我是 2025 年 11 月 24 日注册的 tryonr.com 这个域名 —— 一个周一晚上，11 点左右，喝完第三杯咖啡之后。回过头看那天晚上随手记下的几行字，我现在觉得里面大概有一半的判断是错的。没团队。没融资。只有一个关于 AI 虚拟试衣的直觉，怎么也甩不掉。
5 个月后，AITDK 给 Tryonr 估出来的月访问量大约是 8.9K。这不是什么"增长神话"的案例，只能说"刚刚冒头"。但增长曲线是往上走的，当初做 AI 试穿的判断比当时更稳了。
这是一篇关于"从 0 开始做一个 AI 虚拟试衣工具"的诚实复盘，有点不好意思但都是真的。我会说差点没敢公开的数据、当时下注的逻辑、还有 5 件我特别想告诉过去自己的事。
一切的开端：那笔 $2,000 的拍摄费
我有个朋友，姑且叫他阿黄（出于隐私考虑，名字已做处理）。他在 Etsy 上开了一家做服装的小店。去年 12 月，阿黄跟我说他刚为新一批商品拍了一组照片，花了 $2,000。12 件商品、租了一天棚、请了一个模特、后期两周。
照片确实值这个钱。销量涨了 40%。但阿黄每个月都要上新。也就是说，他每年要为拍摄付出 $24,000 —— 这笔钱本来可以投到库存、广告、家人身上。一个月营收 $8,000 的小店，这个数学题非常残酷。
Tryonr 就是从这一刻开始有想法的。不是在一份 pitch deck 里，而是在一段关于"真实成本"的真实对话里 —— 而 AI 虚拟试衣刚好可以替代这个成本。
当初下注的逻辑（以及我之前放弃过一次）
有件事我不太对人提。其实我在 2023 年就尝试过一次，做了三周就放弃了。当时的模型还不行：手指扭曲、人脸跨角度不一致。我把这个想法搁置了 18 个月。
直到 2025 年下半年。
过去几年，AI 生成的穿衣照片一直有问题：手做不对、人脸跨视角错乱、布料像塑料一样、品牌 logo 变成乱码。小卖家用人工修这些问题，成本比直接找摄影师还高。
但 2025 年下半年，三个模型几乎同时跨过了 AI 虚拟试衣的商用门槛：
- Kling 3 —— 人体动作和一致性强到可以做视频试穿了。(我写的 Kling 3 完整指南)
- Seedance 2 —— 多镜头同一人物的一致性终于稳定，产品试穿可用。(Seedance 2 对比 Sora 和 Kling)
- Nano Banana 2 —— 图像编辑终于尊重衣物纹理和品牌细节。
这三个模型谁都不是专门为 AI 虚拟试衣造的。但它们加在一起，意味着一个小卖家终于可以生成出**"好到能直接拿去卖货"**的模特图。不完美，但够用。
这就是 Tryonr 抓住的那个窗口。
Tryonr 到底是什么（以及不是什么）
Tryonr 不是模型。我不从头训练任何东西 —— 没有 GPU，没有数据团队，没有 5000 万美元 A 轮。
Tryonr 做的事情，是把目前最好的 AI 虚拟试衣模型，封装成专为一类用户设计的工作流：一个不愿意每次拍摄掏 $2,000 的小型电商卖家。(这是从 $2,000 降到 $1 一张图的完整流程)
整个产品就这么一句话。
我故意没做的事情：
- 通用 AI 图像编辑器 —— 太卷，没差异化
- 社交滤镜应用 —— 一个人做不动它需要的分发模式
- 从头训练模型 —— 我这个体量物理上做不到
第一个月最难的事，就是反复对这些"要不要做"说"不"。最难的那个"不"是在第 2 个月：有人出 $500 让我做一个 AI 时尚情绪板的定制功能。我那时候缺钱。但我还是说了不，因为它跟虚拟试衣没关系。那是我在这个项目上做过的最便宜的昂贵决定。
真实数据（包括我差点没敢发的那部分）
这篇文章我写了两版没带数据的草稿。两版读起来都像我最讨厌的、别的创业者在写的那种 bullshit。所以我把数据加回来了。
AITDK 给 Tryonr 前三个月（有完整索引的）估算如下：
- 2026 年 2 月 —— 月访问接近零
- 2026 年 3 月 —— 月访问约 2.5K
- 2026 年 4 月 —— 月访问约 8.9K
一些通常创业故事里不会写的诚实附注：
- 这些是第三方估算，不是我自己的 GA。方向性参考，不是精确数字。
- 跳出率大概 51%。用户进来、看一眼、走掉。站内体验是我还在改的。
- 平均停留很短。页/访 1.7。不好看。
- 全球排名 2.4M 左右。听上去糟糕 —— 确实有点糟糕。互联网的长尾大部分是噪音，但我也还没"赢"什么。
我之所以愿意把这些数字写出来，是因为 6 个月前我也在找类似的文章 —— 想看一个真实的早期 AI 虚拟试衣项目长什么样。我能找到的要么太模糊（"慢慢涨"），要么太浮夸（"一个月 10 倍"）。真实情况比这些都更狼狈。
5 件想告诉 2025 年 11 月 24 日的自己的事
如果我能给那天晚上 11 点的自己写张字条，我会写这些：
1. 抓住技术节点，而不是热点
我做 Tryonr 不是因为"AI 现在热"。是因为有三个具体的 AI 虚拟试衣模型在那个时间点上把可能性从"做不到"变成了"刚刚能做到"。看技术能力的拐点，不要看舆论的高点。舆论是滞后的，能力是领先的。
2. 内容是我唯一付得起的渠道
没有付费投放预算。没有现成观众。我能做的只有一件事 —— 写：写教程、写对比、写那些 Tryonr 建立在其上的 AI 虚拟试衣模型的评测。绝大部分流量来自这些文章。写让你的产品成为可能的那些工具。
3. 大多数文章不会爆 —— 这没问题
5 个月里我发了几十篇博客。大概只有 5 篇真的带来了像样的流量，其他都没什么动静。
举个具体例子：我第一次写的"最佳 AI 时尚工具"那种泛泛的盘点文，两个月只有零星几次访问。紧接着的下一篇 —— 一篇聚焦的、step-by-step 的 Kling 3 教程 —— 一周内带来了几百次访问。同一个人写的。同样的投入。唯一的差别是"具体程度"。这是我反复学到的同一个教训。
4. 不要造假数字。也不要藏起来。
你正在读的这篇，我差点不放数据。后来想清楚了：藏数据只是"被发现得更慢一点"。任何认真评估一个独立 AI 虚拟试衣项目的人，迟早能看出规模。诚实比另一个选项便宜得多。
5. 要么收得很窄，要么死得很宽
每次我想"再加一个功能"，超出虚拟试衣范围的时候，我就提醒自己第一个月为什么拒绝做通用图像编辑器。对独立开发者来说，专注不是效率技巧，是生存条件。
接下来 Tryonr 要做什么
我不会承诺日期。独立项目承诺日期都会鸽。
但下面这些事我接下来几个月会做：
- 继续写让 AI 虚拟试衣可用的那些模型
- 把卖家场景的工作流做得更专门，更不通用
- 一旦有新模型过了质量线就接入
- 把站内体验改好，把 51% 的跳出率压到 35%
如果你正在用 Tryonr，并且是个小型电商卖家 —— 站内体验是我现在最需要反馈的地方。 51% 跳出说明哪里坏了，但我宁愿你告诉我，也不愿意自己瞎猜。回复这篇文章，或发邮件给 support@tryonr.com。我每封都看。
最后
做了 5 个月，我能确定的只有一件事：独立 AI 是有得做的。但只有那些愿意如实说出"这事其实有多慢"的人，才能做下去。
如果你也在做 AI 方向的东西：选一个窄到不能再窄的切片，认真写它，别在数据上撒谎。我能给你的就这些。
谢谢你读到这里。Tryonr 博客是我继续摸索的地方 —— 如果你想在我下次写诚实复盘的时候收到通知，订阅下方的 newsletter 就好。我大概一个月发一封。
