FASHN Try-On v1.6 和 Google Virtual Try-On 在 HiAPI 上几乎是同一个价：一张 $0.1072 对 $0.1075。要控制服装类别、速度与质量档、服装图类型，或者要用 seed 复现同一张，选 FASHN Try-On v1.6；只要两个固定图片字段、请求简单，并且要求输出保持人物图原尺寸，选 Google Virtual Try-On。
两个模型都已上线：FASHN Try-On v1.6 模型页、Google Virtual Try-On 模型页。新用户注册送 200 积分，一张试穿 214.4 积分，补一点就能跑第一张。
一张表看懂差别
| FASHN Try-On v1.6 | Google Virtual Try-On | |
|---|---|---|
| 输入字段 | model_image + garment_image | person_image_url + product_image_url |
| 服装类别与图类型 | category 四选一（tops / bottoms / one-pieces / auto），garment_photo_type 区分模特图与平铺图 | 两项都没有，品类和图形态由两张图自己表达 |
| 速度 / 质量档 | mode 三档：performance / balanced / quality | 无 |
| 内容审核 | moderation_level 三档：none / permissive / conservative | 无 |
| 人体解析与复现 | segmentation_free 开关，seed 固定随机条件 | 无 |
| 一次几张 / 输出格式 | 一次 1 张，PNG 或 JPEG | 一次 1 张（num_images 固定 1），PNG |
| 输出尺寸 | 人物图等比缩到长边 1296：1086×1448 → 972×1296 | 等于人物图原尺寸：1086×1448 → 1086×1448 |
| 每张价格 | $0.1072（214.4 积分） | $0.1075（215 积分） |
价格差 $0.0003，选哪个不用看价格。分界线在控制面：FASHN 把类别、模式、图类型、审核和 seed 都开成字段，Google 只留两个图片字段和一个固定张数。
同一组输入，两边各生成一次
人物图是 1086×1448 的 3:4 竖图，服装图是一张模特穿着蕾丝婚纱的商品图。
| FASHN Try-On v1.6 | Google Virtual Try-On |
|---|---|
 |  |
one-pieces + quality + model + PNG，输出 972 × 1296 | 只传两个图片字段，输出 1086 × 1448 |
同人物图、同婚纱图，各生成一次。
第一处差别是输出尺寸：Google 返回 1086×1448，和人物图一模一样；FASHN 返回 972×1296，长边压到 1296。第二处是画面本身：两版婚纱的蕾丝密度和裙摆褶皱不同，人物表情与手部姿态也略有差异。
用同一张人物图和服装图，在两个模型页各跑一次，这两处差别在你自己的素材上同样看得到。
两个模型都没有 prompt 字段，试穿效果全交给两张图：服装图的领口、袖长、裙摆有没有完整进画面，直接决定结果能不能用。FASHN 只替换服装，背景、发型和配饰留在原位，验收时把注意力放在衣服本身。
输出尺寸跟着人物图走。FASHN 把长边缩到 1296，人物图本身小于这个值时就按原样返回，例如 768×1152 的人物图、输出仍是 768×1152。要继续和原图叠版，或者详情页模板按人物图像素排版，Google 的原尺寸输出少一步缩放对齐。
第二组：平铺白 T，两边各生成一次
同一个人物图，服装图换成一张平铺商品图（FASHN 一侧把 garment_photo_type 设成 flat-lay），两边各跑一次：
| FASHN Try-On v1.6 | Google Virtual Try-On |
|---|---|
 |  |
tops + balanced + flat-lay + PNG，输出 972 × 1296 | 只传两个图片字段，输出 1086 × 1448 |
同人物图、同平铺白 T，各生成一次。
这一组换的是服装图形态：上一组是模特穿着图，这一组是平铺图，两个模型都要自己判断这是件上装。看得见的差别在衣长——FASHN 结果的 T 恤盖到腰线以下，Google 结果的 T 恤停在腰线上方；背景与人物姿势两边一致，输出尺寸仍是 972×1296 对 1086×1448。
按场景怎么选？
- 电商详情页批量：字段固定的模板化流程用 Google，两张图一填就跑；要按上装、下装、连体装分开调，用 FASHN 的
category。 - 多品类目录：上装、裤装、连衣裙混在一起时，
category配garment_photo_type能一次说清品类和服装图形态，模特图和平铺图分开声明。 - 需要复现：同一个
seed配同样的输入，FASHN 能回到同一组随机条件；Google 没有 seed 字段。 - 交付格式卡得紧：要 JPEG 直出选 FASHN，
output_format填jpeg；只要 PNG，两边都出 PNG。 - 已有固定版式：版式按人物图原始像素排的，选 Google，输出不用再缩放。
- 只想传两张图、不维护参数：选 Google，输入就是两个 URL 加
num_images: 1。
从一个换到另一个麻烦吗？
不麻烦。两个模型共用 POST https://api.hiapi.ai/v1/tasks 和同一个 API Key，都返回 taskId，再查任务拿 data.output[0].url。
切换只动两处：model 和 input。提示词不用迁移。字段名要换，FASHN 的 model_image、garment_image 对应 Google 的 person_image_url、product_image_url。从 FASHN 换到 Google 时，category、mode、garment_photo_type、moderation_level、seed、output_format 没有对应字段，整段删掉；换回来时按需补上。mode 三档不影响计费，先用默认 balanced 跑通再调。
常见问题
两个模型价格差多少？
一张 $0.1072 对 $0.1075，差 $0.0003，选型不用看价格。
FASHN 能一次出多张吗？
一次一张。接口是封闭的，num_samples、num_images 这类字段会被拒绝；要多个候选就分别提交。
Google 有没有类别和质量档？
没有。它只接 person_image_url、product_image_url 和 num_images: 1，服装品类和画面风格靠两张图表达。
想马上看到差别，打开 FASHN Try-On v1.6 模型页 上传人物图和服装图跑一张；再把 model 换成 google-virtual-try-on、字段换成 person_image_url 和 product_image_url，用同样两张图跑第二张，并排看完再决定用哪个。
