GPT-IMG上传一张人物照片，再描述新衣服，或者附上一张衣服的照片。你会得到同一个人、同样的姿势、同样的场景，只是换了一身衣服。
给照片里的人换一身衣服：用文字描述新装，或上传一张衣服的照片，脸、姿势和背景保持不变。GPT Image 2.5 一次 15 积分，新用户送 30 积分，前两次免费。四个模型实测下来，衣服上的小字和 logo 保不干净，出图后建议放大检查。
生成之前，请至少上传一张参考图。
这四个模型都拿一张人物照加一张毛衣照，把条纹穿到了人身上。没有一个保住了胸口的小字，差别在于它们会改动照片其余部分的多少。
我们用本页自带的提示词，在下面四个模型上各跑一次（1K 标准画质），用的是一张虚构人物照。每条提示词都以“只换衣服”开头，并写明哪些必须保留：脸、头发、姿势、背景。下面是结果，包括失败的部分。
四个模型都给人物穿上了藏青色大衣，里面是奶油色高领毛衣。差别在衣服以外的所有地方。按 0 到 255 的刻度测量衣服以外的背景，GPT Image 2.5 改动最少（3.9），其次是 Seedream 5 Pro（6.1）和 Nano Banana Pro（7.8）。FLUX 2 Pro 改动最大（17.9），把大衣拉长了，还把一只手放进了口袋，姿势没有保住。
| GPT Image 2.5 | 3.9 |
|---|---|
| Seedream 5 Pro | 6.1 |
| Nano Banana Pro | 7.8 |
| FLUX 2 Pro | 17.9 |
在毛衣测试里，四张图看起来仍是同一位女士。Nano Banana Pro（3.8）和 GPT Image 2.5（4.1）的脸部区域离原图最近，Seedream 5 Pro（9.1）和 FLUX 2 Pro（12.7）离得更远。画面是重新画出来的，发布前请和原图对照一下。
图 1 是人物，图 2 是一件红白条纹毛衣。四个模型都带过去了醒目的条纹、袖长和衣服穿在身上的样子，并把胸口的小标签放在了正确的位置。
毛衣胸口的标签在参考图里写的是 NORTH。在每个模型里，它在大约 25 像素宽的位置都被糊掉或变成了乱码。FLUX 2 Pro 最接近，其次是 GPT Image 2.5；Nano Banana Pro 和 Seedream 5 Pro 把它弄成了乱码。如果衣服上的 logo 或文字很重要，请准备在编辑器里补回去，并且放大到原尺寸再使用结果。
我们的测试照片是正面、光线均匀、双臂自然下垂，所以旧衣服很容易和人分开。换真实的衣服时，再加一张平铺图或商品图，写“图 1 是人物，图 2 是毛衣”。如果改用文字描述衣服，那么款式、面料、颜色和长度就是关键：“藏青色羊毛大衣，及膝”比“一件好看的外套”管用。
每月积分越多，能生成的张数越多，也能选更高的分辨率。
积分一次买够，想用的时候再用。购买的积分永不过期。
关于这个页面，大家常问的几个问题。
直接在上方的提示词框里生成即可。账号、积分和历史记录全站通用。
