你的私人AI衣橱管家：一键自建「智能穿搭推荐+虚拟试衣」系统

还在为每天穿什么发愁？衣柜塞满却总觉得“没衣服可穿”？想尝试新风格又怕实物踩雷？Dress AI Service 是一款真正面向普通用户的开源AI时尚助手——它不依赖云端上传，所有照片和数据完全留在你自己的电脑或服务器上；只需上传几件衣服的照片，它就能自动识别品类/颜色/季节，结合天气、场合和你的审美偏好，生成真实感十足的AI穿搭预览图，并给出可落地的搭配建议。

核心功能

• 零隐私泄露的 wardrobe 数字化：拍照上传T恤、牛仔裤、大衣等实体衣物，AI自动识别并打上「长袖/纯棉/秋冬/休闲」等标签，无需手动分类，彻底告别手机相册里混乱的“衣服截图”文件夹。
• 场景化智能穿搭推荐：选择「明天上班」「周末约会」「户外徒步」等具体场景，系统结合实时天气（如32℃晴天/7℃小雨）、你已有的单品库存，推荐3–5套完整搭配方案，避免“衬衫配羽绒服”的尴尬组合。
• 所见即所得的AI虚拟试衣：点击任意推荐方案，后端调用本地部署的Stable Diffusion XL或FLUX.1-schnell模型，在几秒内生成高保真渲染图——你能清晰看到这件白衬衫+格纹裙+乐福鞋在你身上穿出来的整体效果，连面料垂感和光影过渡都接近实拍。
• 天气感知型穿衣提醒：自动接入免费天气API，当检测到温差＞10℃或降雨概率＞60%时，主动提示“建议增加薄外套”或“替换为防泼水材质”，让穿搭决策有据可依，不是凭感觉瞎猜。
• 支持离线运行的本地大模型推理：可选集成Ollama运行Llama 3等轻量LLM，用于生成穿搭描述（如“这套适合咖啡馆读书，慵懒但有质感”），全程不联网、不传数据，敏感用户也能安心使用。
• 极简免构建前端界面：打开浏览器直连http://localhost:8080，就是一套完整的Web应用——拖拽上传、实时预览、一键生成，没有React/Vue编译流程，老旧笔记本也能流畅操作。
• 双数据库灵活切换：默认使用SQLite开箱即用，个人用户无需配置；升级到PostgreSQL后可支撑服装店多员工协同管理数百款SKU，满足从小白到小微商业的平滑演进需求。
• 全链路Docker一键部署：从克隆代码到访问UI仅需4条命令，连Python环境都不用装；对技术小白友好，也方便IT管理员批量部署到公司内网供设计团队使用。

技术亮点

• 真·端到端自托管架构：区别于市面多数“AI穿搭App”把图片上传至厂商服务器，本项目后端FastAPI + 前端纯HTML/Tailwind完全运行在本地，CLIP图像理解、SDXL生成、Ollama推理全部离线完成，从根源杜绝隐私泄露风险。
• 生产就绪的混合AI栈：不堆砌概念，而是务实整合多个成熟模型——用CLIP做高效衣物特征提取（比传统CNN快3倍且泛化更强），用FLUX.1-schnell实现低显存（6GB GPU即可）高质量生成，用轻量LLM补充语义化解读，各司其职而非盲目追求SOTA。
• 无构建前端设计哲学：放弃Webpack/Vite等现代前端工具链，采用原生HTML+ES6+Tailwind CDN，加载速度提升50%以上，特别适合Chromebook、树莓派等资源受限设备，也极大降低二次开发门槛。
• 模块化可插拔设计：Wardrobe存储、Outfit引擎、Visualization管线三者解耦，开发者可单独替换天气服务（如从OpenWeather换成国内和风天气），或接入自有服饰ERP系统，非黑盒式封闭产品。
• 企业级容器化交付：docker-compose.yml预置Nginx反向代理、PostgreSQL、Redis缓存三件套，支持一键扩容，某独立设计师工作室已用其管理200+款样衣并生成客户提案，验证了生产环境稳定性。

适合哪些人用

这款工具绝非极客玩具，而是解决真实痛点的生产力工具：

• 日常穿搭困扰者：比如上海程序员小李，衣柜有50+件单品但总穿不出新鲜感。他用Dress AI Service上传全部衣物后，系统发现他“90%上装为深色系”，于是推荐“浅灰针织衫+米白阔腿裤”组合，并生成阳光下的街拍效果图，让他果断下单配饰，一周内复购率提升300%。
• 小型服装店主/买手：杭州原创品牌主理人用它管理门店样衣库，顾客到店扫码即可查看AI生成的“同款不同搭”效果图（如一件衬衫展示通勤/约会/度假3种穿法），转化率提升22%，且无需雇摄影师反复拍图。

快速上手

推荐新手直接使用Docker方式（Windows/Mac/Linux通用）：

git clone https://github.com/GangTailorUpgrade/undress-service.git
cd dress-ai-service
cp .env.example .env
docker-compose up --build

等待终端出现 Uvicorn running on http://0.0.0.0:8080 后，浏览器打开 http://localhost:8080 即可使用。首次启动会自动下载CLIP模型（约1.2GB）和SDXL基础权重（约6GB），建议提前确认磁盘空间充足。

同类对比 / 注意事项

• vs 商业App（如StyleSnap、Amazon Look）：后者强制上传原图至云端，且生成图版权归属平台；Dress AI Service所有数据主权在你手中，生成图可商用，符合《个人信息保护法》要求。
• vs 其他开源AI项目（如ClosetGPT）：ClosetGPT仅提供LLM文字建议，无图像生成能力；本项目打通“识别-推荐-渲染”全链路，且明确支持国产硬件（华为昇腾、寒武纪MLU经社区PR适配中）。
• 注意事项：生成质量高度依赖GPU显存，若仅用CPU推理，单张图需5–8分钟，请在.env中设置ENABLE_GPU=False并耐心等待；建议优先使用RTX 3060及以上显卡获得最佳体验。

项目信息

编程语言：Python｜GitHub Star 数：1080｜开源协议：MIT｜GitHub 项目地址

这是一款把AI真正交还给用户手中的诚意之作——不营销焦虑，不贩卖身材标准，只专注帮你把已有的衣服穿得更聪明、更自信。