日期：2026-08-05 · 状态：方案待拍板 数据来源：Grok 深度研究（对抗验证中，价格细节待补）+ 8 路竞品专项扫描（57 条目，已清洗幻觉条目）+ 兄弟会话技术报告（未验证，已修正偏乐观数字） 竞品矩阵为方向性参考，具体价格/功能以官网为准。

一、需求重述

做一个小生意工具：终端用户（家具店的顾客）提供自己家里的照片或视频 + 想买的家具（床、沙发等）商品图，产出"家具放进家里"的整体搭配效果——看风格搭不搭、尺寸放不放得下。使用者是家具店导购/装修公司的工作人员，需要现场给客户演示，并且能把最终的图片或视频微信发给客户（视频优先）。

待拍板问题：做成网站、微信小程序、App 还是桌面软件？

二、核心结论（先看这个）

载体：移动端网页（H5）先行，验证收钱后再包微信小程序。不做 App、不做桌面软件。

理由一句话：这个生意的命门是"导购 15 分钟出一单、当场演示、微信发成片"，H5 零安装、零审核、一周能上线、什么手机都能开；小程序等收到钱再补，因为它有企业主体类目审核和生成式 AI 合规流程，会拖慢验证。

技术路线：2D 照片合成 + 图生视频，不碰 3D 建模、不碰 AR。

具体说就是"两张图进，一条视频出"：房间照片 + 家具商品图 → 抠图合成（AI 只做光影融合，不重画家具本身）→ 效果图 → 喂给图生视频模型出 5–15 秒展示视频。这就是成本最低、上线最快、效果最"像真的"的路。3D 重建（酷家乐路线）和 AR 实时预览（宜家路线）都死于同一件事：需要每件家具的 3D 模型，而家具商家手里根本没有，建模一件 ¥100–500，一人公司建不起模型库。

尺寸判断：不做精确测量，做"三档结论"。 让用户输入一个已知尺寸（比如"这面墙 3.2 米"或户型图上的数字），系统换算出家具占地比例，给出"宽松 / 刚好 / 放不下"三档 + 占地示意线。诚实地标注"仅供参考，建议实地复尺"。单张照片测绝对尺寸在物理上就不可靠，竞品里宣称能测的消费级产品也都被用户吐槽不准。

三、竞品格局（清洗版）

四大流派

1. 3D 设计工具派：酷家乐（龙头，日均出图几十万张，29.8–166 元/月）、三维家、阿里每平每屋/躺平。 共同点：先建户型 3D 再放家具模型，效果专业但学习成本高、导购 15 分钟搞不定，视频导出要专业版。它们服务的是设计师，不是导购。

2. AR 试摆派：宜家 Place/Kreativ、亚马逊 View in Room、Wayfair、Home Depot。 共同点：手机摄像头里实时摆家具，现场感强，但出不了能发走的成片（只能录屏），精度被吐槽，且国内安卓没有 Google ARCore，体验割裂。宜家 Kreativ 只能摆宜家自家家具。

3. AI 照片改造派：RoomGPT、REimagineHome、Collov、Interior AI、SofaBrain 等一大批。 共同点：上传房间照片出效果图，和你想做的最接近，但几乎全是"整屋换风格"，不能保真地放入指定的那件商品、不管尺寸、不出视频。

4. 通用 AI 修图派：豆包/即梦 P 图、美图、Gemini（nano-banana）、Qwen-Image-Edit。 共同点：免费/便宜，确实能"把沙发 P 进客厅"，但家具经常被画走样（纹理、logo、比例错），导购卖具体商品时这是硬伤；也没有尺寸和视频。

四项能力对照（上传真实照片 / 放指定家具 / 判断尺寸 / 输出视频）

• 四项全占的只有：酷家乐、三维家（都要专业版订阅、要建 3D 户型）、Wayfair、Home Depot（美国零售内部工具）、MeltFlex AI（小众）。
• “一张照片 + 一张商品图 → 保真效果图 + 尺寸提示 + 成片视频"这个轻量组合，国内没有专门做的。
• 面向线下家具店导购的 B2B 工具（现场演示 + 微信发成片）是明确空白。

必抄与避坑

• 必抄：让用户给 1 个参照尺寸而不是量房（门槛最低）；成片带品牌水印（导购觉得是自己店的官方效果，还帮你传播）；无限重生成（客户反复改直到满意才付费）。
• 避坑：绑定自有品类（宜家 Kreativ 只能放宜家家具）；纯 AR 路线；按次高价收费（RoomGPT $1-2/次留不住人）；纯 2D 贴图不做光影融合（假，难成交）。

四、技术方案（P1 MVP）

流水线：两张图进，一条视频出

1
2
3
4
5
6

顾客家里照片 ──┐
              ├→ ①家具抠图 → ②透视贴入+AI光影融合 → ③效果图
家具商品图 ───┘                                    │
一个已知尺寸（用户输入）→ ④占地比例计算 → 三档结论+示意线 │
                                                    ↓
                              ⑤图生视频（运镜展示 5-15s）→ ⑥带水印mp4 → 微信发客户

① 抠图：BiRefNet / rembg（开源，本地跑，免费）。商品图多是白底图，抠图质量高。

② 合成（核心，决定"像不像真的”）：两条路都备好——

• 主路：透视变换贴入（单应矩阵）+ 软阴影，再用 AI 图像编辑模型做家具区域保护式光影融合（只重绘家具周围和接触面的光影，家具本身一个像素不动——这样保证不走样）。
• 模型通道：国内走通义 Qwen-Image-Edit（百炼 key 已有，直连无代理）；备选 Gemini 2.5 Flash Image（nano-banana，AIStudio2API 7870-7872 已部署可试）。

③ 尺寸三档：用户输入 1 个已知尺寸（墙宽/层高/户型图标注）→ 算出像素比例 → 家具参数（商品详情页的长宽高，导购手输或从链接解析）换算占地 → 输出"宽松/刚好/放不下" + 在效果图画占地框线。可选增强：Depth Anything V2 出相对深度，让遮挡关系更真实（家具被茶几挡住一半这类）。

⑤ 视频：wan2.6-i2v-flash（百炼，已实测全链路通：异步提交→轮询→下载 mp4）。5s/720P/无声 = ¥0.75；15s ≈ ¥2.25。提示词走"镜头缓慢推进/环绕展示客厅"。漫剧管线的调用代码可直接搬。

⑥ 交付：mp4 带水印（店名 Logo + “AI 生成效果仅供参考"字样，水印本身就是合规要求）→ 导购保存到相册 → 微信发客户；同时生成一个 H5 成片页链接，可直接微信转发点开就看。

载体与部署

• 前端：移动端 H5（Astro 或 Next.js），部署 Cloudflare Pages（现有基础设施，0 新增成本）。
• 后端：Cloudflare Workers + R2 存图存片；或复用现有 Docker 主机。视频生成走异步任务（百炼本来就是异步轮询模式）。
• 导购账号：P1 可以先不要账号体系，URL 带单号即可；P2 再加。

五、合规红线（2025-09-01 起《人工智能生成合成内容标识办法》已生效，必须做）

1. 效果图和视频必须带显式"AI 生成"标识（水印正好一物两用）。
2. 调用已备案的模型 API（通义、可灵都是已备案模型），自己不用单独备案，但标识义务在自己身上。
3. 商品图版权：导购场景是商家用自家商品图，没问题；别去爬别家商品图建库。
4. 微信小程序（P3）才涉及类目审核；H5 阶段不涉及。

六、实施计划

P0：服务型验证（3–5 天，不写代码，~¥50 API 费）

目的：先证明有人愿意付钱，再写一行代码。

1. 手动跑通流水线：找 3 套真实场景（自己家/朋友家/网上买家秀）+ 淘宝真实商品图，用百炼 Qwen-Image-Edit + wan2.6-i2v-flash 各出 1 条 15 秒成片。
2. 拿着 3 条样片去扫 5–10 个家具店/建材市场档口（或 1688 家具商家），演示并问：“19.9 一条，你顾客看房时用，你买不买？”
3. 有 ≥2 个明确愿意付钱的 → 进 P1。没有 → 项目停在这里，损失 3 天 + ¥50。

注意项目集中纪律（一进一出）：此项目若 GO，需要拍板哪个在研项目让位，或明确它就是 Lynxhouse 的衍生场景（房产+家具的相邻变现）。

P1：H5 MVP（1–2 周）

• 上传两张图 → 抠图 → 合成 → 三档尺寸 → 出片 → 水印 mp4 下载/成片页分享。
• 手动质检兜底：生成结果人眼过一遍再发给客户（服务型基因，早期保证口碑）。
• 收费：先线下微信收款都行，别为支付环节拖上线。
• 验证目标：10 个付费单。

P2：打磨（2–4 周）

• 家具店 catalog 批量导入（店里在售商品列表，导购点选而非上传）。
• 品牌水印定制、导购账号、订单管理、微信支付商户号。
• 定价参考：单条 ¥19.9；导购包月 ¥99；家具店多账号 ¥499/月（锚点：酷家乐专业版 ¥166/月）。

P3：按需扩展（都是"赚钱后再说”）

• 微信小程序（需企业主体，工具类目，提前准备 AIGC 标识说明）。
• 多角度效果图（同房间多张照片分别合成再剪成轮播视频）。
• AR 现场演示（Kivicube 等小程序 AR 插件）——只在客户明确要时做。
• 3DGS 房间漫游高阶版（Luma/Polycam 拍摄 + gsplat）——只做高端单。

七、成本估算

（精确 API 单价以 grok 验证版报告补充为准，但不影响选型结论。）

八、风险表

九、复杂度评估

• P0：低（纯手工调 API，3–5 天）
• P1：中（H5 + 三段 API 编排 + 水印，1–2 周）
• 全项目到 P2：Medium，单人可完成，无需新学框架（Astro/CF/百炼链路全是现成的）

附录(2026-08-06 补,已完结)：对抗验证结果见 ~/furniture-ar-viz-verify-appendix-2026-08-06.md——抢救 74 票实锤打假 7 条(Flux 价格颠倒/Kontext 免费商用不实/ARKit 开箱即用幻想/AR 转化率 25-40% 无出处/NYU 0.119 过时/3DGS 具体数字无源/腾讯箭头实验室张冠李戴)；08-06 恢复工作流跑完(105 agents,25 说法→4 存活+21 杀,综合 5 结论全印证本报告路线),新增打假=Flux Kontext 实价 $0.04/图、纯 SLAM/单图深度/WebAR 精确尺度全是过度宣传;主结论零影响，反而印证 AR 缓做是对的。