讲师中心 微信公众号

工具推荐

视频效率加速
updream

一键生成高质量推广成片

SoundView
SoundView

字幕擦除翻译、配音口型同步

剧云
剧云

中文短剧剧本制作平台

Laper
Laper

剧本策划到成片协作

p-image-try-on

Polar Sponsor
爱发电 赞助
.NET 9.0

用于虚拟试穿——根据参考照片为人物换装,适用于时尚或电商场景。

共同生成政策 : 在支付任何 POST /v1/预测之前 :. 兰东种子仪式——总是第一

功能概述

共同生成政策 : 在支付任何 POST /v1/预测之前 :. 兰东种子仪式——总是第一是一项面向实际任务的技能,主要用于通过总和式的切变轴. 基因多样性—— 明确提示;6. 旋转 ≥2 情景轴本身。

核心要点

  • 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
  • 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。
  • 该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。

使用与执行

从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;

结果检查与注意事项

若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。

共享生成策略

在任何付费的 POST /v1/predictions 请求之前:

  1. 随机种子仪式 — 始终为第一步;通过“求和取模”法推导各维度轴。
  2. 生成多样性 — 使用显式提示词;每次会话中至少轮换 ≥2 个场景维度轴。
  3. 质量检查清单 — 打开输出文件并人工判定是否通过,再进入下一步。

p-image-try-on(Pruna)

将一件或多件服装虚拟试穿到人物照片上。速率限制:500 次请求/分钟 · 类别:图像编辑。

该模型的核心能力是仅编辑服装本身——人物身份、姿态、发型、背景及场景道具均保持不变。这使其适用于时尚编辑类应用、复杂印花/拼接设计以及多件服装叠加试穿,而不仅限于简单的平铺 T 恤替换。

权威 API 参考:p-image-try-on 模型文档 · 运维指南(Runware 托管):virtual try-on

展示质量门槛:realistic-persona-showcase.md · 试穿检查清单:p-image-try-on-quality-checklist.md · 示例:example-prompt.md

共享 HTTP 模式:pruna-api.md(上传、轮询、下载)

定价

按单次生成计费(普通模式与 turbo 模式价格相同):

  • $0.015 —— 首件服装
  • $0.008 —— 每增加一件服装

示例:3 件服装 → $0.015 + 2 × $0.008 = $0.031。

请求结构

需提供一个 person_image,每个单品对应一个 garment_images[] 条目(最多支持 11 个),可选传入 reference_pose。模型将自动对每件服装进行分类 —— 数组顺序无关紧要,且无需手动标注“帽子”或“鞋子”。无需提供复合服装图;混合类别(如头饰 + 上装 + 鞋履 + 包袋)应统一放入单次调用中。

  • prompt —— 仅当参考图含多件服装,或服装已由真人穿着时使用;干净的平铺图无需 prompt。
  • preserve_input_size: true(默认)—— 输出尺寸将与 person 图像一致。

Runware 字段映射(同模型,不同托管方):person → person_image,garment → garment_images[],pose → reference_pose,positivePrompt → prompt,settings.turbo → turbo。

HTTP(curl)

请遵循官方快速入门指南:先上传文件,再以 Model: p-image-try-on 调用 POST /v1/predictions。

首先上传您的图像

# 上传人物照片
curl -X POST "https://api.pruna.ai/v1/files" 
  -H "apikey: ${PRUNA_API_KEY}" 
  -F "content=@/path/to/person.jpg"

# 上传服装图像(每件服装重复执行一次)
curl -X POST "https://api.pruna.ai/v1/files" 
  -H "apikey: ${PRUNA_API_KEY}" 
  -F "content=@/path/to/garment.png"

使用 -F(表单方式)配合 @ 从本地磁盘上传。将每次响应中的 urls.get 值分别填入 input.person_image 和 input.garment_images[]。

可选上传扩展字段: reference_pose(用于姿态参考的人物图像)。

试穿(同步模式)

curl -X POST 'https://api.pruna.ai/v1/predictions' 
  -H 'Content-Type: application/json' 
  -H "${PRUNA_API_KEY}" 
  -H 'Model: p-image-try-on' 
  -H 'Try-Sync: true' 
  -d '{
    "input": {
      "person_image": "https://api.pruna.ai/v1/files/PERSON_FILE_ID",
      "garment_images": ["https://api.pruna.ai/v1/files/GARMENT_FILE_ID"]
    }
  }'

试穿(异步模式)

生产环境建议省略 Try-Sync 头以保障可靠性;轮询至状态变为 succeeded 后再下载:

curl -X POST 'https://api.pruna.ai/v1/predictions' 
  -H 'Content-Type: application/json' 
  -H "${PRUNA_API_KEY}" 
  -H 'Model: p-image-try-on' 
  -d '{
    "input": {
      "person_image": "https://api.pruna.ai/v1/files/PERSON_FILE_ID",
      "garment_images": ["https://api.pruna.ai/v1/files/GARMENT_FILE_ID"]
    }
  }'

轮询与下载方法详见:pruna-api.md。

参数

下表遵循官方模型页面定义。扩展字段(turbo、reference_pose、prompt)列于下方。

必需参数

参数 类型 说明
person_image string 待编辑人物的图像 URL
garment_images array of string 最多 11 个服装引用;≤6 件可确保交付质量,7–8 件通常能完整呈现,9–11 件可能出现末尾项丢失;超出 11 的 URL 将被忽略

可选参数

参数 类型 默认值 说明
seed integer — 随机种子。留空则自动生成随机种子。
output_format string jpg 输出图像格式(webp、jpg、png)。
output_quality integer 95 jpg/webp 输出的质量值,范围为 0–100。
preserve_input_size boolean true 输出尺寸匹配 person_image 的原始尺寸(模型内部自动缩放)。

扩展可选字段

参数 类型 默认值 说明
turbo boolean false 更快的多服装处理流程(约 2.5–3.5 秒);详见 Turbo 模式
reference_pose string — 可选的人物图像 URL;输出姿态将与该参考图一致
prompt string — 实验性功能。适用于非平铺类服装图像;用于指明从哪张图中选用哪件服装,例如:"image 1 中的绿色 T 恤和 image 2 中的长裤"

生成前准备

  1. 生成多样性 —— 每次试穿任务前执行随机种子仪式(SSoT)+ 维度轴轮换(复用已批准的主视觉板 URL 进行换装)。
  2. 与用户确认以下内容:
  • person_image —— 人物照片需清晰展现待着装的身体区域
  • garment_images —— 最多 11 个引用(≤6 件用于交付资产;7–8 件可靠;每处身体部位仅限一件 —— 见“多服装限制”)
  • turbo、reference_pose、prompt(如适用,请参阅下方章节)
  • seed、output_format、output_quality、preserve_input_size(如交付格式有明确要求)

下游流程启动前,请先运行 p-image-try-on-quality-checklist.md 对输出结果进行质量验证。

生产级质量(非基础演示)

上游人物模板:试穿保真度上限由 person_image 决定。请依据 realistic-persona-showcase.md 制作写实风格的 p-image 模板 —— 不得使用通用商品目录模特图。服装层级划分详见下方 展示层级 及 p-image-try-on-quality-checklist.md。

需规划的展示层级:

层级 典型能力示例
时尚静帧 艺术印花、撞色袖口、坐姿生活化姿态
复杂服装 拼贴/拼接西装、精细褶皱、多片式街头服饰
场景内配饰 帽子、Logo T 恤、眼镜 —— 镜面/街景构图保持原样
多服装叠加 夹克 + T 恤 + 长裤 + 帽子 + 鞋履一次性完成(普通模式;交付资产建议 ≤6 件)

防低质实践:避免仅使用纯白背景演示、模糊 AI 生成的人物模板、复杂叠加场景下仅依赖 turbo 模式输出、以及在多个示例中重复使用同一张默认人脸。请按 visual-variety-bible.md 轮换人物与设置。

Replicate Playground:参照 realistic-persona-showcase.md,在 p-image-try-on 页面多样化固定示例。

服装输入类型

该模型支持比单纯平铺图更广泛的服装图像类型:

输入类型 说明
平铺图 / 商品图 最佳默认输入;无需 prompt
真人上身 / 生活化图 支持;需使用 prompt 明确指定目标服装
单图含多件服装 支持;需使用 prompt 指明选用哪些单品

当服装图像包含多件物品,或服装由他人穿着时,请设置 prompt 以消除歧义(EXPERIMENTAL)。

多服装限制

规则 指导建议
每处身体部位仅限一件 脚部同时出现袜子与鞋履 → 预期仅保留一件(通常为鞋履)。若需单独呈现袜子,请仅上传袜子图。
可靠数量上限 ≤6 件用于交付资产;7–8 件通常可全部呈现;9–11 件请将额外项视为附加收益 —— 末尾单品不保证成功。
重搭配(Restyling) 固定人物 + 基础服装;仅替换 一个 garment_images[] URL 并重新运行,即可生成变体上装(如商品目录 A/B 版本)。

人物图像要求:全身照或三分之二构图效果最佳 —— 模型需完整可见待着装的身体区域。过紧裁切易导致伪影。

服装类别

模型将自动识别每张服装图像所属类别。若识别错误或类别不受支持,则对应服装可能被跳过(整个请求仍可能成功)—— 请主动排除已知不可用类型,而非寄希望于其被自动过滤。

支持良好:上衣与衬衫;毛衣、连帽衫与西装外套;长裤、牛仔裤、短裤与裙子;连衣裙、连体裤与背带裤;夹克与大衣;内衣与泳装;鞋履(鞋、靴、凉鞋、袜子 —— 人物照片中须露出双脚);头饰(帽子、棒球帽、毛线帽、太阳镜、眼镜);颈饰(围巾、领带、项链);包袋(手提包、托特包、双肩包);精选饰品(手表、手链、戒指、耳环)。

请勿在请求中包含:手套与连指手套;护臂;手持道具(手机、钱包、雨伞、杯子、钥匙扣);口袋巾、吊带、胸针。

Turbo 模式

Turbo 模式将多个服装编辑操作整合进一次更大的编辑过程,而非逐件独立处理。

普通模式(默认) Turbo 模式(turbo: true)
速度 随服装数量线性增长 约 2.5–3.5 秒,与服装数量无关
质量 最高保真度 可能略低;部分服装可能无法正确应用
定价 见上方按件计价表 相同定价
适用场景 交付资产、5 件及以上 预览图、批量商品目录、对时效敏感的流程(约 4 件为最佳平衡点)

使用建议:

  • Turbo 默认禁用 —— 仅当用户明确优先考虑延迟时才显式启用。
  • 价格与普通模式一致;兼容 reference_pose、prompt 等所有扩展字段。
  • Pruna 官方文档注明:不建议在 Turbo 模式下使用超过约 4 件服装 —— 更大数量堆叠及最终交付请使用普通模式。

示例:扩展输入(Turbo + 姿态参考 + Prompt)

curl -X POST 'https://api.pruna.ai/v1/predictions' 
  -H 'Content-Type: application/json' 
  -H "${PRUNA_API_KEY}" 
  -H 'Model: p-image-try-on' 
  -d '{
    "input": {
      "person_image": "https://api.pruna.ai/v1/files/PERSON_FILE_ID",
      "garment_images": [
        "https://api.pruna.ai/v1/files/MULTI_GARMENT_SHOT_ID",
        "https://api.pruna.ai/v1/files/BOTTOM_ID"
      ],
      "reference_pose": "https://api.pruna.ai/v1/files/POSE_REF_ID",
      "prompt": "the green t-shirt from image 1 and the trousers from image 2",
      "turbo": true,
      "output_format": "jpg",
      "output_quality": 95,
      "preserve_input_size": true
    }
  }'

典型后续步骤

  • 单件重搭配:保留 person_image 与未变动的服装;每次仅替换一个 garment_images[] URL 生成变体。
  • 交付前超分:p-image-upscale
  • 将试穿静帧转为动画:p-video(I2V)或 p-video-avatar
  • 电商包装工作流:pruna-generative-pipeline recipe K
目录

热门AI工具

更多
小橡皮AI

一款AI工具,主要用于小橡皮一键去AI味,将机器味重的内容改得更有活人感,防止因为 AI 内容被平台打上 AI 标签,以及限流,适合需要提升相关任务效率的用户。

咔片AIPPT

一款在线AI演示文稿制作工具,可根据主题和内容需求辅助生成PPT结构与页面,提高演示材料制作效率。

Flowith
Flowith Hot

Flowith是一款基于画布和智能体工作流的 AI 协作工作空间。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

PixPix
PixPix Hot

PixPix是一款面向电商视觉生产的AI商品图生成工具。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

音述AI
音述AI Hot

一款AI音频处理工具,主要用于音述AI是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区,适合需要提升相关任务效率的用户。

相关专题

更多
Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

0

2026.11.20

Navicat入门教程大全
Navicat入门教程大全

本专题整理Navicat入门教程,从认识软件界面到开展数据库操作,介绍初次使用需要了解的知识和方法。内容兼顾连接配置、数据管理及日常使用中的疑问,方便用户按学习进度查阅,为后续实践和独立操作打好基础。

0

2026.11.20

Navicat数据库连接配置指南
Navicat数据库连接配置指南

从确认数据库信息到建立可用连接,本专题串联Navicat连接数据库的相关知识和操作方法。既有初次配置时需要了解的基础内容,也有连接后的检查思路,方便用户按实际需求查阅教程,逐步熟悉数据库连接的设置流程。

0

2026.11.20

PHP8.6数组与数据处理教程
PHP8.6数组与数据处理教程

本专题汇总PHP8.6数组与数据处理教程,涵盖CSV读取和导出、引用遍历删除、array_filter回调模式、配置键名冲突、pathinfo文件名校验、GMP大整数进制转换及UTF-8正则筛选,说明升级兼容变化、输入范围和失败处理方法。

0

2026.11.20

PHP8.6升级迁移教程
PHP8.6升级迁移教程

本专题汇总PHP8.6升级迁移与弃用接口改造教程,涵盖反射调用、对象属性赋值、标识符更名、构造函数与__debugInfo调整,以及插件类名检查、常量导出、ArrayIterator排序、SPL和DTO查询参数转换,帮助梳理弃用提示并完成代码兼容改造。

0

2026.11.20

PHP8.6安装配置与FPM运维教程
PHP8.6安装配置与FPM运维教程

本专题汇总PHP8.6正式版安装部署与FPM运维教程,涵盖Linux并存安装、独立ini配置、扩展重新编译、Nginx切换与回滚、FPM状态监控和慢日志排查,以及环境变量、请求超时、OPcache刷新和预加载配置。

0

2026.11.20

Nginx CVE-2026-123007排查与防护指南
Nginx CVE-2026-123007排查与防护指南

Nginx HTTP/2漏洞该怎么修复?本专题围绕CVE-2026-123007,介绍安全版本升级、模块兼容检查和配置恢复方法,以及日志排查、权限设置等后续加固操作,方便你按实际部署情况查找对应教程。

0

2026.11.20

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

0

2026.11.17

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

0

2026.11.17

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn