离开字节Seed后，他联手打造了一个AI创作社区yesand

每件作品都能继续被创作。

AI视频的生成门槛还在继续下降。

Seedance、Minimax、Wan等模型接连更新之后，一段完成度不错的视频已经不再需要复杂的制作流程。

输入一段描述，准备几张参考图，再花一些时间调整结果，普通用户也可以做出过去需要专业团队才能完成的画面。

但生成变简单之后，创作过程里另一个问题开始变得明显。

很多好看的AI视频都分布在社交媒体和创作社区里，看到喜欢的，用户通常只能先下载下来，再去评论区翻Prompt。

遇到一个喜欢的角色，还要自己研究怎样保持人物一致；想复现某种画面风格，也很难直接找到原作者使用过的素材和制作方式。

最近出现的yesand，恰恰瞄准了这些创作中的实际困扰。今年6月，这款产品宣布完成300万美元Pre Seed融资，由Accel领投。

官方披露产品启动约两个月后已经积累超过6万名用户，以及超过10万个由创作者生产的内容资产，目前官网展示的创作者数量已经超过10万。

而yesand背后的两位联合创始人，也都长期待在AI视觉创作产品的一线。

其中Markus Mak此前在字节Seed工作，参与过Seedance和 Seedream。

另一位联合创始人Lena Zheng曾负责Dreamina AI的移动端，领导Dreamina的ARR从0增长到5000万美元。同样，她也是yesand前身Inspova最早的产品发起者。

离开字节Seed后，Markus和 Lena选择接入已经成熟的Seedance、Minimax等模型，再围绕AI内容生成之后的那段过程做一套新的产品。

打开yesand的网页，页面里铺着大量作品。看起来有点像一个充满AI图片和视频的Pinterest，用户可以不断浏览其他创作者发布的内容。

点进作品之后，yesand会继续展示Prompt，并识别其中可以重复使用的角色和视觉元素。看到喜欢的内容，用户可以直接Remix，交给AI继续生成自己的版本。

yesand希望一件已经生成完成的AI内容，可以继续成为下一件作品的起点，作品展示只是整个使用过程里的第一层。

它把这些可以重复利用的内容称为Elements。

作品里的每个部分都有它自己的价值。很多信息原本藏在Prompt里，需要创作者自行拆解，yesand希望将它们直接呈现在作品页面中。

传统内容平台里的互动通常由浏览开始，随后进入点赞与转发，而yesand里的Remix，用户看到喜欢的作品之后，可以直接接着做。

它想强调的其实是一个新的互动关系。点赞只代表用户认可一件作品，Remix会产生下一件作品，也会让原来的创作元素继续传播。

这也是yesand和很多模型聚合工具之间最明显的区别之一。模型负责内容生成，社区里的作品如何继续生长，则构成它希望建立的核心循环。

此外，作品里识别出的Elements可以被其他用户调用，创作时与 Agent发生的部分交互也可以成为后续Remix的依据。

第二个入口是Inbox。这里除了接收社区动态，也会直接推荐新的创作者账号。

用户可以看到某个关注对象刚刚发布了新内容，下面还会继续出现Suggested accounts，页面会根据社区里的创作者关系推荐值得关注的人。

第三个入口则负责发布作品。用户可以直接上传JPG、PNG、WebP、MP4或MOV，也能粘贴社交媒体内容链接。

页面还单独提供Instagram、X、Threads和TikTok的导入入口，可以把自己其他平台账号里的内容带进yesand。

发布之前，创作者可以填写作品描述，也能留下供社区Remix使用的Prompt，再补充模型、分类以及原始作者和来源链接。

需要创作时，可以打开Agent页面，用户可以直接输入自己的需求，也能添加参考内容，再选择Auto、Image 或 Video模式。

yesand已经接入GPT 4o Image、Nano Banana、Seedance 2.5和Kling等模型，具体生成任务可以交给不同模型完成。

这里还有一个设计，就是Skill。

很多原本需要自己研究Prompt、画面结构和模型调用方式的步骤，都被打包进一个可以直接使用的入口。

用户看到别人通过某个Skill做出的效果后，也能继续沿用同一套创作方法。

Agent 页面里还有一个很实用的功能，Remix from any inspiration。

用户可以粘贴 Instagram或Pinterest链接，让Agent直接基于外部灵感继续创作。

让链接直接进入创作流程，不需要再手动下载素材和重新整理描述。

随着某个模型在画质、人物一致性或者运动表现方面更合适，yesand可以继续接入新的能力，产品依旧围绕着创作体验更新。

这种选择也很符合这两年AI视频产品的变化。模型更新速度越来越快，单个应用想依靠某一个模型长期保持体验优势并不容易。

对于应用团队来说，如何让用户持续回来创作，如何让用户已经产生的内容形成关系等都开始成为很重要的问题。

Markus Mak还特别提到了taste。在他的判断里，多模态模型的能力正在快速提升，生成一张质量不错的图片或者做出一段可观看的视频会越来越容易。

基础能力不断向前推进，用户的审美选择会变得更加重要。

如果Agent能够持续理解这些选择，用户下一次创作时就不需要重新解释自己偏爱的画面语言。

值得一提的是，yesand它的前身叫Inspova，最早由Lena Zheng做出来。

Lena本身是产品经理，也有Dreamina相关产品经历。她曾在公开内容里提到，自己没有技术背景，最初使用AI coding tools做出了Inspova。

这个早期产品更像一个围绕Prompt建立的灵感库，此类产品目前市面上也很多。用户可以在里面寻找各种 AI 图片和 AI 视频的Prompt，也可以查看不同模型对应的创作案例。

Lena当时还专门整理过Seedance、Kling、Veo、Runway 和 Sora等模型相关的视频Prompt，希望让优秀创意可以跨工具流动。

这种产品形态很容易让人想到Pinterest，用户来到这里的首要目的，是找灵感。

看到合适的内容之后，再把Prompt带到其他工具里继续生成。产品更多是作为一个发现和整理的作用。

随着使用场景继续扩展，Inspova的定位也发生变化。

原本的Prompt Gallery被进一步扩展，生成能力被接入产品，Elements开始承担素材复用，Agent负责降低创作门槛，Remix则把社区里的作品连接起来。

它没有先设计一个庞大的AI社交网络，再寻找用户。Lena先用一个很轻的Prompt产品验证创作者需求，团队随后逐步增加创作和交易相关能力，最后才形成yesand目前的形态。

这种产品路径也解释了为什么yesand的社区属性很重。它最早解决的就是找内容和找灵感的问题，生成工具是后续的一部分。

目前yesand的主要入口仍然是网页端，移动产品也已经进入团队的规划范围。

对于一个强调浏览、发现和Remix的产品来说，移动端具有很强的使用逻辑。

用户在碎片时间里刷到作品，再随手保存一个Element或发起一次Remix，会比完整的桌面创作流程更接近内容社区的使用习惯。

Markus的选择也很容易让人想到另一批字节出来的AI创业者。

过去一段时间，做AI视频和AI视觉创作的创业团队里，字节背景出现得非常频繁。

闹闹曾参与剪映和抖音特效相关业务，后来又有阶跃星辰经历，如今在做动画创作Agent OiiOii。

陈冕曾负责剪映与CapCut全球商业化，离开字节体系后参与创办演语科技，团队后来推出LibTV，该产品同样围绕AI视频创作展开。

TapNow联合创始人Klaus He也有字节经历，团队将产品方向放在AI visual creation和filmmaking；郭列此前创办FaceU，团队后来进入字节体系，如今再次创业做Flova，瞄准的同样是AI视频Agent。

这些团队选择的产品形态各有差异，经历里有一个很明显的交集。

他们都接触过短视频时代成熟的内容生产体系，也很熟悉创作工具如何影响内容供给。

字节近几年快速补齐了模型能力，相关团队在更早的业务周期里已经积累大量创作工具经验，也长期处理内容分发与创作者增长问题。

AI视频能力快速提升之后，这些经验开始出现新的用途。

有人选择做更完整的视频工作流，有人关注动画，有人希望用Agent 降低专业制作门槛。yesand则选择了社区，希望让作品本身成为下一次创作的素材。

如果未来AI视频生成变得像今天拍一张照片一样普通，那么下一轮竞争很可能会围绕创作关系继续展开。

作品做出来只是第一步，后续怎么被人接着用，才是yesand真正放进去的核心。

文章来自于微信公众号 “虾蛄AI”，作者 “虾蛄AI”