Virtuell provning (VTO) API

Vad är ett Virtual Try-On API?

Ett virtuellt provnings-API tar ett foto av en person och ett foto av ett plagg, och genererar sedan en bild av den personen som bär plagget - utan ett fysiskt provrum, en fotografering eller en ny studiosession. Den svarar på en fråga om passform och utseende, inte en produktkatalogfråga.

Muapi avslöjar detta genom AI Dress Change, en enda slutpunkt som tar model_image_url och garment_image_url och returnerar det sammansatta resultatet - en API-nyckel, en begäran/undersökningsflöde, pay-as-you-go-priser.

Virtuell prova-på kontra produktfotografering

Dessa är intilliggande men distinkta avsikter. Virtuell prova på tar en befintlig personbild och byter in ett annat plagg – resultatet är en passform/look-visualisering av den specifika personen eller modellen. Produktfotografering genererar nya katalogklara bilder av en produkt från grunden, med snabbkontrollerade bakgrunder och ljussättning, utan att det nödvändigtvis placeras på en fast person. Använd virtuell prova på för att visa en shoppare hur ett plagg ser ut på dem; använd produktfotografering för att skapa en ren lista eller livsstilsfoto av produkten. Jämför med produktfotografering →

Nyckelfunktioner

Få bra indatakvalitet och poseringsresultat

• Använd ett tydligt, framåtvänd modellfoto. En enda person, bra belysning och en neutral eller stående pose ger modellen den renaste referensen för var plagget ska sitta.
• Isolera plagget. En plattläggnings- eller skyltdockabild med minimal bakgrundsstök ger en mer exakt textur- och formöverföring än ett plagg fotograferat på en annan person.
• Matcha plaggkategorin till kroppstäckning. Toppar, klänningar och ytterkläder överförs generellt mer tillförlitligt än komplexa lagerkläder; testa med din specifika katalog innan batch-bearbetning.
• Räkna med lite iteration. Som alla generativa bildmodeller varierar resultaten från körning till körning – behandla den första utdatan som ett utkast och kör igen med en renare källbild om passform eller struktur ser dålig ut.

Sekretess och samtycke

Virtuell prova på genererar en likhetsbaserad bild av vem som förekommer på modellfotot. Skicka bara in foton av personer som har gått med på att användas på det här sättet – dig själv, en anlitad modell under en release eller en kund som uttryckligen valt att använda en prova-på-funktion. Använd inte någon annans foto utan tillåtelse, och använd inte denna slutpunkt för att skapa en verklig persons likhet i ett plagg eller sammanhang som de inte har samtyckt till. Muapi verifierar inte samtycke å dina vägnar; det ansvaret ligger hos API-anroparen.

Hur man anropar Virtual Try-On API

1. Host båda bilderna. Ladda upp modellfotot och plaggfotot via POST /api/v1/upload_file, eller använd en allmänt tillgänglig webbadress.
2. Skicka in begäran. Ring POST /api/v1/ai-dress-change med model_image_url och garment_image_url.
3. Enkät för slutförande. Kontrollera GET /api/v1/predictions/{request_id}/result tills status är klar, ladda sedan ner den sammansatta bilden.

curl -X POST https://api.muapi.ai/api/v1/ai-dress-change \
  -H "Content-Type: application/json" \
  -H "x-api-key: YOUR_API_KEY" \
  -d '{
    "model_image_url": "https://example.com/model-photo.jpg",
    "garment_image_url": "https://example.com/garment-photo.jpg"
  }'

import requests

response = requests.post(
    "https://api.muapi.ai/api/v1/ai-dress-change",
    headers={"x-api-key": "YOUR_API_KEY"},
    json={
        "model_image_url": "https://example.com/model-photo.jpg",
        "garment_image_url": "https://example.com/garment-photo.jpg",
    },
)
request_id = response.json()["request_id"]

result = requests.get(
    f"https://api.muapi.ai/api/v1/predictions/{request_id}/result",
    headers={"x-api-key": "YOUR_API_KEY"},
)
print(result.json())

Vanliga frågor