FASHN Try-On v1.6 vs Google Virtual Try-On: cómo elegir al mismo precio

FASHN Try-On v1.6 y Google Virtual Try-On cuestan casi lo mismo en HiAPI: $0.1072 frente a $0.1075 por imagen. Si necesitas controlar la categoría de la prenda, el nivel de velocidad y calidad, el tipo de imagen de la prenda, o usar seed para reproducir la misma imagen, elige FASHN Try-On v1.6; si solo quieres dos campos de imagen fijos, peticiones simples y que la salida conserve el tamaño original de la imagen de la persona, elige Google Virtual Try-On.

Ambos modelos ya están disponibles: página del modelo FASHN Try-On v1.6, página del modelo Google Virtual Try-On. Los nuevos usuarios reciben 200 créditos al registrarse; una prueba de vestido cuesta 214.4 créditos, así que con un poco más puedes generar la primera.

Las diferencias en una tabla

	FASHN Try-On v1.6	Google Virtual Try-On
Campos de entrada	model_image + garment_image	person_image_url + product_image_url
Categoría de prenda y tipo de imagen	category con cuatro opciones (tops / bottoms / one-pieces / auto), garment_photo_type distingue imagen de modelo y imagen plana	No tiene ninguno de los dos; la categoría y la forma de la imagen se expresan con las dos imágenes
Velocidad / nivel de calidad	mode con tres niveles: performance / balanced / quality	No
Moderación de contenido	moderation_level con tres niveles: none / permissive / conservative	No
Segmentación corporal y reproducción	Interruptor segmentation_free, seed fija las condiciones aleatorias	No
Imágenes por petición / formato de salida	1 imagen por petición, PNG o JPEG	1 imagen por petición (num_images fijo en 1), PNG
Tamaño de salida	La imagen de la persona se escala proporcionalmente hasta que el lado largo mida 1296: 1086×1448 → 972×1296	Igual al tamaño original de la imagen de la persona: 1086×1448 → 1086×1448
Precio por imagen	$0.1072 (214.4 créditos)	$0.1075 (215 créditos)

La diferencia de precio es de $0.0003; la elección no depende del precio. La línea divisoria está en el control: FASHN expone como campos la categoría, el modo, el tipo de imagen, la moderación y el seed, mientras que Google solo deja dos campos de imagen y un número fijo de imágenes.

Las mismas entradas, una generación en cada lado

La imagen de la persona es una imagen vertical 3:4 de 1086×1448, y la imagen de la prenda es una foto de producto de una modelo con un vestido de novia de encaje.

FASHN Try-On v1.6	Google Virtual Try-On
one-pieces + quality + model + PNG, salida 972 × 1296	Solo se envían los dos campos de imagen, salida 1086 × 1448

Misma imagen de persona, misma imagen de vestido de novia, una generación en cada lado.

La primera diferencia es el tamaño de salida: Google devuelve 1086×1448, idéntico a la imagen de la persona; FASHN devuelve 972×1296, con el lado largo reducido a 1296. La segunda es la imagen en sí: la densidad del encaje y los pliegues de la falda del vestido difieren entre las dos versiones, y la expresión del rostro y la postura de las manos también varían ligeramente.

Si usas la misma imagen de persona y de prenda y ejecutas una vez en cada página de modelo, estas dos diferencias también se ven con tus propios materiales.

Ninguno de los dos modelos tiene el campo prompt; el resultado de la prueba de vestido depende enteramente de las dos imágenes: que el escote, el largo de las mangas y la falda de la imagen de la prenda estén completos en el encuadre determina directamente si el resultado sirve. FASHN solo sustituye la prenda; el fondo, el peinado y los accesorios quedan en su sitio, así que al revisar conviene fijarse en la ropa.

El tamaño de salida sigue a la imagen de la persona. FASHN reduce el lado largo a 1296; si la imagen de la persona ya es menor que ese valor, se devuelve tal cual, por ejemplo una imagen de 768×1152 devuelve 768×1152. Si quieres superponerla con la imagen original o si la plantilla de la página de detalles maqueta según los píxeles de la imagen de la persona, la salida a tamaño original de Google ahorra un paso de escalado y alineación.

Segundo grupo: camiseta blanca plana, una generación en cada lado

Misma imagen de persona, con la imagen de prenda cambiada por una imagen de producto plana (en el lado de FASHN, garment_photo_type se ajusta a flat-lay), una ejecución en cada lado:

FASHN Try-On v1.6	Google Virtual Try-On
tops + balanced + flat-lay + PNG, salida 972 × 1296	Solo se envían los dos campos de imagen, salida 1086 × 1448

Misma imagen de persona, misma camiseta blanca plana, una generación en cada lado.

Este grupo cambia la forma de la imagen de la prenda: el grupo anterior era una imagen de modelo llevando la prenda, este es una imagen plana, y ambos modelos deben deducir por sí mismos que es una prenda superior. La diferencia visible está en el largo: la camiseta del resultado de FASHN llega por debajo de la cintura, mientras que la del resultado de Google se queda por encima de la cintura; el fondo y la postura de la persona coinciden en ambos lados, y el tamaño de salida sigue siendo 972×1296 frente a 1086×1448.

¿Cómo elegir según el caso de uso?

• Lotes para páginas de detalles de e-commerce: para flujos con plantilla y campos fijos, usa Google, rellena las dos imágenes y listo; si quieres ajustar por separado partes superiores, inferiores y prendas de una pieza, usa category de FASHN.
• Catálogos de varias categorías: cuando se mezclan partes superiores, pantalones y vestidos, category junto con garment_photo_type aclara de una vez la categoría y la forma de la imagen de la prenda, declarando por separado imágenes de modelo e imágenes planas.
• Necesitas reproducir: con el mismo seed y las mismas entradas, FASHN puede volver a las mismas condiciones aleatorias; Google no tiene campo seed.
• Formato de entrega estricto: si necesitas JPEG directo, elige FASHN y pon jpeg en output_format; si solo necesitas PNG, ambos generan PNG.
• Ya tienes una maquetación fija: si la maquetación está organizada según los píxeles originales de la imagen de la persona, elige Google, la salida no necesita escalado.
• Solo quieres enviar dos imágenes y no mantener parámetros: elige Google, la entrada es solo dos URL más num_images: 1.

¿Es complicado cambiar de uno a otro?

No. Ambos modelos comparten POST https://api.hiapi.ai/v1/tasks y la misma API Key, ambos devuelven taskId y luego se consulta la tarea para obtener data.output[0].url.

El cambio solo toca dos cosas: model e input. El prompt no hay que migrarlo. Los nombres de los campos cambian: model_image y garment_image de FASHN corresponden a person_image_url y product_image_url de Google. Al pasar de FASHN a Google, category, mode, garment_photo_type, moderation_level, seed y output_format no tienen campo correspondiente y se eliminan por completo; al volver, se añaden según sea necesario. Los tres niveles de mode no afectan la facturación; primero ejecuta con balanced por defecto y luego ajusta.

Preguntas frecuentes

¿Cuánto difieren los precios de los dos modelos?

$0.1072 frente a $0.1075 por imagen, una diferencia de $0.0003; la elección no depende del precio.

¿FASHN puede generar varias imágenes a la vez?

Una por petición. La interfaz es cerrada; campos como num_samples y num_images se rechazan; si quieres varios candidatos, envíalos por separado.

¿Google tiene categoría y nivel de calidad?

No. Solo acepta person_image_url, product_image_url y num_images: 1; la categoría de la prenda y el estilo de la imagen se expresan con las dos imágenes.

Si quieres ver la diferencia de inmediato, abre la página del modelo FASHN Try-On v1.6, sube la imagen de la persona y la de la prenda y genera una; luego cambia model por google-virtual-try-on y los campos por person_image_url y product_image_url, usa las mismas dos imágenes para generar la segunda y, tras compararlas en paralelo, decide cuál usar.