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

虚拟试衣模型,输入人物图与服装图即可生成模特上身效果,原生输出 864x1296,支持平铺图输入与三档质量模式

fashn-tryon-v1.6

试用 fashn-tryon-v1.6

输入

作品灵感

查看全部作品
  • 电商试衣图:平铺服装转模特上身
  • 试衣间之外:fashn-tryon-v1.6 世界观场景概念图
  • 虚拟试衣的风格光谱:从写实到扁平插画
  • FASHN v1.6 虚拟试衣:棚拍人像试穿演示

输出

image
填写参数并生成,结果会显示在这里。

价格

fashn-tryon-v1.6 每张

单价 $0.1072

定位简介

fashn-tryon-v1.6 是面向服装电商与视觉内容生产的虚拟试衣图像模型:输入一张人物照与一张服装商品图,输出模特穿着该服装的合成图。相比上一代,原生输出分辨率提升至 864x1296,对面料纹理、图案与文字等细节的还原更清晰,光照表现更自然。适合需要在商品详情页、营销素材或设计验证环节批量产出上身效果图的开发者与电商团队。

核心亮点

  • 原生 864x1296 分辨率输出——较上一代提升约 50%,面料纹理、图案与文字细节在详情页尺寸下更清晰可用。
  • 兼容模特图与平铺图两类服装素材——通过 garment_photo_type 指定 model、flat-lay 或 auto 自动识别,适配不同拍摄条件。
  • 三档质量模式按需取舍——performance、balanced、quality 三档在出图速度与渲染精度之间切换,便于生产环境分级调用。
  • 固定种子可复现结果——传入相同 seed 与相同输入可获得一致输出,便于批量生产中的结果复现与排查。

能力说明

人物与服装图合成试衣:提交人物图与服装图两个 URL 即可得到上身效果图,输出为 png 或 jpeg,可直接进入商品图或素材流程。

服装类别与拍摄形式适配:category 支持 tops、bottoms、one-pieces 与 auto 自动识别,garment_photo_type 区分模特上身图与平铺图,减少预处理工作。

出图质量控制:mode 选择速度优先或精度优先,moderation_level 可按业务要求屏蔽露骨内容,conservative 档还会拦截内衣与泳装类服装。

可复现的批量生成:固定 seed 后相同输入可重现结果,便于在生产流水线中定位问题与复跑失败样本。

适用场景

  • 电商团队的服装商品上身图批量生产——以商品平铺图加模特图批量生成上身效果图,用于店铺详情页主图与款式展示。
  • 服装设计打样阶段的视觉验证——用设计稿或样衣照片配合模特照快速出图,在投入实拍前确认版型与图案呈现效果。
  • 营销素材的多款式快速出图——同一模特搭配多个款式分别生成图片,用于活动页、社媒投放等多变体素材制作。
  • 平铺商品图转为模特上身展示——将已有的平铺或隐形衣架拍摄素材转换为模特穿着效果,盘活存量商品图库。

限制与选型建议

该模型面向固定分辨率的全身服装展示场景,输出尺寸不可任意调整。quality 模式下渲染精度更高但耗时更长,批量任务需在速度与效果之间分配档位;单次请求生成多个结果是提升可用率的常见做法,但会相应增加计费。conservative 审核档会拦截内衣与泳装类服装,涉及时应选择更宽松的档位。若业务更看重长时间运行的生产稳定性而非精度,需评估是否采用更成熟的上一代版本。

  • 模型上新 新模型 fashn-tryon-v1.6 虚拟试穿
  • FASHN Try-On v1.6 是什么?

    它是一个专门的虚拟试穿模型。上传一张人物照片和一张服装图,模型会把服装穿到人物身上,输出一张竖版试穿图;不需要提示词,也不接收文字描述。输出适合直接进入商品详情页、社媒素材或投放预览。

  • 需要写提示词吗?

    不需要。它只接收人物照片和服装图,试穿效果由两张图片和可选的类别、模式、服装图类型参数决定。请求里不要额外带 prompt 字段,后端会按未知字段拒绝。

  • 必须同时上传两张图吗?

    是的。人物照片和服装图都是必填;缺少任意一张,Playground 和 API 都会在提交前拦下。上传两张图后运行按钮才会启用,API 会返回参数校验错误。

  • 支持哪些服装类别?

    支持上装(tops)、下装(bottoms)和连体装(one-pieces),也可以选择自动识别。类别不确定时先用自动;识别不准时再明确指定。混合品类目录建议按类别分组提交,减少自动识别带来的偏差。

同类型模型