
我们每天都在拍照。从清晨的第一缕阳光,到孩子第一次走路的瞬间;从家庭聚餐的笑声,到旅行途中那片特别的晚霞——这些画面被存进相册,成为记忆的锚点。
但今天大多数生成式 AI(GenAI)做的,是创造“完美却陌生”的场景:理想化的面孔、标准化的光影、千篇一律的构图。它们知道什么是美,却不知道你是谁。
在 Phota Labs,我们相信:真正有意义的视觉生成,应该源于你自己的现实。

于是,我们正在构建一种全新的 GenAI —— 不是通用世界的幻象制造机,而是专属于你的个人视觉模型。它学习你的真实照片和视频,理解你的外貌、关系、环境与审美,然后以此为基础,帮你重新看见、延伸并重温那些只属于你的时刻。
这,就是我们的起点。
为什么需要个性化的视觉 AI?
当前主流的视觉生成模型追求“更大”、“更通用”。它们能画出逼真的城堡、明星脸、未来城市,但在面对“你自己”时却常常失败:
- 生成的家人面容模糊或错乱;
- 特定场合的穿搭和妆容无法复现;
- 光线与背景脱离真实情境,失去记忆的温度。
问题在于:这些模型不了解“你”的上下文。
而我们知道——
一张打动人心的照片,不在于像素多高、构图多完美,而在于它是否唤起了你真实的感受。
肖像必须是你认识的人,场景必须是你经历的地方,那一刻的情绪必须是真实的。
对记忆而言,没有“差不多”这种说法。
要么是你记得的那个瞬间,要么就不是。
我们的答案:基于身份与上下文的个性化 GenAI
Phota Labs 的核心信念是:
最有价值的视觉 AI,不是最强大的通用模型,而是最懂你的个人模型。
为此,我们建立在两个关键支柱之上:
1. 身份(Identity):你是谁,以及什么对你重要
- 模型从你提供的图像中学习你的面部特征、体型、发型、表情习惯;
- 理解你常穿的风格、偏爱的颜色、标志性的配饰;
- 尊重你在不同人生阶段的变化轨迹。
2. 上下文(Context):你在哪里,和谁在一起,发生了什么
- 结合时间、地点、光照条件重建情境;
- 识别亲密关系中的互动模式(如父母抱孩子的姿态);
- 保留关键物体与空间布局的一致性(比如婚礼上的花束、家里的沙发位置)。
通过在你自己的数据上训练轻量级个人模型,Phota Labs 实现了:
- 高保真的人物再现;
- 自然连贯的动作与表情;
- 忠实还原特定时刻的情感氛围。
更重要的是:我们绝不编造你未曾经历的场景。所有生成内容都以真实为基础进行优雅增强,而非虚构替代。

技术路径:让 AI 成为你记忆的延伸
Phota Labs 并非简单地做图像编辑或滤镜美化,而是构建一套端到端的个性化生成系统:
- 数据输入:用户授权上传个人照片与视频(本地处理优先,隐私保护为先);
- 模型定制:自动提取身份嵌入(identity embedding)与上下文表征,生成专属视觉模型;
- 可控生成:支持文本+图像引导的联合控制,例如:“妈妈抱着我在去年夏天的海边,微笑看向镜头”;
- 输出形式:可生成新视角图像、延长视频片段、修复老旧影像、创建回忆动画等。
最终目标是:让你像使用相机一样使用这个 AI——按下“快门”,就能捕捉、回放甚至扩展生活中的大小时刻。
现在进行时:开放 Beta 与 API 接入
我们正将这一理念付诸实践:
✅ Beta 应用现已开放注册
面向早期用户推出实验性应用,用于生成忠实于个人记忆的图像。无论是补全缺失的家庭合影,还是重现某个难忘瞬间的不同角度,都可以尝试。
✅ API 注册同步开启
开发者与合作伙伴可通过 API 接入 Phota Labs 的个性化生成能力,应用于:
- 家庭影像服务
- 婚礼/活动摄影后期
- 数字遗产保存
- 创意内容平台
无论产品形态如何,只要涉及“一致性人物与场景”的视觉生成需求,我们都愿提供技术支持。
我们是谁?
Phota Labs 是一支由工程师、AI 研究员和设计师组成的跨学科团队,因一个共同使命走到一起:
让人们通过照片和视频,更深刻地连接自己的记忆。
我们的背景涵盖计算机视觉、生成模型、用户体验设计与消费级产品开发,曾深度参与:
- Adobe Photoshop 与 Lightroom 中的 AI 功能研发;
- Project Indigo(被誉为“最好的 iPhone 相机”之一)的核心计算摄影工作;
- Pinterest 上大规模创意工具的产品落地;
- 早期个性化生成 AI 在摄影领域的探索性研究。
这些经验让我们深知:技术的价值不在参数规模,而在能否真正赋能个体表达。
新的开始:560 万美元种子轮融资完成
我们很荣幸宣布,Phota Labs 已完成 560 万美元种子轮融资,由 Andreessen Horowitz(a16z)领投。同时感谢 Figma Venture、AGI House,以及来自创意与技术领域的多位先锋人士——Guillermo Rauch、Sabrina Hahn、Jon Barron 和 Sylvia Wang 的支持。
这笔资金将用于:
- 加强隐私安全架构;
- 提升模型个性化效率;
- 扩展多模态(图像+音频+文本)记忆建模能力;
- 组建更多元的工程与研究团队。
数据统计
相关导航


Lovart

Photoroom

LiblibAI

Adobe Firefly

Pomelli

Recraft






