Android 学生项目有哪些可用的免费 virtual try-on API？

学生项目可以免费完成演示，但会受到配额和排队限制

建议先通过 gradio_client 调用 Hugging Face 上的虚拟试衣 Space，再用 FastAPI 为 Android 应用提供自己的 REST 接口。

这样不用训练模型，手机也不需要运行模型。公共 Space 的可用性取决于维护者和平台资源，无法保证每次都立即返回结果。Hugging Face 的 ZeroGPU Space 可以免费使用，但有配额和队列限制。ZeroGPU 官方说明

如果学校能提供 GPU，自己部署预训练模型更方便控制演示环境。模型代码和权重可以免费获取，计算资源仍需自行解决。

有哪些实际可用的选择？

使用现有 ZeroGPU Space 和自己托管 Space 的条件不同。能否免费托管，要看账号设置和官方要求。复制 Space 时也要检查硬件选项，普通 GPU 实例可能产生费用。Gradio 客户端说明

Hugging Face 上有模型仓库，也不代表该模型有免费的托管推理 API。Spaces、Inference Providers 和 Inference Endpoints 是不同的服务。当前 Inference Providers 定价页列出的免费账号月度赠送额度为 None，做项目预算时不能直接沿用过去介绍的免费额度。Inference Providers 定价

Hugging Face Space 能转成 API 吗？

如果 Space 使用 Gradio，并且开放了可调用的端点，通常就能通过 API 使用。打开应用底部的 Use via API 或 View API，可以查看平台生成的调用示例。通过 API 接入后，公共演示服务的排队和资源限制依然存在。

也可以安装 Python 客户端：

pip install gradio_client

以 IDM-VTON Space 为例，先检查接口：

import os
from gradio_client import Client

client = Client(
    "yisol/IDM-VTON",
    token=os.getenv("HF_TOKEN"),
)
client.view_api()

view_api() 会显示端点名称、输入参数和输出类型；文件输入通常通过 handle_file() 上传。Gradio Python 客户端指南

接入时需要注意：

• 按目标 Space 的 API 文档填写参数。人物图可能是 ImageEditor 对象，需要 background、layers 等字段，不能只传一个图片路径。
• 优先使用 /tryon 这样的命名端点。fn_index 容易随界面修改而变化，尽量避免依赖它。
• 不要假定所有 Space 都有统一的 /predict HTTP 接口。上传、排队和获取结果可能涉及多个请求，交给客户端处理更省事。
• 如果 Space 没有开放端点，或不允许这种使用方式，就需要换一个 Space，或者在许可证允许的范围内部署自己的副本。

如何通过 FastAPI 接入 Android？

建议让 Android 只访问自己的后端：

Android (Java)
    → FastAPI：接收人物图和服装图
    → Gradio Space 或自己部署的模型
    → FastAPI：返回生成图片
    → Android：显示结果

这样可以把 Hugging Face token 留在服务器上，以后更换模型也方便。

下面的同步演示接口按 IDM-VTON Space 源码中的 /tryon 端点传入参数，启用自动生成 mask，并取第一个输出作为试衣结果。这里的自动 mask 针对上衣区域，适合先验证上衣试穿流程。IDM-VTON Space 源码

公共 Space 更新后，参数可能变化，运行前应重新执行 view_api() 核对。这段代码仅用于演示接入方式，公共服务能否随时使用尚未经过验证。

安装依赖：

pip install fastapi uvicorn python-multipart gradio_client pillow

app.py：

import os
from io import BytesIO
from pathlib import Path
from tempfile import TemporaryDirectory

from fastapi import FastAPI, File, Form, HTTPException
from fastapi.responses import Response
from gradio_client import Client, handle_file
from PIL import Image, ImageOps, UnidentifiedImageError

app = FastAPI()
MAX_BYTES = 5 * 1024 * 1024  # 示例自行设置的单图限制


def save_image(data: bytes, target: Path):
    if not data or len(data) > MAX_BYTES:
        raise HTTPException(400, "图片不能为空，且不得超过 5 MiB")

    try:
        with Image.open(BytesIO(data)) as image:
            image = ImageOps.exif_transpose(image).convert("RGB")
            image.save(target, format="PNG")
    except (UnidentifiedImageError, OSError, ValueError) as exc:
        raise HTTPException(400, "无法读取图片") from exc


@app.post("/try-on")
def try_on(
    person: bytes = File(...),
    garment: bytes = File(...),
    description: str = Form("a shirt"),
):
    with TemporaryDirectory() as directory:
        root = Path(directory)
        person_path = root / "person.png"
        garment_path = root / "garment.png"

        save_image(person, person_path)
        save_image(garment, garment_path)

        try:
            client = Client(
                "yisol/IDM-VTON",
                token=os.getenv("HF_TOKEN"),
                download_files=str(root / "outputs"),
            )
            result = client.predict(
                dict={
                    "background": handle_file(str(person_path)),
                    "layers": [],
                    "composite": None,
                },
                garm_img=handle_file(str(garment_path)),
                garment_des=description,
                is_checked=True,
                is_checked_crop=False,
                denoise_steps=30,
                seed=42,
                api_name="/tryon",
            )

            output = BytesIO()
            with Image.open(result[0]) as image:
                image.convert("RGB").save(output, format="PNG")
        except Exception as exc:
            # 实际项目应在服务器记录错误，并细分配额、网络等问题。
            raise HTTPException(502, "试衣服务暂时无法完成请求") from exc

        return Response(output.getvalue(), media_type="image/png")

FastAPI 接收文件上传需要 python-multipart。文件和 description 会通过 multipart/form-data 一起提交。FastAPI 文件上传文档

启动：

uvicorn app:app --host 0.0.0.0 --port 8000

测试后端：

curl -X POST http://127.0.0.1:8000/try-on \
  -F "person=@person.jpg" \
  -F "garment=@shirt.jpg" \
  -F "description=a blue shirt" \
  --output result.png

Android 端可以用现有的 OkHttp 或 Retrofit，以相同字段名上传两张图片，再将成功响应作为图片读取。调用应放在后台线程，同时显示等待状态。

示例中的 token、download_files 和阻塞式 predict() 都来自当前客户端接口。如果使用旧版依赖，应核对对应版本的文档。Client 参数说明

自己部署时，优先考虑哪些模型？

CatVTON：有 GPU 时可以优先评估

CatVTON 官方仓库提供预训练权重和 Gradio 应用，无需从头训练。仓库说明，在指定的 bf16 配置下，生成 1024×768 图片约需 8 GB 显存。

这一显存需求有配置前提，并不保证任意 8 GB 显卡都能运行完整服务。部署时还要考虑预处理和并发请求的资源占用，以及 CUDA 依赖。

可以按以下顺序部署：

1. 按仓库要求建立独立环境，先跑通官方 Gradio 应用。
2. 用自己的图片确认 mask、服装类别和输出效果。
3. 让 FastAPI 调用本地 Gradio 服务，或者提取推理函数供后端调用。
4. 在单张 GPU 上先串行处理请求，验证后再考虑并发。

IDM-VTON：可复用演示流程，但预处理依赖较多

IDM-VTON 官方仓库提供预训练模型和本地 Gradio 演示。部署需要准备 human parsing、OpenPose、DensePose 等组件或检查点。接入用户上传的图片时，应沿用演示应用的预处理流程，避免直接把面向数据集的批量推理脚本当作上传接口。

这两个项目都声明采用 CC BY-NC-SA 4.0，有非商业使用等条件。学校项目也应按要求保留署名；后续若转成商业应用，需要重新检查授权及相关依赖的许可证。CatVTON 许可说明、IDM-VTON 许可说明

做课程演示时，需要处理哪些问题？

先把范围收窄到一种服装，例如上衣。人物照片尽量选择正面、身体区域完整且遮挡较少的，服装图则选择背景干净的，再逐步确认模型能处理哪些输入。生成图只能展示外观效果，不能用来判断实际尺码是否合适。

后端还需要补上以下处理：

• 排队时间较长时，提交任务后先返回 job_id，由 Android 查询状态，避免一直占用一个 HTTP 请求。
• 分别提示配额耗尽、网络失败和图片不合要求等问题，避免无限重试。
• 限制上传体积、图片像素和请求并发。示例中的字节检查发生在请求解析之后，部署时还应在入口处设置上传限制。
• 告知用户照片会发送给哪些服务，并清理自己服务中的临时文件。公共 Space 如何保留数据，需要单独确认。

没有 GPU 时，可以先用现有 Space 跑通端到端流程，再准备几组明确标注为预生成的演示结果，应对答辩现场的排队或网络故障。如果学校能提供 GPU，再迁移到自己部署的 CatVTON 或 IDM-VTON，保留 Android 到 FastAPI 的接口即可。

备注：内容仅供参考。