做出海的中國企業已經習慣于海外的一些付費模式、養成了比較好的付費習慣，很多企業很快就開始問怎么付費。

三、跟著客戶走，產品長成該有的樣子

白鯨出海：所以我們做到今天客戶畫像具體是什么樣的，還是出海企業多一些？

胥彪：是的，出海企業多一些，現在東南亞和歐美也有一些。客戶主要分兩大類，一個營銷相關的 SMB 品牌、以及帶貨類的電商賣家，前者占比更大。

然后因為服務出海企業，他們有多區域市場業務，我們后面上線了第 2 個功能，視頻翻譯。也就探索出了現在的第二大類客戶，影視解說類。

白鯨出海：還挺有意思的，我們先說營銷方向，我們在聊之前測試了產品，就像您剛才說的，保持簡單，我們的印象也是這樣，沒有其他產品的一鍵粘貼 url、而是需要準備素材，沒有剛才聊到的腳本編輯，現在理解了，但 Avatar 是一個很熱的功能，也容易加強視頻的可信任度，為什么也不做呢？

VMEG 生成廣告視頻的流程

Creatify 生成視頻廣告的流程，紅色部分是 VMEG 沒有的功能設計（關于 URL-ads 的更多信息，也可以參閱我們之前的選題《ARR千萬美金，找到 PMF 的 toC AI 產品又多了一個？》）

胥彪：我們其實也規劃了 URL 功能，但從現有用戶群來看，這樣設計更合適一些。

URL 其實就是給用戶提供便利，用戶上傳一個 URL、平臺來抓取下載里面的視頻、圖片、以及去從產品描述里面去判斷 Feature。我們不去做，一是自己本身的客戶群來說，有物料的品牌客戶會多一些，我們會判斷這不是一個優先需求、與我們產品還在初期是有關的，另外就是許多電商平臺，商家上傳視頻是額外收費的，例如 Amazon，可能圖片會多一些，視頻短缺，這也會有一定的局限。

但關于 Avatar，我們基于行業的情況，再結合一些客戶反饋，確實是有些遲疑。

需要確認的一點是，有人出鏡的視頻效果肯定是更好的。但一是現在的客群，出海企業、東南亞企業，人的成本其實是比較低的，另一個是現在的 Avatar 在畫面的一角，其實還是一眼假。這放在一些教育、PPT 演講場景還可以，但是在營銷領域就有問題。

我們的一個客戶是出海眼鏡品牌，已經做到全球 Top3，一個月需要找 4000 個博主幫他們帶貨，他們觀察到講英語的美國白人如果能夠講日語，這類視頻在日本投放的效果會很好，但這里面一個是價格高、一個是 KOL 基本都是單語言，我們的 2 個 AI 功能結合是一個很好的解決方案，但他們老板很謹慎。

一是對真實的要求，口型要真實、而且這個人不會被認出來是 AI。回到營銷視頻對品牌的真實表達、準確表達的要求，高于娛樂視頻。品牌廣告可能會傳達情緒價值、主觀感受還會更多一些，而對于商品類廣告，準確是最重要的。

白鯨出海：那我們技術這塊是如何做支撐的？

胥彪：營銷，同時要求準確和創意。我們是用 LLM 基礎大模型+多個 CV 和語音垂類模型，再加上多個小算法的組合。什么都可以變、商品不能變，這是必須要做到的。

白鯨出海：另一類客戶是之前沒想到的，影視解說類的規模應該不大吧？

胥彪：其實很大，頭部專業團隊的員工有上百人，在 YouTube Shorts 做電影解說，每天上億播放量。

白鯨出海：但是我們了解做這類翻譯服務的產品和人都很多。

胥彪：這類翻譯工作，其實非常繁瑣，有很多能改進的地方。比如翻譯音頻和視頻長度對不齊的問題，之前他們都是用人工解決，當一個語言轉換成另一個語言，可能音頻會變長，音頻與畫面不匹配，他們就認為單詞修短一點，但非常繁瑣。

一開始我們也以為在大模型的支持下視頻翻譯是非常簡單的，但后來發現文字翻譯和視頻翻譯兩者之間的難度存在指數級的差異，視頻里面有字幕、音頻、畫面，這里面會涉及幾個難題，當一種語言翻譯成另外一種語言的時候，字幕怎么斷句、音頻的長度發生變化與畫面不匹配。所以功能做了挺久，5 月份才上線，現在還是有一些問題。但這個確實是剛需，從注冊付費轉化率來看，視頻翻譯是高于混剪的。

另外，我們提供一個功能，客戶是很喜歡的。很多視頻翻譯工具會把視頻中的聲音都當成解說全部翻譯和配音出來。但其實我們看影視解說，更喜歡解說是一個聲音，但是到對白的時候，希望聽到原聲。我們通過這種前景音和后景音的分層，把對白和旁白分開，只翻譯旁白，效果會好很多。

后續我們會繼續沿著這個思路去拓展短劇客戶，現在如 Reelshort、Dramabox，翻譯短劇的占比都很高，但是現在技術和成本的制約下，他們只翻譯文案、不翻譯聲音。我們會專門針對短劇這類影視場景出一個功能，這里面的挑戰點在于多 Speaker、聲音克隆復制、但最難的其實還是情緒。

白鯨出海：電商類客戶和影視類客戶還挺不一樣的，我們未來會放在一起嗎？

胥彪：9 月 30 日，官網上線一個 2.0 版本，我們的思路是 clip to video 和 video translation 作為底層的“原子能力”，未來做一個個場景抽出來。

例如實物商品和虛擬商品的成片邏輯不一樣，而不同的行業，如 3C、美妝、玩具也不一樣；翻譯也是，營銷視頻、娛樂視頻、podcast 的翻譯都不一樣。AI 應用層創業，真正的機會在于往深扎，就是這里面每個場景的 know-how、洞察是不是足夠。例如我們產品設計表面是簡單的，步驟很少，但是在生成的過程中，其實針對不同類別、3C、服裝、美妝，是有不同的模板的，而且在實時更新。

場景是一個關鍵探索方向，我們本來以為是需要面向行業，但后來發現，行業是一個空的東西，更多是場景問題的解決，我們做問卷的時候也發現這個問題，我們去詢問行業的時候，大家選的更多是 other，但是當說來解決什么場景的問題，選擇得非常清楚。我非常喜歡一個產品，Photoroom，他的 web 端對于場景有很好的設計。

Photoroom web 端部分截圖

白鯨出海：我們其實對這個賽道還是挺有自己見解的，但是很多大廠都在做，Amazon、Google 都有開放一些 AI 能力，他們又是廣告平臺，還有 Capcut 這樣的工具。

胥彪：我們也每天在考慮這個問題，投資人也在問。Capcut for Business 有一個功能叫做 URL-to-video，比市面上其他的產品效果都要更好一些。但是大廠做產品的方式我們非常清楚，一個是 Feature list 能排 100 多個，肯定是共性的需求先做，這個功能做完之后能給 1000 萬人甚至更多來用，是優先性更高的，比如美白 7 分做到 8 分。另一個是大廠產品，不同功能來不同團隊，不同功能之間差異特別大，最重要的，尤其 B 端產品，產品經理不是用戶，不用產品。

而另一個問題，其實大廣告平臺一直都開放一些能力，但是通用能力，我們做下來每個場景的問題是特定的，這是存在機會的。

四、AI 工具的海外冷啟動與增長

白鯨出海：VMEG 上線海外的時候，去 Product Hunt 打榜了，拿下了日榜第 3，Product Hunt、Discord 現在已經成為了 AI 產品啟動必然會去嘗試的方式，您有看到什么 AI 產品在海外啟動的范式嗎？

胥彪：其實冷啟動的方式，就像教科書一樣在那里擺著，但是沒有一個產品能夠說復制就能成功，我只能建議多試吧。每個團隊、每個產品的情況都不一樣。

我們當時做 Product Hunt 打榜的時候，不到 1000 人民幣做到第 3，當時 2000 美金能有公司幫做到第 1，但我們覺得沒有必要花錢。這個打榜需要前期注重積累在社區里的影響力，別人愿不愿意幫你投票、給你評論，這些都需要有儲備。而且做 Saas 社區是很重要的，打榜也是對自身運營能力的一種檢驗。

因為很多 KOL 有內容分享的需求，Top3 很容易被大家拿來安利給自己的粉絲，當下還有很多人用戶是 Product Hunt、或者導航站找來的，導航站也是我們非常大的一塊流量來源。所以要多試，比如Google 的廣告投放很精準，但是 AI、Video、Marketing 這幾個詞能去到 30-40 人民幣一個點擊，很不合適，賬目算不過來。多試、快速判斷，是給大家的建議。

白鯨出海：我們去看了 SimilarWeb 對 VMEG 的分析，導航站確實流量很大，另外我們幾乎沒有投放廣告吧？

胥彪：是的，我們沒花錢。

2024 年 9 月，VMEG 流量分布| 圖片來源：Similarweb

我們很多流量來自于 AI 導航站、用戶去搜索的時候他本身就是有意圖的，這點也非常易于我們后期做場景的探索。對 VMEG 來說，導航站和 influencer 是最有效的 2 個渠道，而且 KOC 更合適，我們最貴的 KOC，200 美金不到，大多數時候幾十美金能帶來一兩百個注冊。

我們最近主要在做 2 個事情，內容驅動營銷和 affiliate。開始嘗試生產一些病毒式的內容，作為基礎，聯盟營銷是我們近期的重點，大概是內容創作者發布內容成交會給 30% 的交易分成，這會成為一個放大器，自己去做引流效果不錯，但是不夠快。

等這 2 個工作做差不多了，我們會再去嘗試做 SEO，現在內容太少做 SEO 結果不太好。

白鯨出海：你們的流量結構真的挺健康的，甚至自然搜索有 96% 是品牌詞。

胥彪：積累要做厚、到時候真正去做廣告投放的時候才有的發揮，我做營銷這么多年，廣告是個杠桿，但你要有東西可以去撬動。

提到品牌，這個對于 AI 工具來說真的很重要。我們現在 clip to video 的標簽就是簡單、專業，簡單易用但是能夠在背后通過技術、內容的支持實現比較好的效果。

白鯨出海：最后一個問題，我覺得在工具層面，您的思考和執行路徑都挺清晰的，如果把時間線拉長，您覺得 VMEG 這樣的 AI 營銷視頻方向的產品，最后的競爭是在什么樣的維度上？

胥彪：VMEG 發展到后期，方向就是怎么做到商業模式更厚、和用戶形成更強的粘性。我們之前說整個行業是數據驅動的，物料是脫節的一環，當我們補齊之后，可以是往全鏈路去走的，往 Marketing Budget 更多的地方去做，后期必然會走到一個 take rate（交易抽成）的模式，可能是成為 AI Agency。