成年人不做选择!用Nano Banana Pro把每件衣服都试一遍,小红书种草图“一键上身”

🔥 11月20日晚间,谷歌上线了这款目前被认为最强的图像生成和编辑模型Nano Banana Pro。我们能否告别买家秀幻想,在AI生成的布料纹理、光影流转中“看见自己”?连夜我给大家做了全面的测试,不仅仅有Nano Banana Pro,还有OpenAI、豆包、千问,以及其他一些Apps(Acloset、Gensmo、Alta)。

👗 正式开始前,先为心急的朋友分享直接可以上手玩的方法:看到喜欢的博主穿搭,统统保存或截图,打开 Nano Banana Pro,上传一张你自己的头像和全身照。告诉AI想试穿的那件衣服(把A博主的外套、B博主的内搭、C店家的裤子,全部组合在你自己身上。甚至具体到在什么环境场合穿……),几秒钟后,魔法发生了。更妙的是,你还可以“贪心”一点,不断修改直到满意为止。

1R-029 原文插图

🪄 想象一下如果这样输入,会得到什么结果?请下滑文末直接看前后对比输出。

「刷了整晚的小红书,为什么看了那么多教程还是不知道如何穿搭秋冬最in的摩卡棕?」

一次典型的时尚购物旅程很可能是这样的:你在不同的平台刷到权威媒体和穿搭博主都在说今年的主打流行色是棕色,于是在某一次直播或者品牌折扣日,你毫不犹豫下单了。等一件褐色麂皮夹克,或者咖啡色灯芯绒长裤快递到手,面对衣橱,你一筹莫展。于是,你打开小红书,想看看大家都是怎么穿搭的。大概率你能搜到如下的一大堆“指南”,博主们甚至可以像数学方程式般“明明白白”的拆解。

1R-029 原文插图
1R-029 原文插图

说实话,“2025秋冬时髦的棕色穿搭”只能算是一道中等难度的题。因为今年其他主要流行色(红色,蓝色,绿色,粉红,灰色)都能跟棕色完美组合。但是,穿搭是非常个人化的,颜色只是最基本的配方,它还涉及配色比例,廓形尺度,设计风格等诸多方面。都说时尚是个浅显的事物,可真要成为日常生活中精通形象管理的高手,门槛并不低。对于大多数人来说,没有精力去研究时尚背后的学问,最简单的方法是“抄作业”。

最初的模版来自时尚杂志,然后是自己喜欢的博主。当这些榜样开始变得过于商业化之后,渐渐失去了信任度。反而真实的素人变得更有说服力,这也得益于平台和技术本身,加速了时尚“民主化”。我们可以在电商买家秀、博主评论区看到更多真实的“互助”。但这远远没有满足消费者的需求,因为无论如何抄作业,都无法跟“自我”发生真实的关系。在电商场景中,虚拟试穿看起来是终极解决方案。

1R-029 原文插图
1R-029 原文插图
1R-029 原文插图

想象一下这大堆的“指南”,都能一键可视化地在自己身上试穿,那是怎样的体验?

过去的虚拟试穿,要么是传统3D方案具有明显的恐怖谷效应,现在有了2D的AI方案,无法解决身材尺码的仿真性。我在此前的笔记《生成式AI无法解决虚拟试衣尺码精准,难道回归最初的3D起点吗?》中已经深入研究了这个问题。

文章发表后,很多朋友后台留言或者给我私信,与我讨论生成式AI技术在这个领域的应用。为了进一步厘清讨论的上下文,需要定义议题本身。我所说的“虚拟试衣”不是针对品牌商家在供应链生产环节,或者内容营销的场景中,为模特穿上指定服饰。在这些工业化的流程中,只要我们加入相应的人工环节,AI工具已经开始显现生产力提升的效果,所谓Humen in Loop。降本增效的瓶颈不只来自于技术,更取决于使用者。对于将AI图放大10倍来挑错的,我们大可不必去唤醒一个装睡的人。

正如过去多篇笔记,我一直关注的是如何将“虚拟试衣”真正服务于消费者。至于消费者另一个核心需求——自动化智能搭配,我在笔记《AI造型师的正确使用方法》中为大家测试了地表最强大模型(Google Gemini,OpenAI ChatGPT,字节豆包,阿里千问,腾讯DeepSeep)的穿搭造型&智能推荐能力。今天,我将继续为大家展示各家大模型的换装试衣能力。在3D+AI技术实现下一次突破前,2D的生成式AI应用于C端虚拟试衣,至少在以下各方面需要实现80分水平,才能有机会出现Mass Adoption。

  • 不能停留在单件服饰上,因为对于消费者来说,关心的永远是total look,出街时永远是全身造型。
  • 只有上下装(或者连身裙)也不行,Layer(层次)才是时尚和混搭的关键,尤其是在夏天之外的其他季节,模型需要具备理解服饰的层次关系。
  • 由AI生成的图片,容貌和身材必须跟用户一致。虽然这里有数据隐私问题,但从需求看,如果不一致,试衣就是“照骗”。
  • 服装可以有细节差异,但总体效果必须一致,这个效果包括但不限于颜色,质感,比例,轮廓,图案等,以及跟身体之间的关系。

关于前两点,过去几年,无数的科研团队投入大量工作开发的专业VTON技术,几乎都没有考虑到这一点,现在在大模型面前无不成为了#苦涩的教训 (The Bitter Lesson)。

基于以上基准线,各家模型的换装试衣能力测评,正式开始!

有了标准基线,显然就比上次涉及主观审美,更抽象的生图测试AI智能搭配测评来得客观一些。比赛规则还是一样,相同提示词,采用单轮制不抽卡。对于2C场景,多数用户是不愿意单一任务进行反复操作的,因此我通过三个任务的执行来反映模型的平均水平。但是,生成式AI天然存在黑箱,所以是的,存在一定的运气概率。

这回让创业公司(Acloset、Gensmo、Alta)先垫场,然后是正赛选手谷歌(尤其是今天刚刚火热上线的Nano Banana Pro)、OpenAI(GPT-5)、豆包(即梦Seedream4.0)、阿里千问(上一场智能搭配中表现不佳的Qwen-image,要求再给一次机会)。鉴于本次测评只考察上述4个标准基线,我没有在提示词中让模型发挥氛围感(Vibe)的能力,这一点对

Nano Banana Pro特别吃亏,因为这个标准可能拉低了它能够充分发挥的上线。这涉及模型对提示词和时尚风格本身的理解,也是虚拟试穿环节中的重要一环,可以另辟一章。

关注公众号,后台留言「VTON」自动获取本轮测试大模型提示词。

在本次挑战赛中,再次让我们的百变数字人Jessy(身高166cm)以中等偏胖的形象出镜。选择中等难度的三种棕色穿搭灵感簿(Mood Board)。另外也有必要说明,鉴于Mood Board来自互联网,本身的图片精度(反映服装材质)有限,可能也阻碍了模型们发挥出自己最佳水平,但也从另一侧面能反映模型自己的“找补”能力。

1R-029 原文插图
1R-029 原文插图

热身赛:APPs的自研与套壳

1R-029 原文插图

2020年上线的Acloset, 来自韩国的团队开发的一款集电子衣柜和个人造型师于一体的时尚生活风格应用,旨在帮助用户管理衣物、获取穿搭灵感并追踪个人风格。据MagicApp数据显示累计下载量超过500万。测评中蓝色搭配丢失整件外套是最大的败笔,粉色毛衣领口也出现了幻觉。三次输出人物比例均不一致。考虑到input的低清常态,ouput的面料质感还原度风格尝试场景中可被接受。

1R-029 原文插图

2024 年底上线的 Gensmo,被定位为全球首款AI 时尚智能助理,由来自美国硅谷的华人团队开发,自2024年12月测试版App上线以来,据MagicApp数据显示累计下载量超过100万,且筹集了超过 6000万美元 的资金。除了粉色手袋没有被合理设置,以及图1中的棕色手袋跟Acloset一样把抠图留下的白色边缘误认为镶边,其他多处细节表现出色(比如金色腕表)。丢分项主要在于面部还原度,表情也生硬。在相同网络情况下(在中国地区使用),生成时间是其他App的两倍。

1R-029 原文插图

同样来自美国由华人创始人带领的ALTA,目标是成为智能的造型助手。2025年上线已经获得了 1100万美元的种子轮融资,投资方和顾问团队堪称豪华,据MagicApp数据显示累计下载量超过100万。其AI不仅能推荐穿搭,还能学习用户的审美偏好,让推荐越来越精准。本次测评的场景中,ALTA在试衣过程中,将原搭配中的单品全部替换成“可购”的真实商品,且速度极快。因此,无法在“服装”和“智能”两项评分中与其他App直接比较。

决赛圈:大厂模型角斗

1R-029 原文插图
1R-029 原文插图
1R-029 原文插图

【综评】总体而言,一年前只能用Flux特殊工作流实现的Total Look服装试穿,基本上各家模型用同样的DiT算法都已赶上来了,且速度上具有优势。OpenAI有严格的肖像保护机制,不支持“真人”模特换装。所有模型在“身材管理”项目中全部败下阵来,NB上一版曾经表现可以打4分,至少在这一次的测试中反而退步了(不知道是不是提示词和参考图规则调整,需要再多试试,或者请高手老师在评论区给予指点)。NB Pro的本次升级中的不少方向是在提升模型的实用性,估计基础模型本身并无大的迭代,因此也可以理解了它没有被称 为 此 前 传 说 中 的 N B 2 . 0 。 经 过 场 外 我 另 外 做 了 一 个 P K 赛(NB VS NB Pro),本次提升最明显的是服装(设计细节和材料质感),尤其是选择4K模式的话。❗ (事后更正)本次测试中发生了一个前置性错误,输入的“素人”照片来自是“纯数字人”Jessy,而NB Pro似乎可以解读其中差异,数字人的五官缺少丰富特征,导致角色一致性不佳。如果用完全的“真人”就没有问题

1R-029 原文插图

加时赛:四视图考验对物理世界的知识和输出一致性

考虑到大模型比APP试衣具有更大的可控性,也为了给决赛增加难度,我尝试让大模型一次输出模特的四视图(正面、左/右侧面、背面)。不仅仅是因为考核他们在缺少服饰单品其他视角input的情况下,如何依靠自身理解真实世界的能力,“想象”出缺失的服装细节。毕竟,我们真人试衣服总是要在镜子前转转身看看不同角度的。同时,也可用于图生视频虚拟试衣,正如我在越过AI生成视频的狂欢,动态虚拟试穿如何能「合身」又「合心」?文章里谈到的,如果能够为视频模型输入360度的服装参考,将大大改善最终输出的保真度和一致性。

结果是OpenAI和阿里千问直接退赛,给它们机会抽卡也不行。而NB Pro的真实力在这一局中真正显现。非常稳,分清了手镯的左右,盲猜泳装的U型露背非常合理,细到耳环小珠子大的颗数,以及对“四视图”概念的理解,和全局的注意力——没有任何崩坏。但是再一次没有保持人物肖像和身材的一致性。Seedream也算勉强交卷,不知道是不是把所有的Attention全部放在了裙子上,对其比例、条纹、复杂系扎都处理得超越NB Pro,以至于人物脸部都崩坏了。

1R-029 原文插图
1R-029 原文插图
1R-029 原文插图

开篇第一题的答案

1R-029 原文插图
1R-029 原文插图

上图是输入的人物参考,左图是服饰参考,右图是4K输出(背景中的男明星脸“亮”了,谷歌的隐私保护逻辑有点难以理解)。NB Pro的人物一致性,似乎并没有大家鼓吹的那样炸裂,难道是我的打开方式不对吗?咱们留言区讨论(❗ 原因:如前文补充)

最后唠两句

权威色彩机构潘通Pantone发布的2025年流行色是摩卡慕斯(Mocha Mousse),也就是今天考题中的棕色系。从它身上,其实我们能发现一个时尚有趣的“特征”:标准化、快速性和系统性的社会和经济现象。

从2023年的“美拉德”到2024年的“雅丹风”,再到2025年被称为“琥珀流光”,差别真的没有他们鼓吹地那么大,不过是时尚圈“老瓶装新酒”的游戏罢了。时尚通过一套强大的“议程设置”机制,人为地定义了时间的节奏。时装周、杂志、快时尚、社交媒体……共同构建了一个不断向前滚动的“时间之轮”。它通过“潮流预测”、“年度色彩”、“本季必备”、“OOTD”等手段,系统性地制造着“新”与“旧”的区隔,让消费者产生“过时”的焦虑,从而驱动持续的购买行为。

时尚不回答“我是谁?”的问题,而是“什么是‘现在’?”。愿你借助AI工具找到自己的永恒风格,也能活在当下。