HiAPI
fashn-tryon-v1.6 详情页 Hero 图:左侧柔光留白,右侧半透明玻璃织物悬浮,虹彩光影,模型名刻于玻璃上。

FASHN

FASHN Tryon v1.6

fashn-tryon-v1.6

Модель виртуальной примерки: загрузите изображение человека и изображение одежды, чтобы получить результат примерки на модели; нативный вывод 864x1296, поддержка ввода изображений в развёрнутом виде и трёх режимов качества

fashn-tryon-v1.6

Попробовать fashn-tryon-v1.6

Ввод

Вывод

image
Заполните параметры и сгенерируйте — результаты появятся здесь.

Цены

fashn-tryon-v1.6 per image

Цена за единицу $0.1072

Краткое описание

fashn-tryon-v1.6 — это модель виртуальной примерки для интернет-магазинов одежды и производства визуального контента: на входе фотография человека и изображение товара одежды, на выходе — синтезированное изображение модели в этой одежде. По сравнению с предыдущим поколением нативное разрешение вывода увеличено до 864x1296, детали вроде фактуры ткани, узоров и текста воспроизводятся чётче, а освещение выглядит естественнее. Подходит разработчикам и командам интернет-магазинов, которым нужно массово создавать изображения одежды на модели для карточек товаров, маркетинговых материалов или проверки дизайна.

Ключевые особенности

  • Нативное разрешение вывода 864x1296 — примерно на 50% выше, чем у предыдущего поколения; фактура ткани, узоры и текстовые детали остаются чёткими и пригодными в размерах карточки товара.
  • Поддержка двух типов изображений одежды: на модели и в раскладке — параметр garment_photo_type задаёт model, flat-lay или auto для автоматического распознавания, что подходит для разных условий съёмки.
  • Три режима качества на выбор — performance, balanced и quality переключаются между скоростью генерации и точностью рендеринга, что удобно для многоуровневых вызовов в продакшене.
  • Воспроизводимость результата при фиксированном seed — одинаковые seed и входные данные дают одинаковый результат, что упрощает воспроизведение и диагностику в массовом производстве.

Описание возможностей

Синтез примерки по фото человека и изображению одежды: достаточно передать два URL — фото человека и фото одежды — чтобы получить изображение одежды на модели; вывод в формате png или jpeg сразу готов к использованию в карточках товаров или контент-процессах.

Адаптация к категориям одежды и формату съёмки: category поддерживает tops, bottoms, one-pieces и auto для автоматического распознавания, а garment_photo_type различает изображения одежды на модели и в раскладке, сокращая объём предварительной обработки.

Контроль качества генерации: mode выбирает приоритет скорости или точности, moderation_level позволяет блокировать откровенный контент согласно требованиям бизнеса, а уровень conservative дополнительно отсекает нижнее бельё и купальники.

Воспроизводимая пакетная генерация: при фиксированном seed одинаковые входные данные дают повторяемый результат, что упрощает поиск проблем и повторный запуск неудачных образцов в производственном конвейере.

Сценарии применения

  • Массовое создание изображений одежды на модели для команд интернет-магазинов — пакетная генерация изображений одежды на модели из раскладок товаров и фото моделей для главных изображений карточек магазина и демонстрации моделей.
  • Визуальная проверка на этапе прототипирования одежды — быстрая генерация изображений по дизайн-макетам или фото образцов вместе с фото модели, чтобы до запуска реальной съёмки убедиться в посадке и воспроизведении узора.
  • Быстрая генерация маркетинговых материалов для нескольких моделей одежды — одна и та же модель в сочетании с несколькими моделями одежды генерируется отдельно для страниц акций, публикаций в соцсетях и других вариантов материалов.
  • Превращение изображений товаров в раскладке в демонстрацию на модели — преобразование имеющихся снимков в раскладке или на невидимых вешалках в изображения одежды на модели, что оживляет существующий фотобанк товаров.

Ограничения и рекомендации по выбору

Модель рассчитана на сценарии демонстрации одежды в полный рост с фиксированным разрешением, размер вывода нельзя произвольно менять. В режиме quality точность рендеринга выше, но обработка дольше, поэтому в пакетных задачах нужно распределять уровни между скоростью и результатом; генерация нескольких результатов за один запрос — распространённый способ повысить долю пригодных изображений, но она соответственно увеличивает стоимость. Уровень модерации conservative отсекает нижнее бельё и купальники, поэтому в таких случаях следует выбирать более мягкий уровень. Если для бизнеса важнее стабильность длительной работы в продакшене, а не точность, стоит оценить переход на более зрелое предыдущее поколение.

  • Новая модель Новая модель fashn-tryon-v1.6 для виртуальной примерки

Частые вопросы

Все частые вопросы →
  • Что такое FASHN Try-On v1.6?

    Это специализированная модель виртуальной примерки. Загрузите фотографию человека и изображение одежды — модель «наденет» одежду на человека и выдаст вертикальное изображение примерки; промпты не нужны, и текстовые описания не принимаются. Результат подходит для прямого размещения на странице товара, в материалах для соцсетей или в превью рекламных кампаний.

  • Нужно ли писать промпт?

    Нет. Он принимает только фотографию человека и изображение одежды; результат примерки определяется двумя изображениями и необязательными параметрами категории, режима и типа изображения одежды. В запросе не следует передавать дополнительное поле prompt — бэкенд отклонит его как неизвестное поле.

  • Нужно ли загружать оба изображения одновременно?

    Да. Фотография человека и изображение одежды обязательны; если не хватает любого из них, Playground и API заблокируют отправку. Кнопка запуска станет активной только после загрузки обоих изображений, а API вернёт ошибку проверки параметров.

  • Какие категории одежды поддерживаются?

    Поддерживаются верхняя одежда (tops), нижняя одежда (bottoms) и комбинезоны (one-pieces), также можно выбрать автоматическое определение. Если категория неясна, сначала используйте автоматическое определение; если распознавание неточное, укажите категорию явно. Каталоги со смешанными категориями рекомендуется отправлять сгруппированными по категориям, чтобы уменьшить отклонения при автоматическом определении.

Похожие модели

Все модели →

Тот же тип