AI Clothes 虚拟试衣技术主要用于在人物图像上生成服装试穿效果。与普通换图或贴图不同，虚拟试衣需要同时处理人物姿态、身体比例、服装轮廓、遮挡关系和光照一致性。对于服装类应用来说，这类 AI API 的作用是把人物图片和服装参考图片转换为一个可计算的图像生成任务。

AI Clothes 是一个异步图像生成服务。开发者先准备人物图和服装参考图，再创建 AI 试衣任务。任务提交后，系统返回 task_id，后续通过查询接口获取任务状态和生成结果。

基础输入：人物图与服装参考图

虚拟试衣任务通常需要两类输入。

第一类是人物图，用于提供人体姿态、身体比例、原始背景和图像上下文。人物图质量会直接影响生成结果，建议使用主体清晰、身体区域完整、遮挡较少的图片。

第二类是服装参考图，用于提供需要试穿的服装样式。服装参考图应尽量保持服装主体完整，减少复杂背景、强遮挡或过度变形。对于上装、下装、连衣裙、套装或鞋履等不同类型商品，需要在任务参数中指定对应类别。

在 AI Clothes API 中，创建任务时需要指定人物图、服装参考图和服装类别。文档中的任务请求形态如下：

curl --request POST \
 
--url https://yce-api-01.makeupar.com/s2s/v2.0/task/cloth-v3 \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'content-type: application/json' \
  --data '{
    "src_file_url": "https://plugins-media.makeupar.com/strapi/assets/clothes_03_cccd5d4803.jpeg",
    "ref_file_url": "https://plugins-media.makeupar.com/strapi/assets/clothes_reference_full_body_01_5a000d999f.png",
    "garment_category": "full_body"
  }'

其中，src_file_url 表示人物图地址，ref_file_url 表示服装参考图地址，garment_category 用于指定试穿类别。对于服装虚拟试穿来说，这个参数很重要，因为上装、下装、全身服装和鞋履对应的生成区域不同。如果类别判断错误，生成结果可能会出现边界不准确、服装位置不合理或局部结构异常。

在支持文件上传流程的集成方式中，图片也可以先通过 File API 上传，获得对应的文件标识，再将人物图和服装图作为任务输入。无论使用 URL 还是文件 ID，核心逻辑都是一致的：先准备输入图片，再创建生成任务。

AI 试衣任务通常不会在请求提交后立即返回最终图片，而是先返回任务标识。开发者需要使用 task_id 查询任务状态，直到任务完成。

curl --request GET \
 
 --url https://yce-api-01.makeupar.com/s2s/v2.0/task/cloth-v3/<YOUR_TASK_ID> \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'content-type: application/json'

这种异步结构适合图像生成类服务。生成过程可能受到图片尺寸、任务复杂度和系统处理队列影响，因此客户端或后端服务需要设置合理的轮询间隔、超时机制和错误处理逻辑。

在实际接入时，建议由服务端负责调用 AI API，而不是在前端直接暴露 API Key。前端只负责上传图片、选择服装和展示结果；后端负责鉴权、任务创建、状态轮询和结果返回。

garment_category 与 change_shoes 的作用

garment_category 用于告诉系统本次试穿处理的服装范围。常见场景包括上装、下装、全身服装或自动识别。对于不确定服装类型的场景，可以使用自动类别判断，但在商品系统中，如果已经知道商品类型，建议由后端明确传入类别参数。

change_shoes 适用于需要同时处理鞋履变化的场景。例如完整穿搭图中，服装替换可能会影响脚部区域，此时可通过该参数控制是否同步替换鞋子。对于只处理上装或下装的任务，可以根据实际场景决定是否启用。

这些参数的意义在于减少模型推断的不确定性。输入越明确，生成任务越容易稳定处理目标区域。

虚拟试衣结果通常受输入图片质量影响。人物图中如果存在大面积遮挡、交叉手臂、过暗光线、复杂背景或身体区域不完整，模型可能难以准确判断服装覆盖区域。服装参考图如果存在褶皱过多、主体不完整或背景干扰，也可能影响服装结构提取。

因此，技术接入时不应只关注 API 请求本身，还需要在前端或上传前增加图片质量检查。例如，限制图片格式和大小，提示用户上传正面或半身/全身清晰照片，并对服装参考图建立统一的素材规范。

AI Clothes 虚拟试衣 AI API 可以作为一个独立图像生成模块接入现有系统。较常见的结构是：

前端展示试穿结果。这种结构可以避免前端直接处理密钥，也便于后端统一记录任务状态、失败原因和结果地址。如果业务中存在批量生成试穿图的需求，也可以在后端增加队列和任务调度模块。

AI Clothes 虚拟试衣 AI API 的核心流程可以概括为：准备人物图和服装参考图，指定服装类别，创建异步生成任务，再通过 task_id 查询结果。

它的技术重点不在于简单替换图片，而在于根据人物姿态、身体比例和服装参考信息生成新的试穿图。对于开发团队来说，接入这类 AI API 时需要重点关注输入图片规范、任务参数、异步轮询、安全鉴权和结果处理。

当这些环节设计清楚后，虚拟试衣可以作为服装系统中的图像生成能力，用于商品展示、试穿预览、搭配图生成和内容素材扩展。

AI Clothes 虚拟试衣 AI API：从图片输入到试穿结果生成的技术说明

人工智能

开发工具

后端

AIClothes虚拟试衣技术通过AI算法实现真实服装试穿效果，支持上装、下装、全身服装等类别。开发者只需提交人物图和服装参考图，通过异步API获取生成结果。该技术可集成到电商系统，提升用户体验，适用于商品展示、试穿预览等场景。

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

AI Clothes 虚拟试衣 AI API：从图片输入到试穿结果生成的技术说明

AI Clothes 虚拟试衣 AI API：从图片输入到试穿结果生成的技术说明

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐