이미지 참조를 사용하여 AI 패션 모델에 의류를 원활하게 교체합니다.

가상 착용 (이미지 착용)

착용 엔드포인트를 사용하면 이미지 참조를 통해 의류를 사람에게 원활하게 입힐 수 있습니다.

모델 이름: tryon

수명 주기: stable

처리 시간: ~15s–30s

출력 형식: Auto (JPEG or PNG)

전달 방식: URL (via Polling)

크레딧: 1 × sampleCount

요청

JSON 페이로드를 사용하여 범용 /v1/run 엔드포인트에 착용 구성을 제출하세요.

POSThttps://fititon.app/api/v1/run

요청 예시

curl -X POST https://fititon.app/api/v1/run \
     -H "Content-Type: application/json" \
     -H "Authorization: Bearer YOUR_API_KEY" \
     -d '{
           "model_name": "tryon",
           "inputs": {
             "personImage": "https://example.com/person.jpg",
             "garmentImage": "https://example.com/garment.jpg",
             "accuracy": "high",
             "sampleCount": 1
           }
         }'

응답

착용 생성은 백그라운드에서 비동기적으로 이루어집니다. 요청은 추적 객체와 함께 즉시 200 OK 상태를 반환합니다.

{
  "id": "123a87r9-4129-4bb3-be18-9c9fb5bd7fc1",
  "status": "starting",
  "created_at": "2026-07-17T11:00:00Z",
  "error": null,
  "output": null
}

결과 폴링 생성된 이미지 URL을 검색하려면 반환된 id를 사용하여 상태 엔드포인트(GET https://fititon.app/api/v1/status/{id})를 폴링해야 합니다. 자세한 지침은 API 설정 가이드를 참조하세요.

요청 매개변수

필수 매개변수

personImageRequiredstring

옷을 입히려는 모델의 기본 이미지입니다. 공개적으로 액세스 가능한 URL 또는 Base64로 인코딩된 이미지 문자열일 수 있습니다. 지원되는 형식: JPEG, PNG, WEBP. 최대 크기: 25MB.

전문가 팁: 팔이 보이는 정면 포즈는 가장 사실적인 드레이핑을 생성합니다. 촬영 전에 몸을 가리는 가방, 스카프 또는 재킷을 제거하세요.

형식 요구 사항 Base64 문자열을 제출할 때 표준 데이터 URI 접두사(예: data:image/jpeg;base64,...)를 포함해야 합니다. /v1/run 엔드포인트는 JSON 페이로드만 허용하므로 multipart/form-data 업로드는 지원되지 않습니다.

garmentImageRequiredstring

착용할 의류 품목의 이미지입니다. 공개적으로 액세스 가능한 URL 또는 Base64로 인코딩된 이미지 문자열일 수 있습니다.

전문가 팁: 흰색 배경에 평평하게 놓인 의류 사진이 옷걸이에 걸린 사진이나 구겨진 옷보다 훨씬 더 잘 작동합니다.

선택적 매개변수

accuracy'standard' | 'high' | 'hyper'

착용 핏의 충실도를 정의합니다. 정확도가 높을수록 생성 정밀도가 향상되지만 시간이 약간 더 오래 걸릴 수 있습니다. 기본값: standard

sampleCountinteger

요청당 생성할 이미지 변형의 수입니다. 1에서 4 사이여야 합니다. 추가 이미지는 더 많은 크레딧을 소비하고 처리 시간을 선형적으로 증가시킵니다. 기본값: 1

런타임 오류

이 기능의 런타임 오류는 오류 처리에 문서화된 공유 세트를 사용합니다. 처리 중에 오류가 발생하면 status가 "error"로 업데이트되고 error 필드에 특정 실패 이유가 포함됩니다.

크레딧 비용

개발자 API 요청의 경우, 가상 착용 엔드포인트는 요청된 quality 계층과 관계없이 생성된 이미지당 1 크레딧의 고정 요율로 작동합니다.

공식: Cost = 1 × sampleCount

매개변수	이미지당 크레딧
고정 요율	1