AI 试穿开始替人看版型：服装商品图别只修顺褶皱

很多服装团队还在把 AI 试穿当成“换个模特展示”的功能。这个判断错了一半。

真正的变化不是模特从真人变成生成图，而是图片开始被系统拿去判断：衣长到哪里、肩线有没有垮、面料是硬挺还是软塌、色差有没有被修没。快门按下那一刻，以前只交给人眼；现在还要交给虚拟试穿、视觉搜索和 AI 购物助手。对服装电商来说，商品图不能只追求更白、更顺、更瘦，要开始保留一层可核验的版型证据。

图注：把服装主图拆成版型、面料、尺码和色彩四层。

证据一：虚拟试穿看的是版型，不是滤镜

据 Google 官方博客，Google Shopping 在 2023 年 6 月发布生成式 AI 服装虚拟试穿能力，最早覆盖美国购物场景里的女装上衣；到 2025 年 5 月 Google I/O 期间，Google 又把 AI Mode 购物、视觉理解和商品图能力放进搜索购物路径里。这里的重点不是“AI 能不能把衣服穿到模特身上”，而是系统需要从原始商品图里读出足够稳定的衣服信息。

内部复盘时，我通常把服装图拆成 4 个色卡区：廓形、纹理、尺码、色彩。廓形看肩线、腰线、下摆和袖长；纹理看针织纹、压褶、毛边和薄厚；尺码看吊牌、尺码表、模特身高体重说明；色彩看主图、细节图和色卡图之间的 ΔE 是否离谱。ΔE 超过 3，不一定就不能上架，但要标出来让运营知道这张图不能当最终色彩依据。

如果修图把所有褶皱都抹平，虚拟试穿看见的会是一件“更漂亮但不真实”的衣服。人眼也许觉得高级，系统却少了一组判断版型的边界。尤其是衬衫、针织衫、连衣裙这类软面料商品，褶皱不是脏东西，很多时候是面料垂感和尺码余量的证据。

证据二：购物助手会放大尺码、面料和色差

据 Amazon 官方新闻稿，Rufus 这类 AI 购物助手从 2024 年起进入更多购物场景，用户会直接问“这件适合通勤吗”“这个材质会不会显廉价”“尺码偏大吗”。这类问题不只靠标题和卖点回答，图片也会参与判断。图修得太干净，反而让回答变得空。

真实项目脱敏里，一个杭州滨江女装团队曾把 36 张针织开衫图统一做了“显瘦修褶”。运营小赵在周三早上 10 点复核时发现一个问题：主图肩线变挺了，细节图袖口还保留软塌感，买家问客服时，客服只能解释“实物会更柔软”。这不是审美问题，是证据链断了。

我会建议服装团队在修图 brief 里加一个简单分层：主图负责吸引点击，但不能改衣长比例；细节图负责面料纹理，不能把纱线、罗纹、缝线磨成一块；尺码图负责解释身体与衣服的距离，不能只用漂亮姿势替代参数；色卡图负责保守呈现颜色，不能被主图调色牵着走。

这样做看起来慢，实际更快。因为返工通常不发生在“图不够美”，而发生在客服、运营和修图师对同一张图的用途理解不一致。AI 试穿越普及，这种不一致越容易被放大。

证据三：AI 修图越快，越要把不可改区域锁住

AI 修图最容易让团队误判的地方，是速度。30 张图以前要半天，现在可能 20 分钟出一版。速度上来了，错误也会批量复制。服装图里最该锁住的不是脸和背景，而是那些影响退货解释的证据区域。

我会把不可改区域写得很硬：水洗标、尺码标、纽扣孔位、肩缝位置、袖口罗纹、下摆弧线、布料纹理方向。允许修的区域也要写清：背景灰尘、地面杂点、临时夹子痕、明显拍摄阴影、非商品主体的模特皮肤瑕疵。中间区域才交给修图师判断，比如轻微褶皱、穿着姿势造成的局部拉扯、棚拍反光。

这个分法不是为了给流程加表格，而是为了避免一键处理把商品事实改掉。图叮适合放在这一层：先把衣服区域、背景区域、证据区域分开，再按区域做局部重绘、去杂物、提亮和扩图。比起把整张图丢给通用生图工具，服装团队更需要一个能保住商品信息的中间层。

给服装团队的图片 brief：一张图拆成 4 层

如果现在要为 AI 试穿和购物助手重写服装图 brief，我会按 4 层交给修图师或图叮工作流。

第一层是版型层。保留肩线、腰线、下摆、袖长、裤长、领口开合。可以整理背景和轻微阴影，不能把衣服修成另一个剪裁。

第二层是面料层。保留针织纹、斜纹、压褶、绒感、透光感和起毛边界。可以压掉拍摄噪点，不能把面料磨成塑料。

第三层是尺码层。保留吊牌、尺码标、模特身高体重说明、尺码表截图和量尺参照。可以提升可读性，不能改字、改比例、改位置关系。

第四层是色彩层。保留主图、细节图、色卡图之间的关系。可以统一白平衡，不能为了主图好看把所有颜色拉到同一调子。Hexa-FF 式的做法很笨：每组图抽 3 个色块做对照，主图偏暖可以，但色卡图不能跟着跑。

这套 brief 的价值在于，它把“修得好看”改成“修得可解释”。运营能知道哪张图负责点击，客服能知道哪张图负责解释，修图师能知道哪一块不能碰。

这类趋势图叮能接什么活

截至 2026-05，虚拟试穿和 AI 购物助手还不能替服装团队解决所有问题。它们更像新的读图入口：读得越多，越需要商品图本身诚实。图叮能承接的不是“把衣服变成大片”这一件事，而是把服装图拆成可处理的几层：背景清理、局部重绘、证据区锁定、详情页一致性、批量返检。

如果你的团队还在用同一套修图动作处理主图、细节图、尺码图和色卡图，下一轮返工大概率不会来自审美，而会来自解释不一致。我的建议很简单：先选 20 个 SKU 做一次证据层返检。每个 SKU 只问 4 件事：版型有没有被改，面料有没有被磨平，尺码证据有没有被遮掉，色彩有没有跑出可接受范围。

如果你能拿出反例，比如某个服装类目只靠高氛围主图也能让试穿、搜索、客服都跑顺，欢迎把链路拆给我看。我更关心反证，因为它能说明哪类图真的不需要这套证据层。