FASHN Try-On v1.6 vs. Google Virtual Try-On: Gleicher Preis – wie wählen?

FASHN Try-On v1.6 und Google Virtual Try-On kosten auf HiAPI nahezu dasselbe: $0.1072 gegenüber $0.1075 pro Bild. Wenn Sie Kleidungskategorie, Geschwindigkeits- und Qualitätsstufe sowie die Art des Kleidungsbilds steuern oder mit seed dasselbe Ergebnis reproduzieren möchten, wählen Sie FASHN Try-On v1.6; wenn Sie nur zwei feste Bildfelder, eine einfache Anfrage und eine Ausgabe in der Originalgröße des Personenbilds benötigen, wählen Sie Google Virtual Try-On.

Beide Modelle sind bereits verfügbar: Modellseite FASHN Try-On v1.6, Modellseite Google Virtual Try-On. Neue Nutzer erhalten bei der Registrierung 200 Punkte; eine Anprobe kostet 214,4 Punkte – mit ein wenig Aufladung können Sie sofort das erste Bild generieren.

Die Unterschiede auf einen Blick

	FASHN Try-On v1.6	Google Virtual Try-On
Eingabefelder	model_image + garment_image	person_image_url + product_image_url
Kleidungskategorie und Bildtyp	category zur Auswahl aus vier Optionen (tops / bottoms / one-pieces / auto), garment_photo_type unterscheidet Modellbild und Flat-Lay	Beides nicht vorhanden; Kategorie und Bildform werden durch die beiden Bilder selbst ausgedrückt
Geschwindigkeit / Qualitätsstufe	mode mit drei Stufen: performance / balanced / quality	Keine
Inhaltsprüfung	moderation_level mit drei Stufen: none / permissive / conservative	Keine
Körpersegmentierung und Reproduktion	segmentation_free-Schalter, seed fixiert die Zufallsbedingung	Keine
Bilder pro Anfrage / Ausgabeformat	1 Bild pro Anfrage, PNG oder JPEG	1 Bild pro Anfrage (num_images fest auf 1), PNG
Ausgabegröße	Personenbild proportional auf lange Kante 1296 skaliert: 1086×1448 → 972×1296	Entspricht der Originalgröße des Personenbilds: 1086×1448 → 1086×1448
Preis pro Bild	$0.1072 (214,4 Punkte)	$0.1075 (215 Punkte)

Der Preisunterschied beträgt $0.0003 – die Wahl hängt nicht vom Preis ab. Die Trennlinie liegt in der Steuerung: FASHN macht Kategorie, Modus, Bildtyp, Inhaltsprüfung und Seed zu Feldern, Google belässt es bei zwei Bildfeldern und einer festen Bildanzahl.

Dieselben Eingaben, je einmal auf beiden Seiten generiert

Das Personenbild ist ein 1086×1448 großes Hochformat im Verhältnis 3:4; das Kleidungsbild ist ein Produktbild einer Modedame in einem Spitzenhochzeitskleid.

FASHN Try-On v1.6	Google Virtual Try-On
one-pieces + quality + model + PNG, Ausgabe 972 × 1296	Nur zwei Bildfelder übergeben, Ausgabe 1086 × 1448

Gleiches Personenbild, gleiches Hochzeitskleidbild, je einmal generiert.

Der erste Unterschied ist die Ausgabegröße: Google liefert 1086×1448, exakt wie das Personenbild; FASHN liefert 972×1296, wobei die lange Kante auf 1296 reduziert wird. Der zweite ist das Bild selbst: Die Spitzendichte und die Falten des Rocks unterscheiden sich zwischen den beiden Versionen des Hochzeitskleids, auch Gesichtsausdruck und Handhaltung der Person weichen leicht ab.

Wenn Sie dasselbe Personenbild und dasselbe Kleidungsbild einmal auf jeder der beiden Modellseiten laufen lassen, sind diese beiden Unterschiede auch bei Ihren eigenen Materialien sichtbar.

Beide Modelle haben kein prompt-Feld; das Anprobierergebnis hängt vollständig von den beiden Bildern ab: Ob Ausschnitt, Ärmellänge und Rocksaum des Kleidungsbilds vollständig im Bild sind, entscheidet direkt darüber, ob das Ergebnis brauchbar ist. FASHN ersetzt nur die Kleidung; Hintergrund, Frisur und Accessoires bleiben an ihrem Platz – bei der Abnahme sollten Sie Ihr Augenmerk auf die Kleidung selbst richten.

Die Ausgabegröße richtet sich nach dem Personenbild. FASHN reduziert die lange Kante auf 1296; ist das Personenbild selbst kleiner als dieser Wert, wird es unverändert zurückgegeben, z. B. bleibt ein Personenbild mit 768×1152 auch in der Ausgabe 768×1152. Wenn Sie weiterhin mit dem Originalbild überlagern oder Vorlagen für Detailseiten nach den Pixeln des Personenbilds layouten möchten, spart die Originalgröße von Google einen Skalierungs- und Ausrichtungsschritt.

Zweite Gruppe: flaches weißes T-Shirt, je einmal auf beiden Seiten generiert

Gleiches Personenbild, aber das Kleidungsbild durch ein flaches Produktbild ersetzt (auf der FASHN-Seite garment_photo_type auf flat-lay gesetzt), je einmal auf beiden Seiten ausgeführt:

FASHN Try-On v1.6	Google Virtual Try-On
tops + balanced + flat-lay + PNG, Ausgabe 972 × 1296	Nur zwei Bildfelder übergeben, Ausgabe 1086 × 1448

Gleiches Personenbild, gleiches flaches weißes T-Shirt, je einmal generiert.

In dieser Gruppe ändert sich die Form des Kleidungsbilds: Die vorherige Gruppe war ein Bild einer Modedame, diese Gruppe ein Flat-Lay; beide Modelle müssen selbst erkennen, dass es sich um ein Oberteil handelt. Der sichtbare Unterschied liegt in der Länge – beim FASHN-Ergebnis reicht das T-Shirt unter die Taille, beim Google-Ergebnis endet es oberhalb der Taille; Hintergrund und Pose der Person sind auf beiden Seiten gleich, die Ausgabegröße bleibt 972×1296 gegenüber 1086×1448.

Wie wählen je nach Szenario?

• Massenverarbeitung für E-Commerce-Detailseiten: Für vorlagenbasierte Abläufe mit festen Feldern Google verwenden – zwei Bilder eintragen und loslegen; wenn Sie nach Oberteilen, Unterteilen und Einteilern getrennt steuern möchten, nutzen Sie category von FASHN.
• Kataloge mit vielen Kategorien: Wenn Oberteile, Hosen und Kleider gemischt sind, können Sie mit category plus garment_photo_type Kategorie und Form des Kleidungsbilds auf einmal angeben und Modellbilder und Flat-Lays getrennt deklarieren.
• Reproduzierbarkeit erforderlich: Mit demselben seed und denselben Eingaben kann FASHN dieselbe Zufallsbedingung wiederherstellen; Google hat kein Seed-Feld.
• Strenges Lieferformat: Wenn JPEG direkt ausgegeben werden soll, wählen Sie FASHN und setzen output_format auf jpeg; wenn nur PNG benötigt wird, liefern beide PNG.
• Festes Layout bereits vorhanden: Wenn das Layout auf den Originalpixeln des Personenbilds basiert, wählen Sie Google – die Ausgabe muss nicht erneut skaliert werden.
• Nur zwei Bilder übergeben, keine Parameter pflegen: Wählen Sie Google; die Eingabe besteht aus zwei URLs plus num_images: 1.

Ist der Wechsel von einem zum anderen aufwendig?

Nein. Beide Modelle nutzen POST https://api.hiapi.ai/v1/tasks und denselben API-Key, geben beide eine taskId zurück, und anschließend fragt man den Task ab und erhält data.output[0].url.

Beim Wechsel ändern sich nur zwei Dinge: model und input. Prompts müssen nicht migriert werden. Die Feldnamen ändern sich: model_image und garment_image von FASHN entsprechen person_image_url und product_image_url von Google. Beim Wechsel von FASHN zu Google haben category, mode, garment_photo_type, moderation_level, seed und output_format keine entsprechenden Felder und werden vollständig entfernt; beim Zurückwechseln ergänzen Sie sie nach Bedarf. Die drei Stufen von mode beeinflussen die Abrechnung nicht; lassen Sie zunächst den Standard balanced durchlaufen und justieren Sie dann.

Häufige Fragen

Wie groß ist der Preisunterschied zwischen den beiden Modellen?

$0.1072 gegenüber $0.1075 pro Bild, ein Unterschied von $0.0003 – die Auswahl hängt nicht vom Preis ab.

Kann FASHN mehrere Bilder auf einmal ausgeben?

Ein Bild pro Anfrage. Die Schnittstelle ist geschlossen; Felder wie num_samples und num_images werden abgelehnt; für mehrere Kandidaten reichen Sie jeweils separat ein.

Hat Google Kategorien und Qualitätsstufen?

Nein. Es akzeptiert nur person_image_url, product_image_url und num_images: 1; Kleidungskategorie und Bildstil werden durch die beiden Bilder ausgedrückt.

Wenn Sie die Unterschiede sofort sehen möchten, öffnen Sie die Modellseite FASHN Try-On v1.6, laden Personenbild und Kleidungsbild hoch und generieren ein Bild; ändern Sie dann model zu google-virtual-try-on und die Felder zu person_image_url und product_image_url, generieren Sie mit denselben zwei Bildern ein zweites Bild und entscheiden Sie nach dem Vergleich nebeneinander, welches Sie verwenden.