AI虚拟试衣
经 AI Skill Hub 精选评估，AI虚拟试衣 获评「推荐使用」。这款Agent工作流在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 7.5 分，适合有一定技术背景的用户使用。
AI虚拟试衣 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。
在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 7.5 分，是同类 Agent 工作流中的精选推荐。
AI虚拟试衣 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
AI虚拟试衣 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
# 方式一：pip 安装（推荐）
pip install shop-tryon-skill
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install shop-tryon-skill
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/wzj177/shop-tryon-skill
cd shop-tryon-skill
pip install -e .
# 验证安装
python -c "import shop_tryon_skill; print('安装成功')"
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
shop-tryon-skill --help
# 基本用法
shop-tryon-skill input_file -o output_file
# Python 代码中调用
import shop_tryon_skill
# 示例
result = shop_tryon_skill.process("input")
print(result)
# shop-tryon-skill 配置文件示例（config.yml） app: name: "shop-tryon-skill" debug: false log_level: "INFO" # 运行时指定配置文件 shop-tryon-skill --config config.yml # 或通过环境变量配置 export SHOP_TRYON_SKILL_API_KEY="your-key" export SHOP_TRYON_SKILL_OUTPUT_DIR="./output"
AI 虚拟试穿 Skill（ai-tryon）
一个用于 AI 虚拟试衣的 Agent Skill。用户可以通过“指定服装图/模特图”或“文字描述”快速生成试穿效果图，并可继续生成多角度素材和展示视频。
本项目适合以下场景：
- 电商上新前的模特上身效果预览
- 服装搭配展示图快速生成
- 同款服装多场景视觉素材制作
- 图转视频的短内容产出
1. 能力概览
- 支持输入：服装图、模特图、文字描述（可组合）
- 支持流程：服装分析 -> 模特选择 -> 试穿合成 -> 多角度扩展 -> 视频生成
- 支持后端：
- 阿里云百炼试衣 API（aitryon-plus）
- 豆包 Seedream 生图
- 豆包 Seedance 生视频
- 即梦生图/生视频（在特定模式下可用）
分析服装图（支持本地路径或 URL）
python scripts/garment_analyzer.py "path_or_url" --json
3. 快速开始
3.1 环境准备
- 进入项目根目录
- 配置环境变量（注意
.env必须放在scripts/下）
```bash cp scripts/.env.example scripts/.env
生成试穿图（示例）
python scripts/image_gen_tryon.py \ --desc "白色短袖T恤，休闲日系" \ --variants 1 \ --garment-part top \ --output-dir "$OUTPUT_DIR"
试衣主流程（示例）
python scripts/tryon_runner.py \ --garment garment.jpg \ --model model.jpg \ --output-dir "$OUTPUT_DIR" ```
示例：运行测试
python scripts/test_partial_tryon.py ```
编辑 scripts/.env，填入各平台 API Key
```
shop-tryon-skill 是一个专为 AI 虚拟试穿设计的 Agent Skill。该工具允许用户通过上传服装图、模特图或直接输入文字描述，快速生成高质量的虚拟试穿效果图。它不仅能满足电商场景下模特上身效果的预览需求，还能通过多角度扩展和图转视频功能，为服装搭配展示及短视频内容创作提供高效的视觉素材支持。
本项目具备强大的 AI 视觉处理能力，支���从服装分析、模特选择到试穿合成、多角度扩展及视频生成的全链路流程。系统集成了阿里云百炼试衣 API (aitryon-plus)、豆包 Seedream 生图、豆包 Seedance 生视频以及即梦等多种后端能力，用户可以灵活组合输入方式（服装图/模特图/文字描述），实现从静态图像到动态视频的完整创作闭环。
请首先进入项目根目录。在开始运行前，务必进行环境配置：请将 `scripts/` 目录下的 `.env.example` 文件复制并重命名为 `.env`，以确保环境变量能够被正确加载。后续请根据具体的运行脚本需求，确保 Python 环境已准备就绪。
项目提供了多种交互脚本。如需通过文字描述生成特定风格的服装图，可使用 `image_gen_tryon.py`；若需执行标准的试衣主流程（输入服装图与模特图），请使用 `tryon_runner.py`。此外，项目还内置了 `test_partial_tryon.py` 用于运行局部试穿的测试流程，确保各项功能运行正常。
在使用本项目前，开发者需要编辑 `scripts/.env` 文件。请在该文件中填入各个 AI 平台（如阿里云、豆包等）所需的 API Key，以便程序能够顺利调用后端生图与生视频的 API 服务。
创新性的AI应用，生成效果图惊艳
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
- +MIT 协议，可免费商用
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
AI Skill Hub 点评：AI虚拟试衣 的核心功能完整，质量良好。对于自动化工程师和运维人员来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。
| 原始名称 | shop-tryon-skill |
| 原始描述 | 开源AI工作流：一个用于 AI 虚拟试衣的 Agent Skill。用户可以通过“上传服装图/模特图”或“文字描述”快速生成试穿效果图，并可继续生成多角度素材和展示视频。。⭐69 · Python |
| Topics | AI虚拟试衣图像生成 |
| GitHub | https://github.com/wzj177/shop-tryon-skill |
| License | MIT |
| 语言 | Python |
收录时间：2026-05-27 · 更新时间：2026-05-27 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。