AI教程

拍片哥女装教程：搭建双语 AI 服装图库与虚拟试穿服务

本教程介绍如何运行拍片哥女装图库，使用分类、双语搜索、搭配台和图片下载功能，并通过 Docker、云端模型或本地 ComfyUI 接入可选的 AI 虚拟换装后端。

AI我搜编辑部2026年10月30日阅读约 11 分钟

项目简介

拍片哥女装（COSTUME-DB-01）是一个深色主题的开源 AI 服装参考图库，收录 1407 张人物不入镜、比例为 2:3 的 AI 生成服装图像。前端为无需构建的纯静态网站，可以直接浏览、搜索和筛选；需要虚拟试穿时，还可以部署位于 backend/ 的 GoFrame v2 后端。

你可以先打开在线版本体验免费图库功能，也可以从GitHub 仓库获取源码进行本地运行和二次开发。

核心功能

1407 套服装：分为春、夏、秋、冬、内衣、派对、泳装和性感 8 类。
中英文双语：默认显示中文，可在页面右上角切换 English。
双向关键词检索：支持“白、蕾丝、连衣裙”等中文词，也支持 white、lace、dress 等英文词。
图片浏览：提供无限滚动、大图查看、左右方向键切换、Esc 关闭和原尺寸 PNG 下载入口。
试穿搭配台：可以上传人像、选择服装并进行预览、拖拽缩放和抠图合成。
AI 虚拟换装：通过可选后端调用 Gemini、豆包、GPT Image、OpenAI Images 兼容模型或本地 ComfyUI。
本地隐私存储：模型配置保存在当前浏览器；成功生成的记录保存在 IndexedDB，不会跨设备同步。
以图搜同款：大图详情与试穿操作区可以唤起淘宝图片搜索。

第一步：运行静态前端

前端主要由 index.html、data.js 和 assets/ 组成，不需要安装依赖或执行构建。获取仓库后，在项目根目录启动任意静态文件服务器。

使用 Python

python3 -m http.server 3000

使用 Node.js

npx serve -l 3000 .

随后访问 http://localhost:3000。也可以直接用现代浏览器打开 index.html，但通过本地 HTTP 服务运行通常更适合测试完整交互。

图库浏览、分类筛选、双语搜索、大图查看和基础搭配台不需要 API Key，也不要求部署后端。原尺寸 PNG 总量约 1GB 以上，因此没有纳入仓库，下载按钮会指向原站资源。

第二步：浏览与检索服装

选择分类：从春、夏、秋、冬等分类中缩小浏览范围。
输入关键词：在搜索框输入中文或英文服装属性，结果会实时更新。
切换语言：通过右上角语言按钮在中文和英文界面之间切换。
查看大图：打开服装详情后，可使用键盘左右方向键浏览相邻图片，按 Esc 关闭。
下载或查找同款：根据需要使用原尺寸下载入口，或打开淘宝图片搜索。

网站也支持用 URL 参数分享指定语言和搜索状态：

?lang=en
?q=lace
?lang=en&q=white

lang 可设为 zh 或 en，q 用于指定初始搜索词。

英文模式

第三步：使用基础试穿搭配台

在前端打开试穿功能后，先从图库选择参考服装，再上传一张人像照片。基础搭配台支持在线预览、拖拽、缩放和抠图合成，不调用大模型。如果要让服装更自然地贴合人体形态，则需要继续部署 AI 换装后端。

上传照片时，前端会把最长边自适应缩放至 2048 像素，并优先转换为 WebP，按照 0.90 至 0.75 的质量阶梯压缩。

第四步：使用 Docker 部署 AI 换装后端

后端位于 backend/，推荐使用 Docker Compose，以免在宿主机安装 Go 编译环境。

cp backend/.env.example backend/.env
docker compose up -d

编辑 backend/.env，填入计划使用的模型密钥。服务启动后默认监听 http://localhost:8000。如果前端同样通过 localhost 或 127.0.0.1 打开，它会自动尝试连接 http://127.0.0.1:8000。

使用 Docker Run

cd backend
docker build -f manifest/docker/Dockerfile -t costume-tryon .
docker run -d --name costume-tryon -p 8000:8000 -e ARK_API_KEY="你的豆包ArkKey" -e OPENAI_API_KEY="sk-你的OpenAIKey" costume-tryon

不使用 Docker

Windows 用户可以运行 backend/restart.bat。已经安装 Go 的用户也可以直接启动：

cd backend
export ARK_API_KEY="你的Key"
go run main.go

在 Windows PowerShell 中，环境变量写法为 $env:ARK_API_KEY="你的Key"。

第五步：配置换装模型

模型配置文件位于 backend/manifest/config/config.yaml，模板为 config.example.yaml。每个模型可以分别指定协议、API Key、环境变量名、Base URL 和真实模型名。

llm:
  models:
    gpt-image:
      provider: openai
      envKey: "OPENAI_API_KEY"
      baseURL: "https://api.openai.com/v1"
      model: "gpt-image-2"

    doubao:
      provider: doubao
      envKey: "ARK_API_KEY"
      baseURL: "https://ark.cn-beijing.volces.com/api/v3"
      model: "doubao-seedream-3-0-t2i-250415"

    gemini:
      provider: gemini
      envKey: "GEMINI_API_KEY"
      baseURL: "https://generativelanguage.googleapis.com/v1beta"
      model: "gemini-3.1-flash-image"

环境变量的优先级高于配置中的 apiKey。如果要接入通义万相、智谱 CogView、硅基流动等兼容 OpenAI Images 协议的服务，可以增加一个 provider: openai 的模型段，并填写对应的 Base URL 和模型名，无需修改适配代码。

第六步：让前端连接后端

前端会按照以下优先级寻找 AI 换装服务：

设置中心保存的“后端 API 地址”。
页面加载前设置的全局变量 window.AI_API_URL。
URL 中的 tryon 参数。
本地访问前端时，回退到 http://127.0.0.1:8000。

最简单的方法是在页面右上角打开设置中心，填入 http://localhost:8000。也可以使用以下分享地址：

https://你的前端地址/?tryon=http://localhost:8000

设置中心还允许保存协议、模型名、Base URL、API Key 和独立的后端访问 Token。个人模型配置只保存在当前浏览器，生成时随单次请求临时传给后端，不会写入后端数据库、配置文件或业务日志。共享设备使用完毕后，应主动清除本地配置。

本地 ComfyUI 离线换装

如果电脑配有独立显卡，或局域网内已有 ComfyUI 主机，可以使用无需 API Key 的本地方案。项目支持 Qwen-Image-Edit-2511 Int8、4 步 Lightning LoRA 与 MiniMax H3 工作流，并能在首选工作流未就绪时回退到 H3。

启动 ComfyUI，默认地址为 http://127.0.0.1:8188。
按照 backend/README.MD 放置 Qwen-Image-Edit-2511 模型和 Lightning LoRA。
配置 ComfyUI 模型段与工作流文件。
在网页设置中心选择“ComfyUI 本地”，测试连接成功后保存。

comfyui:
  provider: comfyui
  baseURL: "http://127.0.0.1:8188"
  model: "qwen-image-edit-2511"
  workflowPath: "workflows/comfyui_qwen_image_edit_2511_api.json"

进阶技巧与生产部署建议

选择合适的模型方案

ComfyUI：适合拥有本地显卡、重视隐私和希望免 API 费用的用户。
Gemini：README 将 Nano Banana 2，即 gemini-3.1-flash-image，列为云端推荐默认方案。
豆包 Seedream：适合需要国内网络可用方案的用户。
GPT Image 2：使用 OpenAI Images 协议，也可配置兼容的第三方中转地址。

启用公网安全限制

把后端发布到公网时，不应只暴露默认服务。项目提供 Bearer Token 鉴权、精确 CORS 白名单、令牌桶限流、每日额度以及全局和单主体并发控制。README 所列默认值为每分钟 10 次、每天 100 次、全局 2 并发和单主体 1 并发，具体生产配置请参考 backend/DEPLOY.md。

后端只接受 JPEG、PNG 和 WebP 的真实图像内容。单图上限为 8 MiB，两图合计上限为 16 MiB；图片边长必须位于 256 至 8192 像素之间，总像素不得超过 2000 万。这些限制用于降低伪造文件、代码注入和解压像素炸弹风险。

理解本地数据与隐私边界

成功的 AI 换装结果会保存在当前浏览器的 IndexedDB 中，可以查看、下载、逐条删除或全部清空。记录不会上传，也不会自动同步到其他设备。个人 Base URL 默认禁止指向 localhost、内网和保留地址，以避免公开后端被当作内网请求代理。

扩展服装数据

图库数据保存在 data.js。每条记录包含 id、カテゴリ、キーワード、サムネ、画像 和 原寸。这些日文字段名为兼容原始数据而保留，前端会自动将分类和关键词本地化为中文或英文。扩充数据时应继续遵循现有字段结构和图片路径规则。

结语

拍片哥女装既可以作为开箱即用的双语 AI 服装参考图库，也可以作为多模型虚拟试穿项目的前后端基础。初次使用时只需启动静态前端；需要真实 AI 换装时，再按需选择 Docker 云端模型或 ComfyUI 本地方案。项目采用 MIT License，允许商业使用、修改、集成与分发，但应保留必要的许可证声明，并注意所有图库图像均为 AI 生成的概念服装设计，而非现实品牌商品照片。