FASHN Try-On v1.6 vs Google Virtual Try-On: как выбрать при одинаковой цене

FASHN Try-On v1.6 и Google Virtual Try-On на HiAPI стоят практически одинаково: $0.1072 против $0.1075 за изображение. Если нужно управлять категорией одежды, режимом скорости и качества, типом изображения одежды или воспроизводить тот же результат с помощью seed — выбирайте FASHN Try-On v1.6; если нужны только два фиксированных поля изображений, простой запрос и сохранение исходных размеров изображения человека в выводе — выбирайте Google Virtual Try-On.

Обе модели уже доступны: страница модели FASHN Try-On v1.6, страница модели Google Virtual Try-On. Новым пользователям при регистрации дарят 200 кредитов, одна примерка стоит 214.4 кредита — достаточно немного пополнить баланс, чтобы запустить первую.

Различия в одной таблице

	FASHN Try-On v1.6	Google Virtual Try-On
Входные поля	model_image + garment_image	person_image_url + product_image_url
Категория одежды и тип изображения	category — один из четырёх вариантов (tops / bottoms / one-pieces / auto), garment_photo_type различает изображение на модели и плоскую раскладку	Ни того, ни другого нет; категория и форма изображения определяются самими двумя картинками
Режим скорости / качества	mode — три уровня: performance / balanced / quality	Нет
Модерация контента	moderation_level — три уровня: none / permissive / conservative	Нет
Разбор тела и воспроизводимость	Переключатель segmentation_free, seed фиксирует случайные условия	Нет
Изображений за раз / формат вывода	1 за раз, PNG или JPEG	1 за раз (num_images фиксирован на 1), PNG
Размер вывода	Изображение человека пропорционально уменьшается до длинной стороны 1296: 1086×1448 → 972×1296	Равен исходному размеру изображения человека: 1086×1448 → 1086×1448
Цена за изображение	$0.1072 (214.4 кредита)	$0.1075 (215 кредитов)

Разница в цене $0.0003 — при выборе на неё смотреть не нужно. Граница проходит по управляемости: FASHN выносит категорию, режим, тип изображения, модерацию и seed в отдельные поля, а Google оставляет только два поля изображений и фиксированное количество.

Одинаковые входные данные, по одной генерации с каждой стороны

Изображение человека — вертикальное 3:4 размером 1086×1448, изображение одежды — товарное фото модели в кружевном свадебном платье.

FASHN Try-On v1.6	Google Virtual Try-On
one-pieces + quality + model + PNG, вывод 972 × 1296	Переданы только два поля изображений, вывод 1086 × 1448

Одно и то же изображение человека и одно и то же изображение свадебного платья, по одной генерации.

Первое различие — размер вывода: Google возвращает 1086×1448, точно как изображение человека; FASHN возвращает 972×1296, сжимая длинную сторону до 1296. Второе — сама картинка: плотность кружева и складки подола у двух версий платья различаются, выражения лица и положение рук тоже немного отличаются.

Запустите один раз на странице каждой модели с одним и тем же изображением человека и одежды — эти два различия будут видны и на ваших собственных материалах.

У обеих моделей нет поля prompt — результат примерки полностью определяется двумя изображениями: попадут ли вырез, длина рукава и подол одежды в кадр целиком, напрямую решает, можно ли использовать результат. FASHN заменяет только одежду, фон, причёска и аксессуары остаются на месте, поэтому при приёмке сосредоточьтесь на самой одежде.

Размер вывода зависит от изображения человека. FASHN сжимает длинную сторону до 1296, а если само изображение человека меньше этого значения, оно возвращается как есть: например, для изображения человека 768×1152 вывод останется 768×1152. Если нужно накладывать на исходное изображение или шаблон страницы товара свёрстан по пикселям изображения человека, вывод Google в исходном размере избавляет от одного шага масштабирования и выравнивания.

Вторая пара: белая футболка на плоской раскладке, по одной генерации с каждой стороны

То же изображение человека, но изображение одежды заменено на товарное фото плоской раскладки (на стороне FASHN garment_photo_type установлен в flat-lay), по одному запуску с каждой стороны:

FASHN Try-On v1.6	Google Virtual Try-On
tops + balanced + flat-lay + PNG, вывод 972 × 1296	Переданы только два поля изображений, вывод 1086 × 1448

Одно и то же изображение человека и одна и та же белая футболка на плоской раскладке, по одной генерации.

В этой паре изменена форма изображения одежды: в предыдущей паре было изображение на модели, в этой — плоская раскладка, и обе модели должны сами определить, что это верхняя одежда. Видимое различие — в длине: на результате FASHN футболка доходит ниже линии талии, на результате Google останавливается выше линии талии; фон и поза человека на обеих сторонах совпадают, размер вывода по-прежнему 972×1296 против 1086×1448.

Как выбрать под сценарий?

• Массовая обработка для страниц товаров в интернет-магазине: для шаблонного процесса с фиксированными полями используйте Google — заполните две картинки и запускайте; если нужно отдельно настраивать верх, низ и комбинезоны, используйте category в FASHN.
• Каталог с множеством категорий: когда верх, брюки и платья смешаны, category вместе с garment_photo_type позволяет за один раз указать категорию и форму изображения одежды, отдельно объявив изображения на модели и плоские раскладки.
• Нужна воспроизводимость: с одним и тем же seed и одинаковыми входами FASHN возвращается к тем же случайным условиям; у Google поля seed нет.
• Строгие требования к формату сдачи: если нужен JPEG на выходе, выбирайте FASHN и укажите output_format = jpeg; если нужен только PNG, обе модели выдают PNG.
• Есть готовый макет: если макет свёрстан по исходным пикселям изображения человека, выбирайте Google — вывод не нужно масштабировать.
• Хочется только передать две картинки и не поддерживать параметры: выбирайте Google — на входе два URL и num_images: 1.

Сложно ли переключиться с одного на другой?

Нет. Обе модели используют POST https://api.hiapi.ai/v1/tasks и один и тот же API Key, обе возвращают taskId, а затем запросом задачи получаете data.output[0].url.

При переключении меняются только два места: model и input. Промпт переносить не нужно. Имена полей нужно заменить: model_image и garment_image в FASHN соответствуют person_image_url и product_image_url в Google. При переходе с FASHN на Google у category, mode, garment_photo_type, moderation_level, seed и output_format нет соответствующих полей — удалите их целиком; при обратном переходе добавьте по необходимости. Три уровня mode не влияют на оплату — сначала запустите с balanced по умолчанию, а потом настраивайте.

Частые вопросы

Насколько различаются цены двух моделей?

$0.1072 против $0.1075 за изображение, разница $0.0003 — при выборе на цену смотреть не нужно.

Может ли FASHN выдать несколько изображений за раз?

Одно за раз. Интерфейс закрытый: поля вроде num_samples, num_images будут отклонены; если нужно несколько вариантов, отправляйте запросы отдельно.

Есть ли у Google категория и уровни качества?

Нет. Он принимает только person_image_url, product_image_url и num_images: 1, а категория одежды и стиль картинки определяются двумя изображениями.

Чтобы сразу увидеть разницу, откройте страницу модели FASHN Try-On v1.6, загрузите изображение человека и одежды и запустите одну генерацию; затем замените model на google-virtual-try-on, а поля — на person_image_url и product_image_url, запустите вторую генерацию с теми же двумя изображениями и, сравнив их рядом, решите, что использовать.