비교 평가

ChatGPT 가상 피팅 대안: 실제 테스트한 4가지 가상 피팅 API

ChatGPT의 Try on 버튼에는 API가 없습니다. 동일한 인물과 의류 사진을 네 개의 온라인 HiAPI 모델에 보내 의류 충실도, 프린트, 얼굴, 비용을 비교했습니다.

Nov 3, 2026

ChatGPT는 2026년 10월 1일 의류와 액세서리에 Try on(가상 피팅) 버튼을 추가했습니다. 셀피를 업로드하고 상품을 선택하면 ChatGPT Images 2.5가 착용 모습을 렌더링합니다. 쇼핑객에게는 유용합니다. 하지만 자체 상점, 앱 또는 상품 카탈로그 파이프라인에서 호출할 수 있는 것은 아닙니다. 가상 피팅 인터페이스가 없고, 고정된 인물+의류 입력도 없으며, 결과는 대화가 요청을 어떻게 해석하느냐에 달려 있습니다.

동일한 기능을 API 형태로 구현해야 한다면 두 가지 유형의 모델 중에서 선택할 수 있습니다. 전용 가상 피팅 모델은 인물 사진 한 장과 의류 사진 한 장을 엄격히 입력받고, 다중 참조 이미지 편집기는 두 이미지와 텍스트 지시를 입력받습니다. 우리는 동일한 두 입력 쌍으로 두 유형에 걸쳐 총 4개의 온라인 HiAPI 모델을 실행했고, 총 12회의 실제 /v1/tasks 실행을 했으며, 아래에 모든 출력을 보여줍니다.

빠른 답변

	FASHN Try-On v1.6	Google Virtual Try-On	FIBO Edit 1.5	GPT Image 2.5 Sunburst(편집)
모델 페이지	fashn-tryon-v1.6	google-virtual-try-on	fibo-edit-1.5	gpt-image-2.5-sunburst
유형	전용 가상 피팅	전용 가상 피팅	다중 참조 편집(1–4장 이미지)	다중 참조 편집
프롬프트 필요 여부	아니요	아니요	예(`instruction`)	예(`prompt`)
의류 제어 항목	`category`, `garment_photo_type`, `mode`, `seed`	없음, 이미지 필드 두 개만	지시 문구 및 `seed`	프롬프트 문구
실행 결과 출력	832×1248(입력과 동일)	832×1248(입력과 동일)	768×1152	832×1248, 1K, 2:3
이미지당 가격(HiAPI, 2026-11-03)	$0.1072	$0.1075	$0.0575	1K $0.025(2K $0.04, 4K $0.06)

이 12회 실행을 바탕으로 한 간단한 결론은 다음과 같습니다:

GPT Image 2.5 Sunburst는 두 테스트 모두에서 가장 충실한 의류를 재현했으며, 가격은 전용 가상 피팅 모델의 약 4분의 1입니다. ChatGPT 기능 이면의 모델에 가장 가까운 API 대응 버전입니다. 대가는 프롬프트를 직접 작성해야 하며, 모델이 프롬프트로 고정하지 않은 모든 것을 자유롭게 바꿀 수 있다는 점입니다.
Google Virtual Try-On은 통합이 가장 간단합니다. 이미지 URL 두 개, 프롬프트 불필요, 인물의 얼굴과 자세가 그대로 유지됩니다. 의류를 깔끔하게 배치했지만 가슴 프린트의 첫 글자를 잘라냈습니다.
FASHN Try-On v1.6은 전용 모델 중 제어 항목이 가장 많아 category, photo-type, mode, seed 필드를 제공합니다. 우리의 엉덩이 길이 아우터 셔츠에서 연속 두 번 짧아진 길이를 반환했습니다.
FIBO Edit 1.5는 네 모델 중 가슴 프린트를 가장 깔끔하게 렌더링했습니다. 가격은 $0.0575로 전용 모델의 약 절반이지만, 인물 얼굴의 변형이 다른 모델보다 큽니다.

ChatGPT의 가상 피팅은 무엇이고 무엇이 아닌가

2026년 10월 출시 당시 보도에 따르면, Try on 버튼은 ChatGPT 내 의류 및 액세서리 상품 페이지에 나타납니다. 참조 사진을 촬영하거나 업로드하면 ChatGPT가 해당 사진을 향후 가상 피팅용으로 저장하며, 이미지는 ChatGPT Images 2.5가 생성합니다. 상품 스크린샷을 업로드하고 가상 피팅을 요청할 수도 있습니다. 보도에 따르면 결과가 핏이나 사이즈를 정확히 반영하지 못할 수 있습니다.

개발자 입장에서 세 가지가 빠져 있습니다:

인터페이스가 없습니다. 이 기능은 채팅 제품 안에 존재합니다. 자체 상점이 쇼핑객 사진과 SKU 이미지를 보내고 URL을 받아올 수 없습니다.
고정된 계약이 없습니다. 의류가 올바르게 배치되는지는 명명된 입력 필드가 아니라 대화에 달려 있습니다.
배치 경로가 없습니다. 500개 SKU를 세 명의 브랜드 모델이 착용한 모습으로 보여주려는 상품 팀에게는 큐, 재시도, 콜백이 필요합니다.

API 측에서는 동일 출시의 이미지 모델이 gpt-image-2.5-flare와 gpt-image-2.5-sunburst로 제공됩니다. 제품 이름이 이러한 ID에 어떻게 매핑되는지 알고 싶다면 ChatGPT Images 2.5와 Flare 및 Sunburst 비교를 참조하세요. 아래 테스트에서는 정밀 편집 지향 계층이므로 Sunburst의 편집 라인을 사용했습니다.

테스트 방법

gpt-image-2/text-to-image로 두 쌍의 원본 입력을 생성하고 공개 URL에 업로드한 뒤, 완전히 동일한 입력 쌍을 네 모델 모두에 전송했습니다.

입력 쌍 1, 구조 테스트. 흰색 티셔츠와 연청 데님을 입은 여성, 그리고 바닥에 펼쳐 놓은 겨자색 넓은 줄무늬 코듀로이 아우터 셔츠: 버튼 다섯 개, 덮개 있는 가슴 주머니, 뾰족한 칼라, 허리 아래까지 내려오는 곡선형 밑단.
입력 쌍 2, 프린트 테스트. 회색 티셔츠와 올리브색 캐주얼 팬츠를 입은 남성, 그리고 주황색 태양과 네이비색 대문자 SUNDAY CLUB이 인쇄된 미색 티셔츠.

설정은 모든 실행에서 동일하게 유지했습니다:

FASHN: category: "tops", garment_photo_type: "flat-lay", mode: "quality", output_format: "jpeg", seed: 42(추가로 seed: 7 반복 실행 1회)
Google: person_image_url + product_image_url만
FIBO: 두 이미지를 image_urls에, 지시 한 문장, aspect_ratio: "2:3"
GPT Image 2.5 Sunburst: 두 이미지를 image_urls에, aspect_ratio: "2:3", resolution: "1K"

각 작업은 제출부터 결과까지 약 25–60초가 걸렸으며, 5초 간격 폴링으로 측정했습니다. 12개 작업 모두 첫 제출에서 성공했습니다.

테스트 1: 코듀로이 아우터 셔츠(구조와 길이)

왼쪽에서 오른쪽: FASHN, Google, FIBO, GPT Image 2.5 Sunburst. 다음은 원본 해상도의 상반신이며, 먼저 원본 인물 사진입니다:

관찰한 내용:

네 모델 모두 겨자색, 어두운 버튼, 뾰족한 칼라, 착용자 왼쪽 가슴의 덮개 달린 주머니 하나를 유지했습니다. 어느 모델도 주머니를 반대쪽에 두지 않았습니다.
FASHN은 아우터 셔츠를 배꼽이 드러나는 크롭톱으로 줄였습니다. 코듀로이 줄무늬는 렌더링되었지만 의류 길이가 잘못되었습니다.
Google은 데님 허리 밴드에 닿는 전장 셔츠를 유지했고 약간의 볼륨감이 있었습니다. 얼굴, 머리, 자세가 입력 사진과 가장 유사했습니다.
FIBO는 그럴듯한 셔츠를 생성했고 줄무늬는 부드러웠습니다. 얼굴이 뚜렷하게 변형되었습니다: 턱선, 머리 부피, 표정이 입력과 다릅니다.
GPT Image 2.5 Sunburst는 허리 아래까지 내려오는 곡선형 밑단을 펼친 사진과 일치하게 재현한 유일한 모델이었고, 넓은 줄무늬가 선명하게 보였으며 얼굴도 그대로 유지되었습니다.

반복 가능한가?

FASHN을 다른 seed로, GPT Image 2.5 Sunburst를 동일 프롬프트로 다시 실행했습니다:

FASHN은 seed: 7에서도 다시 짧게 출력했습니다. 셔츠 하단이 벌어져 배가 드러났습니다. GPT Image 2.5 Sunburst는 두 번 거의 동일한 결과를 반환했습니다. 이 의류에서 FASHN의 길이 문제는 우연이 아니라 패턴입니다.

테스트 2: 프린트 티셔츠(로고와 텍스트)

프린트는 가상 피팅에서 보통 문제가 생기는 부분이므로, 여기 클로즈업입니다(FASHN, Google, FIBO, 우리의 특정 프롬프트를 사용한 GPT Image 2.5 Sunburst, 그리고 일반 프롬프트를 사용한 Sunburst):

FASHN은 프린트를 너무 크게 확대해 SUNDAY의 S가 셔츠 측면에 닿아 일부 잘렸습니다.
Google은 프린트를 자연스러운 크기로 배치했지만 첫 글자가 측면 주름에 걸려 일부 가려졌습니다.
FIBO는 태양과 전체 SUNDAY CLUB을 깔끔하게 렌더링했고 크기는 펼친 사진에 가깝습니다.
GPT Image 2.5 Sunburst는 두 실행 모두 전체 텍스트를 올바르게 렌더링했지만 프린트가 원본보다 작고 더 높은 위치에 있습니다.
네 모델 모두 주머니에 넣은 손, 올리브색 팬츠, 베이지색 배경을 유지했습니다.

가슴 프린트, 로고 또는 텍스트가 상품 카탈로그에 중요하다면 어떤 모델을 선택하든 프린트에 대한 품질 검사를 추가하세요.

편집기에 상세 프롬프트가 필요한가?

Sunburst 프롬프트에는 각 의류의 세부 사항(주머니 위치, 줄무늬 너비, 프린트 배치)을 설명했습니다. 이것이 얼마나 중요한지 확인하기 위해 의류를 전혀 언급하지 않는 일반 프롬프트로 두 입력 쌍을 다시 실행했습니다:

이미지 1은 한 사람입니다. 이미지 2는 의류의 상품 사진입니다. 이미지 1의 사람에게 이미지 2의 의류를 입히세요. 인물의 얼굴, 머리, 몸, 자세, 기타 모든 의류, 배경과 조명을 그대로 유지하세요. 의류의 색상, 원단, 길이, 구조적 세부 사항 및 모든 프린트나 텍스트를 정확히 재현하세요. 사실적인 상품 카탈로그 사진.

두 결과 모두 쓸 만했습니다. 아우터 셔츠는 곡선형 밑단을 유지했고 프린트 철자도 맞았습니다. 따라서 템플릿화된 프롬프트 하나로 전체 카탈로그를 처리할 수 있으며, SKU마다 프롬프트를 작성할 필요가 없습니다. 위험은 다릅니다. 편집 모델은 프롬프트가 보호하지 않는 내용을 변경하므로 모든 요청에 "유지" 목록을 포함하세요.

입력 쌍 1에 사용한 상세 버전 프롬프트는 다음과 같습니다:

이미지 1은 한 사람입니다. 이미지 2는 겨자색 코듀로이 아우터 셔츠입니다. 이미지 1의 사람에게 이미지 2의 아우터 셔츠를 단추를 채워 입히세요. 그녀의 얼굴, 머리, 체형, 자세, 데님, 스니커즈, 배경과 조명을 이미지 1과 완전히 동일하게 유지하세요. 아우터 셔츠를 정확히 재현하세요: 동일한 겨자색, 넓은 줄무늬 코듀로이, 짙은 갈색 단추, 그녀의 왼쪽 가슴에 단추 덮개가 있는 주머니 하나, 뾰족한 칼라, 커프스가 있는 긴 소매. 사실적인 전신 상품 카탈로그 사진, 텍스트 없음.

하나의 API로 호출하기

네 모델 모두 동일한 비동기 흐름을 사용합니다: POST /v1/tasks 후 GET /v1/tasks/{taskId}를 status가 success 또는 fail이 될 때까지 폴링합니다. input 객체만 달라집니다. 콜백과 Idempotency-Key를 포함한 전체 계약은 비동기 API 문서를 참조하세요.

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": "이미지 1의 사람에게 이미지 2의 의류를 입히세요."
                       "얼굴, 자세, 기타 의류와 배경을 유지하세요.",
        "aspect_ratio": "2:3",
    },
    "gpt-image-2.5-sunburst/image-to-image": {
        "image_urls": [PERSON, GARMENT],
        "prompt": "이미지 1은 한 사람입니다. 이미지 2는 의류의 상품 사진입니다."
                  "이미지 1의 사람에게 이미지 2의 의류를 입히세요."
                  "인물의 얼굴, 머리, 몸, 자세, 기타 모든 의류,"
                  "배경과 조명을 유지하세요.",
        "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"]   # 임시 URL: 다운로드하여 저장하세요
        if task["status"] == "fail":
            raise RuntimeError(task.get("error"))
        time.sleep(5)

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

실행에서 얻은 세 가지 세부 사항:

편집 라인은 quality를 거부합니다. gpt-image-2.5-sunburst/image-to-image에 "quality": "medium"을 보내면 400 INVALID_REQUEST: additional properties 'quality' not allowed가 반환됩니다. 출력 크기는 resolution과 aspect_ratio로만 제어하세요.
출력 URL은 만료됩니다. 결과 URL은 임시이며(작업 출력의 expireAt), 이미지를 다운로드하여 자체 스토리지에 저장하세요.
입력은 공개 http(s) URL이어야 합니다. 네 모델 모두 base64가 아닌 이미지 URL을 받습니다. 쇼핑객 사진을 먼저 업로드한 후 작업을 제출하세요.

선택 방법

다음 경우 전용 가상 피팅 모델(FASHN 또는 Google)을 선택하세요:

쇼핑객이나 운영자가 이미지를 제출하며 흐름에 프롬프트가 없기를 원함
얼굴과 자세가 입력에 최대한 가깝기를 원함(Google이 이 부분에서 가장 강함)
명확한 category 및 garment-photo-type 제어 항목과 재현 가능한 재실행을 위한 seed가 필요함(FASHN)

다음 경우 다중 참조 편집기(GPT Image 2.5 Sunburst 또는 FIBO)를 선택하세요:

의류 구조와 길이가 프롬프트 없는 간결성보다 중요함(Sunburst가 아우터 셔츠 테스트에서 가장 강함)
이미지당 비용이 결정 요인임: Sunburst 1K $0.025, FIBO $0.0575, 전용 모델 약 $0.107
단순 의상 교체를 넘어 같은 호출에서 스타일링을 하고 싶음. 예: 단추를 채울지 열지, 턱에 넣을지 뺄지, 배경 교체
프린트와 텍스트가 읽을 수 있게 유지되어야 함(FIBO와 Sunburst 모두 테스트에서 프린트 철자를 완전히 맞춤)

다음 경우 ChatGPT에 머무르세요: 혼자서 특정 상품을 자신에게 입혀 보고 싶을 뿐이라면. 코드가 전혀 필요 없습니다.

자주 묻는 질문

ChatGPT에 가상 피팅 API가 있나요?

없습니다. 2026년 11월 기준으로 가상 피팅은 ChatGPT 앱의 기능이며 상품 페이지나 이미지 업로드로 트리거됩니다. 동일 출시의 이미지 모델은 API 모델로 사용할 수 있지만 인물과 의류 필드가 있는 가상 피팅 전용 인터페이스는 없습니다. HiAPI에서는 /v1/tasks를 통해 이러한 이미지 모델이나 전용 가상 피팅 모델을 호출할 수 있습니다.

어떤 모델이 ChatGPT가 사용하는 모델에 가장 가깝나요?

ChatGPT의 가상 피팅은 ChatGPT Images 2.5에서 실행됩니다. 해당 출시의 API 모델은 GPT Image 2.5 Flare와 Sunburst입니다. 우리는 다중 참조 이미지와 프롬프트를 받는 Sunburst의 이미지 투 이미지 라인을 테스트했습니다.

전용 가상 피팅 모델이 범용 이미지 편집기보다 나은가요?

반드시 그렇지는 않습니다. 우리의 두 테스트에서 전용 모델은 호출이 더 쉽고 얼굴이 입력에 가장 가까웠으며, GPT Image 2.5 Sunburst는 의류 길이와 전체 프린트를 더 충실하게 재현했습니다. 결정하기 전에 자체 의류로 두 유형의 모델을 각각 실행해 보세요. 각 한 장씩의 비용은 $0.25보다 훨씬 낮습니다.

가상 피팅 한 번에 비용은 얼마인가요?

2026-11-03 기준 HiAPI에서: FASHN Try-On v1.6 $0.1072, Google Virtual Try-On $0.1075, FIBO Edit 1.5 $0.0575, GPT Image 2.5 Sunburst 이미지 투 이미지 1K $0.025(2K $0.04, 4K $0.06). 현재 요금은 가격 페이지를 확인하세요. 실패한 작업은 과금되지 않습니다.

쇼핑객의 얼굴과 자세를 그대로 유지할 수 있나요?

전용 모델은 바로 이를 위해 설계되었으며, Google이 우리 실행에서 가장 근접했습니다. 편집기를 사용할 때는 명시적으로 지정하세요("얼굴, 머리, 몸, 자세, 배경 유지"). 우리의 일반 프롬프트와 Sunburst 조합은 얼굴을 잘 유지했으며 FIBO는 더 많이 변형되었습니다.

하의나 원피스에도 사용할 수 있나요?

FASHN의 category는 상의, 하의, 원피스 값을 받습니다. Google의 모델 페이지는 일반 상의, 재킷, 원피스를 적합한 후보로 나열합니다. 우리는 여기서 상의만 테스트했습니다.

결론

ChatGPT의 가상 피팅은 쇼핑객을 위한 기능입니다. 제품에는 인터페이스가 필요하며, HiAPI에서는 하나의 키로 네 가지 신뢰할 수 있는 인터페이스를 사용할 수 있습니다. 통합 작업을 최소화하려면 Google Virtual Try-On으로 시작하세요. 명확한 제어와 재현 가능한 seed를 원하면 FASHN Try-On v1.6을 사용하세요. 의류 충실도와 비용이 가장 중요하다면 템플릿 프롬프트로 GPT Image 2.5 Sunburst를 테스트하세요. 동일한 두 이미지를 두 모델에 각각 보내고 의류가 결정하게 하세요. 코드를 작성하기 전에 어느 모델 페이지의 Playground에서도 시험해 볼 수 있습니다.