پائی پیان گو خواتین کے ملبوسات کا ٹیوٹوریل: دو لسانی AI ملبوسات کی گیلری اور ورچوئل ٹرائل سروس بنائیں

پروجیکٹ کا تعارف

拍片哥女装 (COSTUME-DB-01) ایک اوپن سورس AI ملبوسات کا حوالہ جاتی تصویری ذخیرہ ہے، جس کا تھیم گہرا ہے۔ اس میں 1407 عدد AI سے تیار کردہ ملبوسات کی تصاویر شامل ہیں، جن میں افراد نظر نہیں آتے اور تناسب 2:3 ہے۔ فرنٹ اینڈ بغیر بلڈ کے خالص جامد ویب سائٹ ہے، جسے براہِ راست براؤز، تلاش اور فلٹر کیا جا سکتا ہے؛ ورچوئل ٹرائی آن کے لیے backend/ میں موجود GoFrame v2 بیک اینڈ بھی تعینات کیا جا سکتا ہے۔

آپ پہلے آن لائن ورژن کھول کر مفت تصویری ذخیرے کی خصوصیات آزما سکتے ہیں، یا GitHub ریپوزٹری سے سورس کوڈ حاصل کر کے اسے مقامی طور پر چلا اور مزید ترقی دے سکتے ہیں۔

بنیادی خصوصیات

• 1407 ملبوسات: بہار، گرمی، خزاں، سردی، زیر جامہ، پارٹی، تیراکی کے لباس اور سیکسی، 8 زمروں میں تقسیم ہیں۔
• چینی اور انگریزی: ڈیفالٹ طور پر چینی دکھائی جاتی ہے، جبکہ صفحے کے اوپری دائیں کونے سے English منتخب کیا جا سکتا ہے۔
• دو طرفہ کلیدی لفظ تلاش: “白، 蕾丝، 连衣裙” جیسے چینی الفاظ، اور white، lace، dress جیسے انگریزی الفاظ معاونت یافتہ ہیں۔
• تصاویر براؤز کرنا: لامحدود اسکرول، بڑی تصویر دیکھنے، بائیں اور دائیں تیر والے بٹنوں سے تبدیل کرنے، Esc سے بند کرنے اور اصل سائز کی PNG ڈاؤن لوڈ کا اختیار فراہم کرتا ہے۔
• ٹرائی آن اسٹائلنگ ڈیسک: انسانی تصویر اپ لوڈ کریں، لباس منتخب کریں، پھر پیش منظر، ڈریگ، زوم اور بیک گراؤنڈ الگ کر کے مرکب تصویر تیار کریں۔
• AI ورچوئل لباس تبدیلی: اختیاری بیک اینڈ کے ذریعے Gemini، 豆包، GPT Image، OpenAI Images سے مطابقت رکھنے والے ماڈلز یا مقامی ComfyUI کو استعمال کرتا ہے۔
• مقامی نجی اسٹوریج: ماڈل کی ترتیبات موجودہ براؤزر میں محفوظ رہتی ہیں؛ کامیاب نتائج IndexedDB میں محفوظ ہوتے ہیں اور آلات کے درمیان ہم وقت نہیں ہوتے۔
• تصویر سے ملتا جلتا لباس تلاش کریں: بڑی تصویر کی تفصیل اور ٹرائی آن کے عملی حصے سے Taobao تصویر تلاش کھولی جا سکتی ہے۔

پہلا مرحلہ: جامد فرنٹ اینڈ چلائیں

فرنٹ اینڈ بنیادی طور پر index.html، data.js اور assets/ پر مشتمل ہے؛ انحصارات انسٹال کرنے یا بلڈ چلانے کی ضرورت نہیں۔ ریپوزٹری حاصل کرنے کے بعد پروجیکٹ کی روٹ ڈائریکٹری میں کوئی بھی جامد فائل سرور شروع کریں۔

Python استعمال کریں

python3 -m http.server 3000

Node.js استعمال کریں

npx serve -l 3000 .

اس کے بعد http://localhost:3000 کھولیں۔ جدید براؤزر میں index.html براہِ راست بھی کھولی جا سکتی ہے، لیکن مکمل تعامل کی جانچ کے لیے مقامی HTTP سروس کے ذریعے چلانا عموماً زیادہ موزوں ہے۔

تصویری ذخیرے کو براؤز کرنے، زمرہ فلٹر، دو لسانی تلاش، بڑی تصویر دیکھنے اور بنیادی اسٹائلنگ ڈیسک کے لیے API Key یا بیک اینڈ کی تعیناتی درکار نہیں۔ اصل سائز کی PNG تصاویر کا مجموعی حجم تقریباً 1GB سے زیادہ ہے، اس لیے انہیں ریپوزٹری میں شامل نہیں کیا گیا؛ ڈاؤن لوڈ بٹن اصل سائٹ کے وسائل کی طرف لے جائے گا۔

دوسرا مرحلہ: لباس براؤز اور تلاش کریں

1. زمرہ منتخب کریں: بہار، گرمی، خزاں، سردی وغیرہ میں سے زمرہ منتخب کر کے براؤزنگ کا دائرہ محدود کریں۔
2. کلیدی لفظ درج کریں: تلاش کے خانے میں چینی یا انگریزی لباس کی خصوصیت درج کریں؛ نتائج حقیقی وقت میں اپ ڈیٹ ہوں گے۔
3. زبان تبدیل کریں: اوپری دائیں کونے کے زبان بٹن سے چینی اور انگریزی انٹرفیس کے درمیان تبدیل کریں۔
4. بڑی تصویر دیکھیں: لباس کی تفصیل کھولنے کے بعد کی بورڈ کے بائیں اور دائیں تیر والے بٹنوں سے قریبی تصاویر دیکھیں، اور Esc سے بند کریں۔
5. ڈاؤن لوڈ یا ملتا جلتا لباس تلاش کریں: ضرورت کے مطابق اصل سائز کا ڈاؤن لوڈ اختیار استعمال کریں یا Taobao تصویر تلاش کھولیں۔

ویب سائٹ URL پیرامیٹرز کے ذریعے مخصوص زبان اور تلاش کی حالت شیئر کرنے کی بھی معاونت کرتی ہے:

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

lang کو zh یا en پر سیٹ کیا جا سکتا ہے، جبکہ q ابتدائی تلاش کا لفظ متعین کرتا ہے۔

تیسرا مرحلہ: بنیادی ٹرائی آن اسٹائلنگ ڈیسک استعمال کریں

فرنٹ اینڈ میں ٹرائی آن فیچر کھولنے کے بعد پہلے تصویری ذخیرے سے حوالہ جاتی لباس منتخب کریں، پھر انسانی تصویر اپ لوڈ کریں۔ بنیادی اسٹائلنگ ڈیسک آن لائن پیش منظر، ڈریگ، زوم اور بیک گراؤنڈ الگ کر کے مرکب تصویر تیار کرنے کی معاونت کرتا ہے اور بڑے ماڈل کو کال نہیں کرتا۔ اگر لباس کو جسمانی ساخت کے ساتھ زیادہ قدرتی انداز میں ہم آہنگ کرنا ہو تو AI لباس تبدیلی کا بیک اینڈ بھی تعینات کرنا ہوگا۔

تصویر اپ لوڈ کرتے وقت فرنٹ اینڈ لمبی ترین سائیڈ کو خودکار طور پر 2048 پکسل تک اسکیل کرتا ہے، پھر اسے ترجیحاً WebP میں تبدیل کر کے 0.90 سے 0.75 تک معیار کی سطحوں کے ساتھ کمپریس کرتا ہے۔

چوتھا مرحلہ: Docker کے ذریعے AI لباس تبدیلی کا بیک اینڈ تعینات کریں

بیک اینڈ backend/ میں موجود ہے۔ Docker Compose استعمال کرنے کی سفارش کی جاتی ہے تاکہ میزبان مشین پر Go کمپائلنگ ماحول انسٹال نہ کرنا پڑے۔

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

backend/.env میں ترمیم کر کے استعمال کیے جانے والے ماڈل کی کلید درج کریں۔ سروس شروع ہونے کے بعد یہ ڈیفالٹ طور پر http://localhost:8000 پر سننے لگتی ہے۔ اگر فرنٹ اینڈ بھی localhost یا 127.0.0.1 کے ذریعے کھولا جائے تو یہ خودکار طور پر http://127.0.0.1:8000 سے جڑنے کی کوشش کرے گا۔

Docker Run استعمال کریں

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

Docker کے بغیر

Windows صارفین backend/restart.bat چلا سکتے ہیں۔ جن صارفین نے Go انسٹال کیا ہوا ہے وہ براہِ راست بھی شروع کر سکتے ہیں:

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

Windows PowerShell میں ماحول کے متغیر کی شکل $env:ARK_API_KEY="你的Key" ہے۔

پانچواں مرحلہ: لباس تبدیلی کے ماڈل کی ترتیب

ماڈل کی ترتیب کی فائل backend/manifest/config/config.yaml میں ہے، جبکہ ٹیمپلیٹ config.example.yaml ہے۔ ہر ماڈل کے لیے پروٹوکول، API Key، ماحول کے متغیر کا نام، Base URL اور حقیقی ماڈل کا نام الگ الگ متعین کیا جا سکتا ہے۔

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"

ماحول کا متغیر ترتیب میں موجود apiKey سے زیادہ ترجیح رکھتا ہے۔ اگر 通义万相، 智谱 CogView، 硅基流动 یا OpenAI Images پروٹوکول سے مطابقت رکھنے والی دیگر خدمات شامل کرنی ہوں تو provider: openai والا ماڈل سیکشن شامل کریں اور متعلقہ Base URL اور ماڈل کا نام درج کریں؛ اڈاپٹر کوڈ میں ترمیم کی ضرورت نہیں۔

چھٹا مرحلہ: فرنٹ اینڈ کو بیک اینڈ سے مربوط کریں

فرنٹ اینڈ درج ذیل ترجیح کے مطابق AI لباس تبدیلی کی سروس تلاش کرے گا:

1. ترتیبات کے مرکز میں محفوظ کردہ “بیک اینڈ API پتہ”۔
2. صفحہ لوڈ ہونے سے پہلے سیٹ کیا گیا عالمی متغیر window.AI_API_URL۔
3. URL میں موجود tryon پیرامیٹر۔
4. فرنٹ اینڈ تک مقامی رسائی کی صورت میں http://127.0.0.1:8000 پر واپس آنا۔

آسان ترین طریقہ یہ ہے کہ صفحے کے اوپری دائیں کونے میں ترتیبات کا مرکز کھولیں اور http://localhost:8000 درج کریں۔ درج ذیل شیئر ایڈریس بھی استعمال کیا جا سکتا ہے:

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

ترتیبات کا مرکز پروٹوکول، ماڈل کا نام، Base URL، API Key اور بیک اینڈ تک رسائی کے الگ Token کو محفوظ کرنے کی بھی اجازت دیتا ہے۔ ذاتی ماڈل کی ترتیب صرف موجودہ براؤزر میں محفوظ رہتی ہے؛ تخلیق کے وقت اسے عارضی طور پر اسی درخواست کے ساتھ بیک اینڈ کو بھیجا جاتا ہے، اور بیک اینڈ ڈیٹابیس، ترتیب کی فائل یا کاروباری لاگز میں نہیں لکھا جاتا۔ مشترکہ آلہ استعمال کرنے کے بعد مقامی ترتیب کو خود صاف کر دینا چاہیے۔

مقامی ComfyUI آف لائن لباس تبدیلی

اگر کمپیوٹر میں الگ گرافکس کارڈ موجود ہو یا مقامی نیٹ ورک میں پہلے سے ComfyUI میزبان موجود ہو تو API Key کے بغیر مقامی حل استعمال کیا جا سکتا ہے۔ پروجیکٹ Qwen-Image-Edit-2511 Int8، 4 مراحل والے Lightning LoRA اور MiniMax H3 ورک فلو کی معاونت کرتا ہے، اور ترجیحی ورک فلو تیار نہ ہونے کی صورت میں H3 پر واپس آ سکتا ہے۔

1. ComfyUI شروع کریں؛ ڈیفالٹ پتہ http://127.0.0.1:8188 ہے۔
2. backend/README.MD کے مطابق Qwen-Image-Edit-2511 ماڈل اور Lightning LoRA رکھیں۔
3. ComfyUI ماڈل سیکشن اور ورک فلو فائل ترتیب دیں۔
4. ویب کے ترتیبات مرکز میں “ComfyUI مقامی” منتخب کریں، کنکشن کامیاب ہونے کی جانچ کے بعد محفوظ کریں۔

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

اعلیٰ تکنیکیں اور پروڈکشن تعیناتی کی تجاویز

موزوں ماڈل حل منتخب کریں

• ComfyUI: ایسے صارفین کے لیے موزوں ہے جن کے پاس مقامی گرافکس کارڈ ہو، رازداری اہم ہو اور API فیس سے بچنا چاہتے ہوں۔
• Gemini: README میں Nano Banana 2، یعنی gemini-3.1-flash-image، کو کلاؤڈ کے لیے تجویز کردہ ڈیفالٹ حل قرار دیا گیا ہے۔
• 豆包 Seedream: ایسے صارفین کے لیے موزوں ہے جنہیں چین میں قابلِ استعمال نیٹ ورک حل درکار ہو۔
• GPT Image 2: OpenAI Images پروٹوکول استعمال کرتا ہے اور مطابقت رکھنے والے تیسرے فریق کے ٹرانزٹ ایڈریس کے ساتھ بھی ترتیب دیا جا سکتا ہے۔

عوامی نیٹ ورک کی حفاظتی پابندیاں فعال کریں

بیک اینڈ کو عوامی نیٹ ورک پر شائع کرتے وقت صرف ڈیفالٹ سروس کو ظاہر نہیں کرنا چاہیے۔ پروجیکٹ Bearer Token تصدیق، درست CORS وائٹ لسٹ، ٹوکن بکٹ ریٹ لمٹنگ، روزانہ کوٹہ، اور عالمی و فی主体 ہم وقتی کنٹرول فراہم کرتا ہے۔ README میں درج ڈیفالٹ اقدار 10 درخواستیں فی منٹ، 100 درخواستیں فی دن، عالمی سطح پر 2 ہم وقت درخواستیں اور فی主体 1 ہم وقت درخواست ہے۔ مخصوص پروڈکشن ترتیب کے لیے backend/DEPLOY.md دیکھیں۔

بیک اینڈ صرف JPEG، PNG اور WebP کے حقیقی تصویری مواد کو قبول کرتا ہے۔ ایک تصویر کی زیادہ سے زیادہ حد 8 MiB اور دو تصاویر کی مجموعی حد 16 MiB ہے؛ تصویر کے ہر بُعد کی لمبائی 256 سے 8192 پکسلز کے درمیان ہونی چاہیے، جبکہ کل پکسلز 2 کروڑ سے زیادہ نہیں ہونے چاہییں۔ یہ پابندیاں جعلی فائلوں، کوڈ انجیکشن اور ڈی کمپریشن کے دوران پکسلز کے خطرناک بوجھ کے خطرے کو کم کرنے کے لیے ہیں۔

مقامی ڈیٹا اور رازداری کی حدود کو سمجھیں

کامیاب AI لباس تبدیل کرنے کے نتائج موجودہ براؤزر کے IndexedDB میں محفوظ ہوں گے۔ آپ انہیں دیکھ، ڈاؤن لوڈ، ایک ایک کر کے حذف یا مکمل طور پر صاف کر سکتے ہیں۔ ریکارڈز اپ لوڈ نہیں کیے جاتے اور نہ ہی خودکار طور پر دیگر آلات کے ساتھ ہم وقت ساز ہوتے ہیں۔ عوامی بیک اینڈ کو اندرونی نیٹ ورک کی درخواستوں کے پراکسی کے طور پر استعمال ہونے سے روکنے کے لیے ذاتی Base URL کو بطور ڈیفالٹ localhost، اندرونی نیٹ ورک اور محفوظ پتے کی طرف اشارہ کرنے کی اجازت نہیں ہے۔

لباس کا ڈیٹا بڑھائیں

گیلری کا ڈیٹا data.js میں محفوظ ہے۔ ہر ریکارڈ میں id، カテゴリ، キーワード، サムネ، 画像 اور 原寸 شامل ہوتے ہیں۔ جاپانی فیلڈ نام اصل ڈیٹا کے ساتھ مطابقت کے لیے برقرار رکھے گئے ہیں، جبکہ فرنٹ اینڈ زمرہ جات اور کلیدی الفاظ کو چینی یا انگریزی میں خودکار طور پر مقامی بناتا ہے۔ ڈیٹا میں اضافہ کرتے وقت موجودہ فیلڈ ساخت اور تصویری راستوں کے اصولوں کی پابندی جاری رکھیں۔

اختتامیہ

拍片哥女装 کو فوری استعمال کے لیے دو لسانی AI لباس حوالہ گیلری کے طور پر بھی استعمال کیا جا سکتا ہے، اور متعدد ماڈلز پر مبنی ورچوئل فٹنگ منصوبے کے فرنٹ اینڈ اور بیک اینڈ کی بنیاد کے طور پر بھی۔ پہلی بار استعمال کرتے وقت صرف جامد فرنٹ اینڈ شروع کرنا کافی ہے؛ حقیقی AI لباس تبدیلی درکار ہو تو ضرورت کے مطابق Docker کلاؤڈ ماڈل یا ComfyUI مقامی حل منتخب کریں۔ یہ منصوبہ MIT License کے تحت ہے، اس لیے تجارتی استعمال، ترمیم، انضمام اور تقسیم کی اجازت ہے، تاہم ضروری لائسنس اعلامیے برقرار رکھنے چاہییں۔ یہ بھی یاد رکھیں کہ گیلری کی تمام تصاویر AI سے تیار کردہ تصوراتی لباس کے ڈیزائن ہیں، حقیقی برانڈ مصنوعات کی تصاویر نہیں۔