FASHN Try-On v1.6 vs Google Virtual Try-On：a parità di prezzo, come scegliere

FASHN Try-On v1.6 e Google Virtual Try-On su HiAPI costano quasi lo stesso prezzo: $0.1072 contro $0.1075 per immagine. Se vuoi controllare la categoria del capo, la modalità velocità/qualità, il tipo di immagine del capo, oppure usare seed per riprodurre la stessa immagine, scegli FASHN Try-On v1.6; se ti servono solo due campi immagine fissi, richieste semplici e un output che mantenga le dimensioni originali dell'immagine della persona, scegli Google Virtual Try-On.

Entrambi i modelli sono già disponibili: pagina del modello FASHN Try-On v1.6, pagina del modello Google Virtual Try-On. I nuovi utenti ricevono 200 crediti alla registrazione; un prova virtuale costa 214,4 crediti, quindi basta una piccola ricarica per generare la prima immagine.

Le differenze in una tabella

	FASHN Try-On v1.6	Google Virtual Try-On
Campi di input	model_image + garment_image	person_image_url + product_image_url
Categoria del capo e tipo di immagine	category con quattro opzioni (tops / bottoms / one-pieces / auto), garment_photo_type distingue immagini con modella e immagini flat lay	Nessuno dei due; categoria e forma dell'immagine sono espresse dalle due immagini stesse
Modalità velocità / qualità	mode con tre livelli: performance / balanced / quality	Nessuna
Moderazione dei contenuti	moderation_level con tre livelli: none / permissive / conservative	Nessuna
Segmentazione del corpo e riproducibilità	Interruttore segmentation_free, seed per fissare le condizioni casuali	Nessuno
Immagini per richiesta / formato di output	1 immagine per richiesta, PNG o JPEG	1 immagine per richiesta (num_images fisso a 1), PNG
Dimensioni di output	Immagine della persona ridimensionata proporzionalmente al lato lungo 1296: 1086×1448 → 972×1296	Uguali alle dimensioni originali dell'immagine della persona: 1086×1448 → 1086×1448
Prezzo per immagine	$0.1072 (214,4 crediti)	$0.1075 (215 crediti)

La differenza di prezzo è di $0.0003, quindi la scelta non dipende dal prezzo. La linea di demarcazione è il livello di controllo: FASHN espone come campi categoria, modalità, tipo di immagine, moderazione e seed, mentre Google mantiene solo due campi immagine e un numero fisso di immagini.

Stessi input, una generazione per ciascun modello

L'immagine della persona è verticale in formato 3:4 da 1086×1448; l'immagine del capo è una foto prodotto di una modella che indossa un abito da sposa in pizzo.

FASHN Try-On v1.6	Google Virtual Try-On
one-pieces + quality + model + PNG, output 972 × 1296	Solo due campi immagine, output 1086 × 1448

Stessa immagine della persona, stessa immagine dell'abito da sposa, una generazione per ciascun modello.

La prima differenza sono le dimensioni di output: Google restituisce 1086×1448, identiche all'immagine della persona; FASHN restituisce 972×1296, con il lato lungo ridotto a 1296. La seconda è l'immagine stessa: la densità del pizzo e le pieghe della gonna dell'abito differiscono tra le due versioni, e anche l'espressione del viso e la posizione delle mani variano leggermente.

Eseguendo una volta ciascun modello sulle stesse immagini della persona e del capo, le stesse due differenze saranno visibili anche sui tuoi materiali.

Nessuno dei due modelli ha un campo prompt: l'effetto del prova virtuale è affidato interamente alle due immagini. Se lo scollo, la lunghezza delle maniche e la gonna dell'immagine del capo sono interamente nell'inquadratura determina direttamente se il risultato è utilizzabile. FASHN sostituisce solo il capo, lasciando sfondo, acconciatura e accessori al loro posto; in fase di verifica concentrati sul capo stesso.

Le dimensioni di output seguono l'immagine della persona. FASHN riduce il lato lungo a 1296; se l'immagine della persona è più piccola di questo valore viene restituita così com'è, ad esempio un'immagine della persona da 768×1152 produce ancora un output da 768×1152. Se devi sovrapporre il risultato all'immagine originale o se il template della pagina di dettaglio è impaginato in base ai pixel dell'immagine della persona, l'output a dimensioni originali di Google evita un passaggio di ridimensionamento e allineamento.

Secondo gruppo: T-shirt bianca flat lay, una generazione per ciascun modello

Stessa immagine della persona, con l'immagine del capo sostituita da una foto prodotto flat lay (sul lato FASHN impostando garment_photo_type su flat-lay), una esecuzione per ciascun modello:

FASHN Try-On v1.6	Google Virtual Try-On
tops + balanced + flat-lay + PNG, output 972 × 1296	Solo due campi immagine, output 1086 × 1448

Stessa immagine della persona, stessa T-shirt bianca flat lay, una generazione per ciascun modello.

In questo gruppo cambia la forma dell'immagine del capo: il gruppo precedente era una foto con modella, questo è una foto flat lay, ed entrambi i modelli devono capire da soli che si tratta di un capo superiore. La differenza visibile è nella lunghezza: la T-shirt del risultato FASHN arriva sotto la linea della vita, quella del risultato Google si ferma sopra la linea della vita; sfondo e posa della persona sono identici tra i due, e le dimensioni di output restano 972×1296 contro 1086×1448.

Come scegliere in base allo scenario?

• Pagine di dettaglio e-commerce in batch: per flussi templatizzati con campi fissi usa Google, si compilano due immagini e si parte; per regolare separatamente capi superiori, inferiori e interi usa category di FASHN.
• Cataloghi multi-categoria: quando capi superiori, pantaloni e vestiti sono mescolati, category insieme a garment_photo_type chiarisce in un colpo categoria e forma dell'immagine del capo, dichiarando separatamente foto con modella e flat lay.
• Necessità di riprodurre: con lo stesso seed e gli stessi input, FASHN torna alle stesse condizioni casuali; Google non ha un campo seed.
• Formato di consegna rigido: per output diretto in JPEG scegli FASHN, impostando output_format su jpeg; se ti serve solo PNG, entrambi producono PNG.
• Layout fisso già esistente: se il layout è impaginato sui pixel originali dell'immagine della persona, scegli Google, l'output non richiede ulteriori ridimensionamenti.
• Vuoi solo caricare due immagini senza gestire parametri: scegli Google, l'input è composto da due URL più num_images: 1.

Passare da un modello all'altro è complicato?

No. I due modelli condividono POST https://api.hiapi.ai/v1/tasks e la stessa API Key, restituiscono entrambi taskId e poi si interroga il task per ottenere data.output[0].url.

Il passaggio richiede solo due modifiche: model e input. Il prompt non va migrato. I nomi dei campi cambiano: model_image e garment_image di FASHN corrispondono a person_image_url e product_image_url di Google. Passando da FASHN a Google, category, mode, garment_photo_type, moderation_level, seed e output_format non hanno campi corrispondenti e vanno eliminati del tutto; tornando indietro vanno aggiunti secondo necessità. I tre livelli di mode non influenzano la fatturazione: parti con il valore predefinito balanced per verificare il funzionamento e poi regola.

Domande frequenti

Quanto differisce il prezzo tra i due modelli?

$0.1072 contro $0.1075 per immagine, una differenza di $0.0003: la scelta non dipende dal prezzo.

FASHN può generare più immagini in una volta?

Una immagine per volta. L'interfaccia è chiusa e campi come num_samples e num_images vengono rifiutati; per più candidati bisogna inviare richieste separate.

Google ha categorie e livelli di qualità?

No. Accetta solo person_image_url, product_image_url e num_images: 1; la categoria del capo e lo stile dell'immagine sono espressi dalle due immagini.

Per vedere subito la differenza, apri la pagina del modello FASHN Try-On v1.6, carica l'immagine della persona e quella del capo e generane una; poi cambia model in google-virtual-try-on e i campi in person_image_url e product_image_url, esegui la seconda generazione con le stesse due immagini e, dopo averle confrontate affiancate, decidi quale usare.