FASHN Try-On v1.6 vs Google Virtual Try-On: como escolher com preço igual

FASHN Try-On v1.6 e Google Virtual Try-On custam praticamente o mesmo na HiAPI: $0.1072 por imagem contra $0.1075. Para controlar a categoria da roupa, o nível de velocidade e qualidade, o tipo de imagem da peça, ou usar seed para reproduzir a mesma imagem, escolha o FASHN Try-On v1.6; se você só precisa de dois campos de imagem fixos, requisições simples e que a saída mantenha o tamanho original da imagem da pessoa, escolha o Google Virtual Try-On.

Os dois modelos já estão disponíveis: página do modelo FASHN Try-On v1.6, página do modelo Google Virtual Try-On. Novos usuários ganham 200 créditos ao se registrar; um provador custa 214.4 créditos, então basta completar um pouco para rodar a primeira imagem.

Entenda as diferenças em uma tabela

	FASHN Try-On v1.6	Google Virtual Try-On
Campos de entrada	model_image + garment_image	person_image_url + product_image_url
Categoria da roupa e tipo de imagem	category com quatro opções (tops / bottoms / one-pieces / auto), garment_photo_type distingue foto de modelo de foto de peça plana	Nenhum dos dois; a categoria e o formato da imagem são expressos pelas próprias duas imagens
Velocidade / qualidade	mode com três níveis: performance / balanced / quality	Nenhum
Moderação de conteúdo	moderation_level com três níveis: none / permissive / conservative	Nenhum
Segmentação corporal e reprodução	Chave segmentation_free, seed fixa as condições aleatórias	Nenhum
Quantidade por vez / formato de saída	1 por vez, PNG ou JPEG	1 por vez (num_images fixo em 1), PNG
Tamanho da saída	Imagem da pessoa redimensionada proporcionalmente para o lado maior de 1296: 1086×1448 → 972×1296	Igual ao tamanho original da imagem da pessoa: 1086×1448 → 1086×1448
Preço por imagem	$0.1072 (214.4 créditos)	$0.1075 (215 créditos)

A diferença de preço é de $0.0003; a escolha não depende do preço. A linha divisória está no controle: o FASHN expõe categoria, modo, tipo de imagem, moderação e seed como campos, enquanto o Google mantém apenas dois campos de imagem e uma quantidade fixa.

Mesmo conjunto de entradas, uma geração em cada lado

A imagem da pessoa é um retrato vertical 3:4 de 1086×1448, e a imagem da roupa é uma foto de produto de uma modelo vestindo um vestido de noiva de renda.

FASHN Try-On v1.6	Google Virtual Try-On
one-pieces + quality + model + PNG, saída 972 × 1296	Apenas dois campos de imagem, saída 1086 × 1448

Mesma imagem da pessoa e mesmo vestido de noiva, uma geração em cada lado.

A primeira diferença é o tamanho da saída: o Google retorna 1086×1448, exatamente igual à imagem da pessoa; o FASHN retorna 972×1296, com o lado maior reduzido para 1296. A segunda é a própria imagem: a densidade da renda e as dobras da saia do vestido diferem entre as duas versões, e a expressão facial e a pose das mãos também variam levemente.

Rode uma vez em cada página de modelo com a mesma imagem da pessoa e a mesma imagem da roupa; essas duas diferenças também serão visíveis nos seus próprios materiais.

Nenhum dos dois modelos tem campo prompt; o resultado do provador fica totalmente a cargo das duas imagens: se o decote, o comprimento das mangas e a barra da roupa entraram completamente no quadro da imagem da roupa determina diretamente se o resultado é utilizável. O FASHN substitui apenas a roupa, mantendo fundo, cabelo e acessórios no lugar; na avaliação, concentre-se na peça em si.

O tamanho da saída acompanha a imagem da pessoa. O FASHN reduz o lado maior para 1296; se a imagem da pessoa for menor que isso, ela é retornada como está, por exemplo uma imagem de 768×1152 gera saída de 768×1152. Se você precisa sobrepor com a imagem original ou se o template da página de detalhes diagrama com base nos pixels da imagem da pessoa, a saída em tamanho original do Google economiza uma etapa de redimensionamento e alinhamento.

Segundo conjunto: camiseta branca plana, uma geração em cada lado

Mesma imagem da pessoa, com a imagem da roupa trocada por uma foto de produto plana (no lado do FASHN, configure garment_photo_type como flat-lay), rodando uma vez em cada lado:

FASHN Try-On v1.6	Google Virtual Try-On
tops + balanced + flat-lay + PNG, saída 972 × 1296	Apenas dois campos de imagem, saída 1086 × 1448

Mesma imagem da pessoa e mesma camiseta branca plana, uma geração em cada lado.

Este conjunto troca o formato da imagem da roupa: o anterior era foto de modelo vestindo, este é foto plana, e os dois modelos precisam identificar por conta própria que se trata de uma peça de cima. A diferença visível está no comprimento: a camiseta do resultado do FASHN cobre até abaixo da linha da cintura, enquanto a do Google para acima da linha da cintura; o fundo e a pose da pessoa são iguais nos dois lados, e o tamanho da saída continua 972×1296 contra 1086×1448.

Como escolher por cenário?

• Lotes para páginas de detalhes de e-commerce: para fluxos modelados com campos fixos, use o Google, basta preencher duas imagens e rodar; para ajustar separadamente peças de cima, de baixo e peças inteiras, use o category do FASHN.
• Catálogos multicategoria: quando peças de cima, calças e vestidos estão misturados, category com garment_photo_type esclarece de uma vez a categoria e o formato da imagem da roupa, declarando separadamente foto de modelo e foto plana.
• Necessidade de reprodução: com o mesmo seed e as mesmas entradas, o FASHN retorna ao mesmo conjunto de condições aleatórias; o Google não tem campo seed.
• Formato de entrega rígido: para saída direta em JPEG, escolha o FASHN e preencha output_format com jpeg; se só precisa de PNG, os dois geram PNG.
• Layout fixo já existente: se o layout foi diagramado com base nos pixels originais da imagem da pessoa, escolha o Google; a saída não precisa de novo redimensionamento.
• Só quer enviar duas imagens e não manter parâmetros: escolha o Google; a entrada é apenas duas URLs mais num_images: 1.

É complicado trocar de um para o outro?

Não. Os dois modelos compartilham POST https://api.hiapi.ai/v1/tasks e a mesma API Key, ambos retornam taskId e depois consultam a tarefa para obter data.output[0].url.

A troca altera apenas dois pontos: model e input. Não é preciso migrar prompts. Os nomes dos campos mudam: model_image e garment_image do FASHN correspondem a person_image_url e product_image_url do Google. Ao trocar do FASHN para o Google, category, mode, garment_photo_type, moderation_level, seed e output_format não têm campos correspondentes e devem ser removidos por completo; ao voltar, adicione conforme necessário. Os três níveis de mode não afetam a cobrança; comece com o padrão balanced até funcionar e depois ajuste.

Perguntas frequentes

Qual é a diferença de preço entre os dois modelos?

$0.1072 contra $0.1075 por imagem, uma diferença de $0.0003; a escolha não depende do preço.

O FASHN pode gerar várias imagens de uma vez?

Uma por vez. A interface é fechada; campos como num_samples e num_images são rejeitados; para vários candidatos, envie separadamente.

O Google tem categoria e níveis de qualidade?

Não. Ele aceita apenas person_image_url, product_image_url e num_images: 1; a categoria da roupa e o estilo da imagem são expressos pelas duas imagens.

Para ver a diferença imediatamente, abra a página do modelo FASHN Try-On v1.6, envie a imagem da pessoa e a imagem da roupa e rode uma imagem; depois troque model para google-virtual-try-on e os campos para person_image_url e product_image_url, rode a segunda imagem com as mesmas duas imagens e compare lado a lado antes de decidir qual usar.