FASHN
FASHN Tryon v1.6
fashn-tryon-v1.6
Modelo de probador virtual: introduce una imagen de una persona y una imagen de una prenda para generar el efecto de la prenda puesta en el modelo, con salida nativa de 864x1296, admite entrada de imágenes de prendas extendidas y tres modos de calidad
Probar fashn-tryon-v1.6
Entrada
Creaciones
Ver todas las creacionesSalida
imagePrecios
fashn-tryon-v1.6 per image
| Precio unitario | $0.1072 |
|---|
Descripción general
fashn-tryon-v1.6 es un modelo de imagen de probador virtual orientado al comercio electrónico de moda y a la producción de contenido visual: recibe una foto de una persona y una imagen de una prenda de vestir como producto, y genera una imagen sintética del modelo llevando puesta esa prenda. En comparación con la generación anterior, la resolución de salida nativa se eleva a 864x1296, logrando una restitución más nítida de detalles como texturas de tejidos, estampados y textos, y una iluminación más natural. Es adecuado para desarrolladores y equipos de comercio electrónico que necesitan generar en lote imágenes del efecto de la prenda puesta para fichas de producto, materiales de marketing o fases de validación de diseño.
Aspectos destacados
- Salida nativa a resolución 864x1296: aproximadamente un 50% más que la generación anterior; las texturas de tejidos, estampados y detalles de texto son más nítidos y utilizables en el tamaño de una ficha de producto.
- Compatible con dos tipos de material de prenda: fotos de modelo y fotos planas: mediante garment_photo_type se especifica model, flat-lay o auto para el reconocimiento automático, adaptándose a distintas condiciones de fotografía.
- Tres modos de calidad según necesidad: performance, balanced y quality permiten alternar entre velocidad de generación y precisión de renderizado, lo que facilita llamadas escalonadas en entornos de producción.
- Semilla fija para resultados reproducibles: al proporcionar el mismo seed y las mismas entradas se obtiene una salida consistente, lo que facilita la reproducción de resultados y la resolución de problemas en la producción por lotes.
Descripción de capacidades
Prueba virtual mediante síntesis de imagen de persona y prenda: basta con enviar dos URL, la de la imagen de la persona y la de la prenda, para obtener una imagen del efecto de la prenda puesta, en formato png o jpeg, que puede incorporarse directamente al flujo de imágenes de producto o de materiales.
Adaptación a categorías de prenda y formatos de fotografía: category admite tops, bottoms, one-pieces y auto para el reconocimiento automático; garment_photo_type distingue entre fotos de prenda puesta en modelo y fotos planas, lo que reduce el trabajo de preprocesamiento.
Control de calidad de la generación: mode permite priorizar la velocidad o la precisión; moderation_level puede bloquear contenido explícito según los requisitos del negocio, y el nivel conservative también bloquea prendas de lencería y baño.
Generación por lotes reproducible: con un seed fijo, las mismas entradas reproducen el resultado, lo que facilita localizar problemas y volver a ejecutar muestras fallidas en la cadena de producción.
Casos de uso
- Producción por lotes de imágenes de prendas puestas para equipos de comercio electrónico: generar en lote imágenes del efecto de la prenda puesta a partir de fotos planas de producto e imágenes de modelo, para la imagen principal de la ficha de la tienda y la presentación de estilos.
- Validación visual en la fase de muestreo de diseño de moda: generar rápidamente imágenes combinando bocetos de diseño o fotos de muestras con fotos de modelo, para confirmar el patrón y la presentación de estampados antes de invertir en una sesión fotográfica real.
- Generación rápida de materiales de marketing con múltiples estilos: generar imágenes por separado combinando el mismo modelo con varios estilos, para la creación de materiales con múltiples variantes destinados a páginas de campaña, publicaciones en redes sociales, etc.
- Conversión de fotos planas de producto en presentaciones de prenda puesta: convertir materiales existentes de fotos planas o con percha invisible en efectos de prenda puesta en modelo, revalorizando el catálogo de imágenes de producto existente.
Limitaciones y recomendaciones de selección
Este modelo está orientado a escenarios de exhibición de prendas de cuerpo completo con una resolución fija, y el tamaño de salida no puede ajustarse libremente. El modo quality ofrece mayor precisión de renderizado pero requiere más tiempo, por lo que en tareas por lotes conviene distribuir los niveles entre velocidad y efecto; generar varios resultados en una sola solicitud es una práctica habitual para mejorar la tasa de utilización, pero aumenta proporcionalmente la facturación. El nivel de moderación conservative bloquea prendas de lencería y baño, por lo que en esos casos debe elegirse un nivel más permisivo. Si el negocio valora más la estabilidad de producción en ejecuciones prolongadas que la precisión, conviene evaluar si utilizar una versión anterior más madura.
Novedades
Ver el registro de cambios →- Nuevo modelo Nuevo modelo fashn-tryon-v1.6 de prueba virtual de ropa
Preguntas frecuentes
Ver todas las preguntas →-
¿Qué es FASHN Try-On v1.6?
Es un modelo especializado de prueba virtual de ropa. Sube una foto de una persona y una imagen de una prenda, y el modelo viste la prenda sobre la persona y genera una imagen vertical de la prueba; no requiere prompts ni acepta descripciones de texto. La salida es adecuada para incorporarse directamente en páginas de detalle de producto, materiales para redes sociales o previsualizaciones de campañas.
-
¿Es necesario escribir un prompt?
No. Solo acepta fotos de personas e imágenes de prendas; el resultado de la prueba virtual se determina por las dos imágenes y los parámetros opcionales de categoría, modo y tipo de imagen de prenda. No incluyas un campo prompt adicional en la solicitud, ya que el backend lo rechazará por ser un campo desconocido.
-
¿Es obligatorio subir dos imágenes a la vez?
Sí. Tanto la foto de la persona como la imagen de la prenda son obligatorias; si falta cualquiera de las dos, Playground y la API lo bloquearán antes del envío. El botón de ejecutar solo se habilita después de subir ambas imágenes; la API devolverá un error de validación de parámetros.
-
¿Qué categorías de ropa se admiten?
Se admiten prendas superiores (tops), prendas inferiores (bottoms) y prendas de una pieza (one-pieces); también se puede elegir la detección automática. Si no se está seguro de la categoría, use primero la automática; si la detección no es precisa, especifíquela explícitamente. Para catálogos de categorías mixtas se recomienda enviarlos agrupados por categoría para reducir el sesgo que introduce la detección automática.
Crear una tarea de generación
https://api.hiapi.ai/v1/tasks Encabezados
AuthorizationstringObligatorioClave API de la cuenta. Obligatoria en cada solicitud. Ejemplo: Bearer YOUR_HIAPI_API_KEY. Obtener clave API
Content-TypestringOpcionalEl cuerpo de la solicitud siempre se analiza como JSON; si se envía, solo se acepta application/json (charset opcional) — cualquier otro valor devuelve 415. Ejemplo: application/json.
Idempotency-KeystringOpcionalClave de idempotencia, hasta 255 bytes. Los reintentos con la misma clave de la misma cuenta crean la tarea una sola vez; las repeticiones devuelven el taskId original.
Ante timeouts de red o reintentos automáticos del cliente, la misma clave crea la tarea una sola vez, sin doble cobro (alcance = la cuenta de la clave API). Usa un identificador de negocio único (p. ej. "order-42"); las repeticiones devuelven el taskId original y las claves caducan 24 h después de la primera solicitud. La matriz completa de escenarios está en la introducción de la API asíncrona unificada.
Cuerpo
modelstringObligatorioValor fijo actual: fashn-tryon-v1.6
routestringOpcionalValor fijo actual: default
inputobjectObligatorio
Objeto de parámetros de negocio para fashn-tryon-v1.6 y la ruta default; consulta la tabla de parámetros a continuación.
modestringOpcionalPredeterminado: "balanced"Modo de equilibrio entre calidad de generación y velocidad, valor de enumeración de tipo cadena, por defecto balanced; performance es más rápido, el modo calidad es más lento pero con más detalle.
performancebalancedqualityseedintegerOpcionalSemilla aleatoria, valor entero; la misma semilla y las mismas entradas reproducen el resultado.
categorystringOpcionalPredeterminado: "auto"Categoría de la prenda, valor de tipo cadena, por defecto auto, es decir, la categoría se detecta automáticamente a partir de la imagen de la prenda.
topsbottomsone-piecesautomodel_imagestringObligatoriominLength 1pattern ^https?://Fotografía de la persona que lleva la prenda, valor de URL http(s).
garment_imagestringObligatoriominLength 1pattern ^https?://Imagen de producto de la prenda que se va a probar, valor de URL http(s).
output_formatstringOpcionalPredeterminado: "png"Formato de la imagen de salida, valor de tipo cadena, por defecto png; png ofrece la máxima calidad, jpeg es más rápido.
pngjpegmoderation_levelstringOpcionalPredeterminado: "permissive"Nivel de moderación de contenido, valor de tipo cadena, por defecto permissive; permissive bloquea contenido explícito, conservative bloquea además contenido de ropa interior y bañadores.
nonepermissiveconservativesegmentation_freebooleanOpcionalPredeterminado: trueInterruptor booleano, por defecto true; al activarse, deshabilita el análisis corporal (human parsing) de la imagen de la persona.
garment_photo_typestringOpcionalPredeterminado: "auto"Tipo de imagen de la prenda, valor de tipo cadena, por defecto auto; model indica una imagen con modelo llevando la prenda, flat-lay indica una imagen plana o de maniquí invisible, auto indica detección automática.
automodelflat-laycallbackobjectOpcional
Configuración de notificación de estado terminal. Si se omite, no hay callback: consulta la tarea por tu cuenta.
Indica callback.url al crear y HiAPI hará POST a tu servicio en el estado terminal, sin necesidad de sondeo. El cuerpo del callback replica la estructura del detalle de la tarea; firma, reintentos e idempotencia se detallan en la introducción de la API asíncrona unificada.
urlstringObligatorioObligatorio si se incluye callback. Al estado terminal se envía un POST a esta URL; debe ser una URL http(s) válida.
whenstringOpcionalPredeterminado: "final"Actualmente solo se admite final: notifica tanto en success como en fail.
finalstoragestringOpcionalPredeterminado: "temp"Nivel de almacenamiento de artefactos: temp (por defecto, ~7 días) o persistent (largo plazo, facturado por tamaño). Saldo insuficiente o exceso de límite ⇒ degradación silenciosa a temp; el nivel efectivo se muestra en la respuesta del detalle.
temppersistentEjemplos de solicitud
# Envía una tarea asíncrona; devuelve un taskId de inmediato (sin esperar la generación)
curl -X POST "https://api.hiapi.ai/v1/tasks" \
-H "Authorization: Bearer $HIAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "fashn-tryon-v1.6",
"input": {
"mode": "balanced",
"category": "auto",
"model_image": "…",
"garment_image": "…",
"output_format": "png",
"moderation_level": "permissive",
"segmentation_free": true,
"garment_photo_type": "auto"
}
}' const res = await fetch("https://api.hiapi.ai/v1/tasks", {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.HIAPI_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
model: "fashn-tryon-v1.6",
input: {
"mode": "balanced",
"category": "auto",
"model_image": "…",
"garment_image": "…",
"output_format": "png",
"moderation_level": "permissive",
"segmentation_free": true,
"garment_photo_type": "auto"
}
}),
});
const task = await res.json();
// { code: 200, message: "success", data: { taskId } } import os, requests
res = requests.post(
"https://api.hiapi.ai/v1/tasks",
headers={"Authorization": f"Bearer {os.environ['HIAPI_API_KEY']}"},
json={
"model": "fashn-tryon-v1.6",
"input": {
"mode": "balanced",
"category": "auto",
"model_image": "…",
"garment_image": "…",
"output_format": "png",
"moderation_level": "permissive",
"segmentation_free": True,
"garment_photo_type": "auto"
}
},
)
print(res.json()) # { code, message, data: { taskId } } 200 OK
{
"code": 200,
"message": "success",
"data": {
"taskId": "tk-hiapi-01HZTQ8BX2N3GM3YFK4Z9D7VQR"
}
} 400 Bad Request
{
"code": 400,
"message": "invalid request",
"data": null,
"error_code": "INVALID_REQUEST"
} Obtener el detalle de la tarea
https://api.hiapi.ai/v1/tasks/:id Campos de respuesta
taskIdstringObligatorioID de tarea, siempre con prefijo tk-hiapi-.
modelstringObligatorioNombre completo resuelto del modelo. Las tareas enviadas con el parámetro route devuelven base@route (p. ej. gpt-image-2/text-to-image@ext); si no, coincide con el nombre enviado.
routestringOpcionalSolo aparece si se usó el parámetro route explícito; repite el valor enviado.
statusstringObligatorioEstado de la tarea.
queued En cola, sin iniciar.
handling Procesando.
archiving Proceso terminado, preparando artefactos.
success Terminal: completado, artefactos disponibles (se devuelve output).
fail Terminal: error (se devuelve error).
Tras el envío, guíate por status: success y fail son terminales; el resto, no. Sondea cada 1–3 s hasta el estado terminal. Con éxito, descarga los artefactos desde output[].url y transfiérelos antes de expireAt; para retención larga usa storage: "persistent" al crear.
creatednumberObligatorioHora de creación de la tarea (segundos Unix).
completednumberObligatorioSegundos Unix al alcanzar estado terminal; 0 mientras no sea terminal.
outputarrayOpcional
Solo con status == success. Lista de artefactos — siempre un array; una tarea puede devolver varios types a la vez (p. ej. video + first_frame).
Array [ object ]
Elementos del array
urlstringObligatorioURL del artefacto, descargable directamente.
typestringObligatorioValores posibles actuales: video, image, audio, first_frame, last_frame, thumbnail; podrían ampliarse más adelante.
expireAtnumberObligatorioSegundos Unix hasta los que el artefacto es accesible; descárgalo o transfiérelo antes.
errorobjectOpcional
Solo con status == fail.
codestringObligatorioCódigo de error de negocio.
messagestringObligatorioDescripción del error.
Ejemplos de respuesta
Éxito
{
"code": 200,
"message": "success",
"data": {
"taskId": "tk-hiapi-01HZTQ8BX2N3GM3YFK4Z9D7VQR",
"model": "happyhorse-1-0",
"status": "success",
"created": 1777282033,
"completed": 1777282099,
"output": [
{
"url": "https://cdn.hiapi.ai/tasks/.../video.mp4",
"type": "video",
"expireAt": 1777886899
}
]
}
} En proceso (no terminal)
{
"code": 200,
"message": "success",
"data": {
"taskId": "tk-hiapi-...",
"model": "happyhorse-1-0",
"status": "archiving",
"created": 1777282033,
"completed": 0
}
} Fallido
{
"code": 200,
"message": "success",
"data": {
"taskId": "tk-hiapi-...",
"model": "happyhorse-1-0",
"status": "fail",
"created": 1777282033,
"completed": 1777282099,
"error": {
"code": "TASK_FAILED",
"message": "task failed"
}
}
} Artículos
Ver todos los artículos →-
Tutorial
Uso de Kandinsky 6.0 Pro texto a video en HiAPI: tutorial con curl y Python
Demostración práctica centrada en la solicitud: construir la llamada de prompt a clip de video, enviar la solicitud, sondear el estado de finalización y descargar el resultado
-
Comparativa
hailuo-2.3-fast/image-to-video comparativa horizontal: cómo elegir un modelo de imagen a video y puntos clave para migrar
-
Comparativa
Recraft v4.1 Flash comparativa horizontal de texto a imagen: guía de selección y migración para desarrolladores
Con un coste de $0.01 por imagen y capacidad pura de texto a imagen, evalúa si encaja en tu pipeline de generación de imágenes
-
Tutorial
Cómo llamar a kling-4.0/image-to-video en HiAPI: curl, Python y sondeo
-
Tutorial
Cómo usar kling-4.0/text-to-video a través de la API de HiAPI: curl, Python y un ejemplo de solicitud ejecutable
Guía práctica para desarrolladores: prompts cinematográficos, audio sincronizado, sondeo asíncrono y descarga de resultados
-
Tutorial
Cómo llamar a hailuo-2.3/text-to-video mediante la API de HiAPI: curl, Python y ejemplos de solicitud ejecutables
-
Tutorial
Tutorial de kandinsky-6.0-pro/image-to-video en HiAPI: curl + Python
Realiza una solicitud de imagen a video funcional en HiAPI: desde la carga del primer fotograma hasta el sondeo asíncrono y la descarga final
-
Tutorial
Cómo llamar a hailuo-2.3-fast/image-to-video a través de la API de HiAPI: práctica con curl y Python
La primera solicitud ejecutable del nivel rápido y de bajo coste de imagen a vídeo: del ID del modelo a la descarga del MP4
Modelos relacionados
Ver todos los modelos →Mismo tipo
-
851 Labs Background Remover 851 Labs $0.002 /imagen -
Recraft Crisp Upscale Recraft $0.004 /imagen -
FLUX.2 Black Forest Labs $0.035 /imagen -
Krea 3 Krea $0.036 /imagen -
GPT Image 2.5 OpenAI $0.017 /imagen -
Nano Banana 2 Google $0.036 /imagen -
Muse Image 1.0 Meta $0.015 per task -
Recraft Creative Upscale Recraft $0.357 /imagen -
FLUX.1 Kontext Max Black Forest Labs $0.071 /imagen -
Imagen 4 Google $0.030 /imagen -
Wan 2.7 Image Alibaba $0.035 /imagen -
BRIA Eraser Bria $0.058 /imagen











