비교 평가
FASHN Try-On v1.6 vs Google Virtual Try-On: 동일 가격, 어떻게 선택할까
동일한 인물 이미지에 모델이 착용한 웨딩드레스, 그리고 평면 배치 흰색 티셔츠를 각각 두 모델에서 두 번씩 생성하여 파라미터 제어 범위와 출력 크기를 함께 비교합니다.
FASHN Try-On v1.6과 Google Virtual Try-On은 HiAPI에서 거의 동일한 가격입니다. 한 장에 $0.1072 대 $0.1075입니다. 의류 카테고리, 속도 및 품질 등급, 의류 이미지 유형을 제어하거나 seed로 동일한 이미지를 재현하려면 FASHN Try-On v1.6을 선택하세요. 고정된 두 개의 이미지 필드만 필요하고 요청이 간단하며 출력이 인물 이미지 원본 크기를 유지해야 한다면 Google Virtual Try-On을 선택하세요.
두 모델 모두 출시되었습니다: FASHN Try-On v1.6 모델 페이지, Google Virtual Try-On 모델 페이지. 신규 가입 시 200 크레딧을 지급하며, 한 장의 피팅에 214.4 크레딧이 소모되므로 조금만 충전하면 첫 장을 실행할 수 있습니다.
한 표로 차이점 파악하기
| FASHN Try-On v1.6 | Google Virtual Try-On | |
|---|---|---|
| 입력 필드 | model_image + garment_image |
person_image_url + product_image_url |
| 의류 카테고리 및 이미지 유형 | category 4가지 중 택 1(tops / bottoms / one-pieces / auto), garment_photo_type으로 모델 착용샷과 평면 배치샷 구분 |
두 항목 모두 없음, 카테고리와 이미지 형태는 두 이미지 자체로 표현 |
| 속도 / 품질 등급 | mode 3단계: performance / balanced / quality |
없음 |
| 콘텐츠 검열 | moderation_level 3단계: none / permissive / conservative |
없음 |
| 인체 분석 및 재현 | segmentation_free 토글, seed로 무작위 조건 고정 |
없음 |
| 한 번에 생성 수 / 출력 형식 | 한 번에 1장, PNG 또는 JPEG | 한 번에 1장(num_images 고정 1), PNG |
| 출력 크기 | 인물 이미지를 비율 유지하며 긴 변 1296으로 축소: 1086×1448 → 972×1296 | 인물 이미지 원본 크기와 동일: 1086×1448 → 1086×1448 |
| 장당 가격 | $0.1072(214.4 크레딧) | $0.1075(215 크레딧) |
가격 차이는 $0.0003이므로 어떤 것을 선택할지는 가격으로 결정하지 않습니다. 기준은 제어 범위입니다. FASHN은 카테고리, 모드, 이미지 유형, 검열, seed를 모두 필드로 제공하지만, Google은 두 개의 이미지 필드와 고정된 생성 수만 둡니다.
동일 입력으로 양쪽에서 각각 한 번씩 생성
인물 이미지는 1086×1448의 3:4 세로 이미지이고, 의류 이미지는 모델이 레이스 웨딩드레스를 입고 있는 상품 이미지입니다.
| FASHN Try-On v1.6 | Google Virtual Try-On |
|---|---|
![]() |
![]() |
one-pieces + quality + model + PNG, 출력 972 × 1296 |
두 이미지 필드만 전달, 출력 1086 × 1448 |
동일 인물 이미지, 동일 웨딩드레스 이미지로 각각 한 번씩 생성.
첫 번째 차이는 출력 크기입니다. Google은 1086×1448을 반환하여 인물 이미지와 완전히 동일합니다. FASHN은 972×1296을 반환하며 긴 변이 1296으로 압축됩니다. 두 번째는 화면 자체입니다. 두 버전의 웨딩드레스는 레이스 밀도와 스커트 주름이 다르고, 인물의 표정과 손 자세도 약간 차이가 있습니다.
동일한 인물 이미지와 의류 이미지를 사용하여 두 모델 페이지에서 각각 한 번씩 실행하면, 이 두 가지 차이를 본인의 소재에서도 동일하게 확인할 수 있습니다.
두 모델 모두 prompt 필드가 없으며, 피팅 효과는 전적으로 두 이미지에 맡겨집니다. 의류 이미지의 넥라인, 소매 길이, 스커트 자락이 화면에 완전히 들어왔는지가 결과의 사용 가능 여부를 직접 결정합니다. FASHN은 의류만 교체하고 배경, 헤어스타일, 액세서리는 원위치에 유지하므로 검수 시 의류 자체에 집중하세요.
출력 크기는 인물 이미지를 따릅니다. FASHN은 긴 변을 1296으로 축소하며, 인물 이미지 자체가 이 값보다 작으면 원본 그대로 반환합니다. 예를 들어 768×1152 인물 이미지는 출력도 768×1152입니다. 원본 이미지와 계속 겹쳐서 편집하거나 상세 페이지 템플릿이 인물 이미지 픽셀 기준으로 배치된 경우, Google의 원본 크기 출력은 축소 정렬 단계를 한 번 줄여줍니다.
두 번째 세트: 평면 배치 흰색 티셔츠, 양쪽에서 각각 한 번씩 생성
동일 인물 이미지에 의류 이미지를 평면 배치 상품 이미지로 교체하고(FASHN 측은 garment_photo_type을 flat-lay로 설정), 양쪽에서 각각 한 번씩 실행:
| FASHN Try-On v1.6 | Google Virtual Try-On |
|---|---|
![]() |
![]() |
tops + balanced + flat-lay + PNG, 출력 972 × 1296 |
두 이미지 필드만 전달, 출력 1086 × 1448 |
동일 인물 이미지, 동일 평면 배치 흰색 티셔츠로 각각 한 번씩 생성.
이 세트는 의류 이미지 형태를 바꾼 것입니다. 이전 세트는 모델 착용샷이었고 이번 세트는 평면 배치샷이며, 두 모델 모두 이것이 상의임을 스스로 판단해야 합니다. 눈에 보이는 차이는 옷 길이입니다. FASHN 결과의 티셔츠는 허리선 아래까지 덮지만, Google 결과의 티셔츠는 허리선 위에서 멈춥니다. 배경과 인물 자세는 양쪽이 동일하며, 출력 크기는 여전히 972×1296 대 1086×1448입니다.
상황별로 어떻게 선택할까?
- 이커머스 상세 페이지 대량 처리: 필드가 고정된 템플릿 워크플로에는 Google을 사용하여 두 이미지만 채우면 실행됩니다. 상의, 하의, 원피스를 나누어 조정하려면 FASHN의
category를 사용하세요. - 다품목 카탈로그: 상의, 팬츠, 드레스가 섞여 있을 때
category와garment_photo_type을 함께 사용하면 카테고리와 의류 이미지 형태를 한 번에 명확히 지정할 수 있으며, 모델샷과 평면 배치샷을 별도로 선언할 수 있습니다. - 재현 필요: 동일한
seed와 동일한 입력으로 FASHN은 동일한 무작위 조건으로 돌아갈 수 있습니다. Google에는 seed 필드가 없습니다. - 납품 형식이 엄격한 경우: JPEG 직접 출력이 필요하면 FASHN을 선택하고
output_format에jpeg를 입력하세요. PNG만 필요하면 양쪽 모두 PNG를 출력합니다. - 기존 고정 레이아웃이 있는 경우: 레이아웃이 인물 이미지 원본 픽셀 기준으로 배치되어 있다면 Google을 선택하세요. 출력 시 다시 축소할 필요가 없습니다.
- 두 이미지만 전달하고 파라미터를 유지보수하고 싶지 않은 경우: Google을 선택하세요. 입력은 두 개의 URL과
num_images: 1뿐입니다.
하나에서 다른 것으로 전환하기 번거로운가?
번거롭지 않습니다. 두 모델은 POST https://api.hiapi.ai/v1/tasks와 동일한 API Key를 공유하며, 모두 taskId를 반환하고 이후 작업을 조회하여 data.output[0].url을 얻습니다.
전환 시 두 곳만 변경하면 됩니다: model과 input. 프롬프트는 이전할 필요가 없습니다. 필드명은 변경해야 하며, FASHN의 model_image, garment_image는 Google의 person_image_url, product_image_url에 대응합니다. FASHN에서 Google로 전환할 때 category, mode, garment_photo_type, moderation_level, seed, output_format은 대응 필드가 없으므로 전체 삭제하고, 다시 전환할 때 필요에 따라 추가하세요. mode 3단계는 과금에 영향을 주지 않으므로 기본값 balanced로 먼저 실행해 본 뒤 조정하세요.
자주 묻는 질문
두 모델의 가격 차이는 얼마인가요?
한 장에 $0.1072 대 $0.1075로 차이는 $0.0003이며, 모델 선택 시 가격은 고려하지 않아도 됩니다.
FASHN은 한 번에 여러 장을 생성할 수 있나요?
한 번에 한 장입니다. 인터페이스가 폐쇄적이어서 num_samples, num_images 같은 필드는 거부됩니다. 여러 후보가 필요하면 각각 제출하세요.
Google에는 카테고리와 품질 등급이 있나요?
없습니다. person_image_url, product_image_url, num_images: 1만 받으며, 의류 카테고리와 화면 스타일은 두 이미지로 표현됩니다.
차이를 즉시 확인하고 싶다면 FASHN Try-On v1.6 모델 페이지를 열어 인물 이미지와 의류 이미지를 업로드하여 한 장 실행해 보세요. 그런 다음 model을 google-virtual-try-on으로 바꾸고 필드를 person_image_url과 product_image_url로 변경한 뒤 동일한 두 이미지로 두 번째 장을 실행하여 나란히 비교한 후 어떤 것을 사용할지 결정하세요.
관련 글
모든 아티클 보기 →-
비교 평가
Wan 2.6 Flash vs Wan 2.7: 업그레이드해야 할까?
720P 예산과 1080P 여우·자동차 완성본; 그룹별 오디오 조건과 실제 등급 표기.
-
비교 평가
Vidu Q4 Preview vs Kling 3.0: 이미지-투-비디오, 어떻게 선택할까?
기본 유음, 16초, 5단계 해상도가 필요하면 Vidu Q4 Preview, 첫/마지막 프레임으로 화면을 고정하려면 Kling 3.0. 수상 비행기와 바리스타 두 그룹의 동일 프롬프트 대조 포함.
-
비교 평가
Replicate 대안: hiapi vs Replicate 이미지 및 영상 생성 비교 (2026)
Replicate에서 hiapi로 마이그레이션할 때 예측 호출, webhook, 과금을 각각 어떻게 바꿔야 하는지, 10단계 마이그레이션 체크리스트 포함.



