tryonlabs/opentryon

Open-source APIs, SDKs, and models for building virtual try-on and fashion AI applications. Generate models, edit garments, create photoshoots, and build personalized fashion experiences.

OpenTryOn (opentryon) – 快速概览

它是什么 – 一个开源的 Python 工具包，汇集了大量专注于时尚领域的 AI 模型和服务。它允许开发者通过统一的命令行界面 (CLI)、Python 库或名为 TryOn Studio 的 Web UI，在本地或通过云端 API 运行虚拟试穿、图像/视频生成、多模态理解、背景移除及相关预处理任务。

核心能力

领域	功能	示例模型 (仓库中列出)
虚拟试穿 (VTO)	将服装换到人物图像上，生成模特穿着产品的图像，重新设计服装搭配，将图像转换为视频。	`flux-vto`, `google-vertex-vto`, `outfitanyone-plus`, `photoroom`, `fashn-tryon-max`, `klein-4b` (商业合规), `catvton`
图像生成 / 编辑	文生图、风格迁移、超分辨率、构图。	`nano-banana-pro`, `flux2-pro`, `gpt-image-2.5`, `ideogram-4.0`, `pruna-p-image`, `qwen-image`
多模态理解	描述图像/视频，提取服装元数据，回答关于时尚内容的问题。	`claude-haiku-5.5`, `kimi-k3`, `qwen3.8-max`, `nemotron‑omni`, `hy4-preview`
视频生成	将文本或图像转换为短时尚视频，为服装添加动画效果。	`veo-3.1`, `luma-ray-2`, `seedance-2.5`, `ltx-2.5`, `runway‑gen‑4.5`, `nvidia‑cosmos‑3`
背景移除与预处理	从照片中干净地剪裁服装或人物，为训练准备数据。	`ben2`
安全与决策工具	对试穿请求进行安全性分类，做出校准的是/否决策。	`tryon-safety-classifier`, `jev`, `d1-3b`
嵌入 (Embeddings)	生成用于检索或下游模型的多模态特征向量。	`embeddinggemma-2`, `pplx-embed-v2`

如何使用

CLI – 单行命令，例如：

opentryon vton --model flux-vto \
  --person-image data/model-1.jpg \
  --garment-image data/garment.png

MCP 服务器 – 启动一个 FastMCP 服务器，将每个模型作为工具暴露给 Claude、Cursor 或 TryOn Studio UI 等代理使用。
TryOn Studio – 一个 Next.js Web 界面，在底层调用 MCP 服务器，为 VTO、生成、理解等功能提供点击式操作体验。

Python 库 – 直接导入适配器：

from tryon.api import KimiUnderstandAdapter
adapter = KimiUnderstandAdapter(model="kimi-k3")
result = adapter.understand_image("data/model-1.jpg", prompt="Describe this outfit.")
print(result["text"])

安装快照

# 克隆并设置 conda 环境 (推荐)
git clone https://github.com/tryonlabs/opentryon.git
cd opentryon
conda env create -f environment.yml
conda activate opentryon
pip install -e .               # 核心包
pip install -e "[local]"      # 可选的本地/GPU 模型
cp env.template .env          # 填写所需的 API 密钥 (例如 BFL, Moonshot)

或者直接：

pip install opentryon

项目布局 (高层级)

tryon/ – 核心包 (API 封装、CLI、模型注册表、代理、数据集、预处理)。
tryondiffusion/ – 基于扩散模型的试穿研究代码。
mcp-server/ – FastMCP 服务器实现。
demo/ – Gradio 演示脚本。
notebooks/ – Jupyter 示例。
docs/ – Docusaurus 网站 (完整文档、教程、路线图)。
openapi/ & postman/ – 用于外部媒体 API 的 Swagger / Postman 集合。

文档与社区

完整文档 – https://tryonlabs.github.io/opentryon/ (安装、CLI 指南、MCP 设置、代理使用、模型特定页面)。
Discord – 用于支持和功能请求的社区聊天。
路线图 – 公开列在 ROADMAP.md 中。
许可证 – Creative Commons BY‑NC 4.0 (非商业用途，需署名)。

谁会使用它？

时尚电商平台：希望在不从头构建所有内容的情况下添加虚拟试穿功能。
开发者与研究人员：尝试使用扩散模型或多模态模型进行服装研究。
产品团队：构建内部工具 (例如目录生成、服装描述、背景移除)。
AI 代理：需要通过 MCP 暴露时尚感知工具的代理。

总结

OpenTryOn 是一个全面且可扩展的工具包，将数十种尖端的时尚相关 AI 模型统一在一个简单易用的接口之下。它同时支持云端 API 调用和本地 GPU 推理，非常适合时尚科技领域的快速原型设计以及生产级部署。