HiAPI
Ja
ブログ

比較レビュー

ChatGPT バーチャル試着の代替案：実際に試した 4 つの試着 API

ChatGPT の Try on ボタンには API がない。我々は同じ人物と衣料品の写真を 4 つのオンライン HiAPI モデルに送信し、衣料品の忠実度、プリント、顔、コストを比較した。

Nov 3, 2026
ChatGPT バーチャル試着の代替案：実際に試した 4 つの試着 API

ChatGPT は 2026 年 10 月 1 日、衣料品とアクセサリー向けに Try on（試着）ボタンを追加した。自撮り写真をアップロードし、商品を選ぶと、ChatGPT Images 2.5 がそれを着た姿をレンダリングする。買い物客にとっては便利だ。しかしこれは、自分の店舗、アプリ、あるいは商品カタログのパイプラインから呼び出せるものではない。試着用のインターフェースはなく、人物と衣料品を固定入力する仕組みもなく、結果は会話がリクエストをどう解釈するかに左右される。

同じ機能を API として実装する必要がある場合、2 種類のモデルから選べる。専用試着モデルは人物写真 1 枚と衣料品写真 1 枚を厳密に受け取る。そしてマルチリファレンス画像エディターは画像 2 枚に加えてテキスト指示を受け取る。我々は同じ 2 組の入力を用いて、2 種類・計 4 つのオンライン HiAPI モデルをそれぞれ実行し、合計 12 回の実際の /v1/tasks 実行を行い、そのすべての出力を以下に示す。

簡潔な結論

FASHN Try-On v1.6 Google Virtual Try-On FIBO Edit 1.5 GPT Image 2.5 Sunburst（編集）
モデルページ fashn-tryon-v1.6 google-virtual-try-on fibo-edit-1.5 gpt-image-2.5-sunburst
種類 専用試着 専用試着 マルチリファレンス編集（1〜4 枚の画像） マルチリファレンス編集
プロンプトが必要か 不要 不要 必要（instruction） 必要（prompt）
衣料品の制御項目 category、garment_photo_type、mode、seed なし、画像フィールド 2 つのみ 指示の文言、および seed プロンプトの文言
我々の実行での出力 832×1248（入力と一致） 832×1248（入力と一致） 768×1152 832×1248、1K、2:3
画像 1 枚あたりの価格（HiAPI、2026-11-03） $0.1072 $0.1075 $0.0575 1K で $0.025（2K で $0.04、4K で $0.06）

これら 12 回の実行に基づく我々の短い結論は次のとおりだ。

  • GPT Image 2.5 Sunburst は両方のテストで最も忠実に衣料品を再現し、価格は試着モデルの約 4 分の 1 だった。ChatGPT のこの機能の背後にあるモデルに最も近い API 版だ。代償としてプロンプトを書く必要があり、モデルはプロンプトで固定していないあらゆる部分を自由に変更できる。
  • Google Virtual Try-On は統合が最も簡単で、画像 URL 2 つだけで、プロンプト不要であり、人物の顔と姿勢が完全に保たれる。衣料品をきれいに配置したが、胸元のプリントの最初の文字を切り落とした。
  • FASHN Try-On v1.6 は制御項目が最も多い専用モデルで、category、photo-type、mode、seed フィールドを提供する。我々のヒップ丈のアウターシャツでは、2 回連続で丈を短くして返してきた。
  • FIBO Edit 1.5 は 4 つの中で最もきれいに胸元のプリントをレンダリングした。価格は $0.0575 で専用モデルの約半分だが、人物の顔のずれは他のモデルより大きかった。

ChatGPT の試着とは何で、何ではないか

2026 年 10 月のリリース時の報道によると、Try on ボタンは ChatGPT 内の衣料品とアクセサリーの商品ページに表示される。参考写真を撮影またはアップロードすると、ChatGPT は将来の試着のためにその写真を保存し、画像は ChatGPT Images 2.5 によって生成される。商品のスクリーンショットをアップロードして試着を依頼することもできる。報道は、結果がフィット感やサイズを正確に反映しない可能性があると指摘している。

開発者にとって、3 つのものが欠けている。

  1. インターフェースがない。 この機能はチャット製品内に存在する。あなたの店舗が買い物客の写真と SKU 画像を送信して URL を受け取ることはできない。
  2. 固定された契約がない。 衣料品が正しく配置されるかどうかは会話次第であり、名前付きの入力フィールドではない。
  3. バッチ処理の経路がない。 500 の SKU を 3 人のブランドモデルに着せて見せたい商品チームには、キュー、リトライ、コールバックが必要だ。

API 側では、同じリリースの画像モデルが gpt-image-2.5-flare と gpt-image-2.5-sunburst として提供されている。製品名がこれらの ID にどう対応するかを知りたい場合は、ChatGPT Images 2.5 と Flare・Sunburst の比較を参照されたい。以下のテストでは、Sunburst の編集ラインを使用した。これが精密編集向けの階層だからだ。

テスト方法

我々は gpt-image-2/text-to-image で 2 組の元入力ペアを生成し、それらを公開 URL にアップロードしたうえで、まったく同じ入力ペアを 4 つのモデルすべてに送信した。

  • 入力ペア 1、構造テスト。 白い T シャツとライトブルーのジーンズを着た女性、および平置きされたマスタードイエローの幅広ストライプのコーデュロイアウターシャツ。ボタン 5 個、蓋付き胸ポケット、ポイントカラー、裾はカーブしていてウエストより下に落ちる。
  • 入力ペア 2、プリントテスト。 グレーの T シャツとオリーブ色のチノパンを着た男性、および平置きされたオフホワイトの T シャツ。オレンジ色の太陽とネイビーの大文字 SUNDAY CLUB がプリントされている。

設定は各実行で一定に保った。

  • FASHN：category: "tops"、garment_photo_type: "flat-lay"、mode: "quality"、output_format: "jpeg"、seed: 42（加えて seed: 7 での繰り返し実行 1 回）
  • Google：person_image_url + product_image_url のみ
  • FIBO：2 枚の画像を image_urls に、指示 1 文、aspect_ratio: "2:3"
  • GPT Image 2.5 Sunburst：2 枚の画像を image_urls に、aspect_ratio: "2:3"、resolution: "1K"

各タスクは送信から結果まで約 25〜60 秒かかり、5 秒間隔のポーリングで計測した。12 個のタスクすべてが初回送信で成功した。

テスト 1：コーデュロイアウターシャツ（構造と丈）

左から：FASHN、Google、FIBO、GPT Image 2.5 Sunburst。以下はオリジナル解像度の上半身で、最初に元の人物写真を示す。

我々が観察した現象：

  • 4 つのモデルすべてがマスタードイエロー、濃色のボタン、ポイントカラー、着用者の左胸にある単一の蓋付きポケットを保持した。いずれもポケットを誤った側に配置しなかった。
  • FASHN はアウターシャツをクロップド丈のショートトップに短縮した。コーデュロイのストライプはレンダリングされたが、服の丈が間違っていた。
  • Google はフルレングスのシャツを保持し、裾はジーンズのウエストバンドに落ち、やや膨らみがあった。顔、髪、姿勢は入力写真に最も近い。
  • FIBO はもっともらしい外観のシャツを生成し、ストライプは柔らかめだった。顔には明らかなずれがあり、顎のライン、髪のボリューム、表情が入力と異なっていた。
  • GPT Image 2.5 Sunburst は、ウエストより下に落ちるカーブした裾を平置き画像と一致する形で再現した唯一のモデルであり、幅広ストライプがはっきりと見え、顔も完全に保たれた。

これは再現できるか？

FASHN を別の seed で再実行し、GPT Image 2.5 Sunburst を同じプロンプトで再実行した。

FASHN は seed: 7 でも再び短めに出力し、シャツの裾が開いて腹部が見えた。GPT Image 2.5 Sunburst は 2 回ともほぼ同じ結果を返した。この衣料品において、FASHN の丈の問題は偶発的ではなくパターン的なものだった。

テスト 2：プリント T シャツ（ロゴと文字）

プリントは試着で問題が起きやすい箇所なので、ここでは拡大図を示す（FASHN、Google、FIBO、我々の特定のプロンプトを使った GPT Image 2.5 Sunburst、および汎用プロンプトを使った Sunburst）。

  • FASHN はプリントを拡大しすぎて、SUNDAY の S がシャツの側面に達し、一部が切断された。
  • Google はプリントを自然なサイズに配置したが、最初の文字も側面のひだにかかり、一部が隠れた。
  • FIBO は太陽と完全な SUNDAY CLUB をきれいにレンダリングし、サイズは平置き画像に近かった。
  • GPT Image 2.5 Sunburst は 2 回の実行とも完全な文字を正しくレンダリングしたが、プリントは元画像より小さく、位置も高かった。
  • 4 つのモデルすべてがポケットに手を入れた姿勢、オリーブ色のパンツ、ベージュの背景を保持した。

胸元のプリント、ロゴ、文字が商品カタログにとって重要な場合は、どのモデルを選ぶかにかかわらず、プリントに対する品質チェックを追加すべきだ。

エディターには詳細なプロンプトが必要か？

我々の Sunburst プロンプトは各衣料品の詳細（ポケットの位置、ストライプの幅、プリントのレイアウト）を記述していた。これがどれほど重要かを確認するため、衣料品に一切言及しない汎用プロンプトで両方の入力ペアを再実行した。

画像 1 は人物である。画像 2 は衣料品の商品写真である。画像 1 の人物に画像 2 の衣料品を着せる。人物の顔、髪、体、姿勢、その他すべての衣料品、背景、照明を変えないこと。衣料品の色、生地、丈、構造的なディテール、およびあらゆるプリントや文字を正確に再現すること。リアルな商品カタログ写真。

どちらの結果も十分に成立していた。アウターシャツはカーブした裾を保持し、プリントは正しく綴られていた。したがってテンプレート化されたプロンプトでカタログ全体をカバーでき、SKU ごとにプロンプトを書く必要はない。リスクは異なる。編集モデルはプロンプトで保護していない内容を変更するため、各リクエストに「変更しない」リストを含めるべきだ。

入力ペア 1 に使用した詳細版プロンプトは次のとおり。

画像 1 は人物である。画像 2 はマスタードイエローのコーデュロイアウターシャツである。画像 1 の人物に画像 2 のアウターシャツを着せ、ボタンを留める。彼女の顔、髪、体型、姿勢、ジーンズ、スニーカー、背景、照明を画像 1 と完全に一致させること。アウターシャツを正確に再現すること：同じマスタードイエロー、幅広ストライプのコーデュロイ、濃茶色のボタン、彼女の左胸にあるボタン留めの蓋付きポケット 1 つ、ポイントカラー、カフス付きの長袖。リアルな全身商品カタログ写真、文字なし。

1 つの API で呼び出す

4 つのモデルはすべて同じ非同期フローを使用する。POST /v1/tasks を実行し、その後 GET /v1/tasks/{taskId} を status が success または fail になるまでポーリングする。変わるのは input オブジェクトだけだ。コールバックや Idempotency-Key を含む完全な契約については、非同期 API ドキュメントを参照されたい。

import os, time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {os.environ['HIAPI_API_KEY']}"}

PERSON = "https://your-cdn.example.com/person.jpg"
GARMENT = "https://your-cdn.example.com/garment.jpg"

REQUESTS = {
    "fashn-tryon-v1.6": {
        "model_image": PERSON,
        "garment_image": GARMENT,
        "category": "tops",              # tops | bottoms | one-pieces | auto
        "garment_photo_type": "flat-lay",  # auto | model | flat-lay
        "mode": "quality",               # performance | balanced | quality
        "seed": 42,
    },
    "google-virtual-try-on": {
        "person_image_url": PERSON,
        "product_image_url": GARMENT,
    },
    "fibo-edit-1.5/image-to-image": {
        "image_urls": [PERSON, GARMENT],
        "instruction": "画像 1 の人物に画像 2 の衣料品を着せる。"
                       "顔、姿勢、その他の衣料品、背景を変えないこと。",
        "aspect_ratio": "2:3",
    },
    "gpt-image-2.5-sunburst/image-to-image": {
        "image_urls": [PERSON, GARMENT],
        "prompt": "画像 1 は人物である。画像 2 は衣料品の商品写真である。"
                  "画像 1 の人物に画像 2 の衣料品を着せる。"
                  "人物の顔、髪、体、姿勢、その他すべての衣料品、"
                  "背景、照明を変えないこと。",
        "aspect_ratio": "2:3",
        "resolution": "1K",              # 1K | 2K | 4K
    },
}

def try_on(model: str) -> str:
    r = requests.post(API, headers=HEADERS, json={"model": model, "input": REQUESTS[model]})
    r.raise_for_status()
    task_id = r.json()["data"]["taskId"]
    while True:
        task = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
        if task["status"] == "success":
            return task["output"][0]["url"]   # 一時 URL：ダウンロードして保存すること
        if task["status"] == "fail":
            raise RuntimeError(task.get("error"))
        time.sleep(5)

print(try_on("google-virtual-try-on"))

我々の実行で得られた 3 つの詳細：

  • 編集ラインは quality を拒否する。 gpt-image-2.5-sunburst/image-to-image に "quality": "medium" を送信すると 400 INVALID_REQUEST: additional properties 'quality' not allowed が返る。出力サイズの制御には resolution と aspect_ratio のみを使用すること。
  • 出力 URL は期限切れになる。 結果の URL は一時的（expireAt がタスク出力内にある）ため、画像をダウンロードして自分のストレージに保存すること。
  • 入力は公開された http(s) URL でなければならない。 4 つのモデルはすべて base64 ではなく画像 URL を受け取る。先に買い物客の写真をアップロードしてから、タスクを送信すること。

選び方

次の場合には専用試着モデル（FASHN または Google）を選ぶ：

  • 買い物客や運用担当者が画像を送信し、フローにプロンプトを含めたくない場合
  • 顔と姿勢をできるだけ入力に近づけたい場合（Google がこの点で最強）
  • 明確な category と garment-photo-type の制御項目、および再現可能な再実行のための seed が必要な場合（FASHN）

次の場合にはマルチリファレンスエディター（GPT Image 2.5 Sunburst または FIBO）を選ぶ：

  • 衣料品の構造と丈が、プロンプト不要の簡潔さよりも重要な場合（Sunburst は我々のアウターシャツテストで最強だった）
  • 画像 1 枚あたりのコストが決定要因である場合：Sunburst は 1K で $0.025、FIBO は $0.0575、専用モデルは約 $0.107
  • 単純な着せ替えを超えたスタイリングを同じ呼び出しで行いたい場合（例：ボタンを留めるか開けるか、タックインするか出すか、背景を変更するか）
  • プリントや文字が読み取り可能な状態で保たれる必要がある場合（FIBO と Sunburst は我々のテストでどちらもプリントを完全に綴った）

次の場合には ChatGPT 内に留まる： あなたが 1 人の人間で、ある商品を自分に着せたときの見た目を確認したいだけの場合。コードは一切不要だ。

よくある質問

ChatGPT にはバーチャル試着 API があるか？

ない。2026 年 11 月時点で、試着は ChatGPT アプリの機能であり、商品ページまたは画像のアップロードから起動する。同じリリースの画像モデルは API モデルとして利用できるが、人物と衣料品のフィールドを持つ試着専用のインターフェースは存在しない。HiAPI では、/v1/tasks を通じてこれらの画像モデルまたは専用試着モデルを呼び出せる。

ChatGPT が使用しているモデルに最も近いのはどれか？

ChatGPT の試着は ChatGPT Images 2.5 上で動作する。このリリースの API モデルは GPT Image 2.5 Flare と Sunburst だ。我々は Sunburst の画像から画像へのラインをテストした。これは複数の参照画像とプロンプトを受け取る。

専用試着モデルは汎用画像エディターより優れているか？

一概には言えない。我々の 2 つのテストでは、専用モデルは呼び出しが簡単で顔も入力に最も近かったが、GPT Image 2.5 Sunburst は服の丈とプリント全体をより忠実に再現した。決定する前に、自分の衣料品で両方の種類のモデルをそれぞれ実行してみること。各種類 1 枚ずつのコストは $0.25 をはるかに下回る。

試着 1 回あたりのコストはいくらか？

2026-11-03 時点の HiAPI では：FASHN Try-On v1.6 は $0.1072、Google Virtual Try-On は $0.1075、FIBO Edit 1.5 は $0.0575、GPT Image 2.5 Sunburst の画像から画像へは 1K で $0.025（2K で $0.04、4K で $0.06）。現在の料金については料金ページを確認されたい。失敗したタスクには課金されない。

買い物客の顔と姿勢を変えずに保てるか？

専用モデルはまさにそのために設計されており、Google が我々の実行で最も近かった。エディターを使う場合は、明示的に指定すること（「顔、髪、体、姿勢、背景を変えないこと」）。我々の汎用プロンプトと Sunburst の組み合わせは顔をよく保ち、FIBO はより大きくずれた。

ボトムスやワンピースにも使えるか？

FASHN の category はトップス、ボトムス、ワンピースの値を受け付ける。Google のモデルページでは、一般的なトップス、ジャケット、ワンピースが適切な候補として挙げられている。我々はここではトップスのみをテストした。

結論

ChatGPT の試着は買い物客向けの機能だ。製品にはインターフェースが必要であり、HiAPI 上では 1 つのキーで 4 つの信頼できるインターフェースが利用できる。統合作業を最小限にしたいなら、Google Virtual Try-On から始めるとよい。明確な制御と再現可能な seed が欲しいなら、FASHN Try-On v1.6 を使う。衣料品の忠実度とコストが最も重要なら、テンプレート化されたプロンプトで GPT Image 2.5 Sunburst をテストする。同じ 2 枚の画像をそのうち 2 つのモデルに送り、自分の衣料品で判断すること。コードを書く前に、いずれかのモデルページの Playground で試せる。

関連記事

タグfashn-try-on-v1-6比較

関連記事

すべての記事を見る →

永続的なAIアーティファクトで開発を始める

APIキーを取得して、タスクベースの1つのAPIで画像・動画・音声モデルを呼び出せます。

APIドキュメントを読む