一套AI换装工作流，能够精准提取衣物细节，并将其完美迁移到新人物身上，实现与肢体动作、背景环境的和谐统一。该方法效果逼真，几乎无异于原图，为虚拟试穿和设计创作提供了新的可能性。
智能速览
工作流核心是基于Qwen-image-edit-2509模型。
通过Extract-outfit和clothtransfer两个LoRA实现换装。
可完整保留衣物的版型、材质、图案等细节。
提示词的精确使用是提取衣物的关键。
换装后的人物动作自然，且不改变原图其他内容。
衣物参考图暴露越多，换装效果越好。
精华内容
要实现高质量的AI换装，关键在于如何让衣物既保留原貌，又能与新人物的动作姿态无缝贴合。下面这套工作流就很好地解决了这个问题。
模型与LoRA
这套工作流的核心模型是Qwen-image-edit-2509，并依赖两个关键的LoRA。第一个是Extract-outfit，用于从衣物模特图中提取出衣物的正反面展示图，即使原图没有背面，模型也能联想生成。第二个是clothtransfer，负责将提取出的衣物展示图穿到新的模特身上，完成最终的换装效果。
工作流搭建
搭建工作流时，需先使用Extract-outfit LoRA。若仅上传衣物图，提示词为“extract the outfit onto a white background”。若同时上传open-pose图，提示词则需改为“extract the full body and the full outfit from front and from back onto a white background”，并且出图尺寸要与pose图一致。后者能提取出背面和鞋子。
随后使用clothtransfer LoRA，上传生成的衣物展示图和新模特图，提示词设为“Transfer the outfit”，即可完成换装。整个流程需正确配置主模型、CLIP和VAE。
实测效果展示
实测显示，该工作流对细节的保留度极高。一组测试中，衬衫的条纹与版型被完美复刻，甚至连吊牌款式、短裙及丝袜的细节都未丢失。同时，模特手中的花束道具也被完整保留，服饰外的场景内容保持不变。
另一组针对多件衣物的组合穿搭挑战，效果同样出色。右边的围巾及内搭衬衫均被准确迁移。尽管参考图无下半身，模型仍合理生成了短裙和靴子，整体和谐自然。原图中很小的背心图案也被完整“复制”，圆点大小误差极小。
使用要点
为获得最佳效果，衣物参考图应尽量多地展现服饰细节。如果衣物在图中因蜷缩等姿势被严重遮挡，提取效果会受到影响。对于本地算力不足的用户，可以考虑使用在线平台进行体验。这套流程的普适性强，在多种姿势下都能保持稳定输出。
这套AI换装工作流在细节保留和自然融合方面表现突出，是目前较为成熟的解决方案之一。它不仅降低了虚拟试衣的门槛，也为创意设计提供了强大工具。未来随着模型迭代，换装的边界和想象空间将被进一步拓宽。
