Google हर try on इमेज के लगभग छह सेंट लेता है, Kling Kolors लगभग सात, और मुफ़्त मॉडल non commercial लाइसेंस के साथ आते हैं। कीमतें, क्वोटा, फ़ोटो के नियम और व्यावहारिक टेस्ट देखें, ताकि अपने फ़ैशन स्टोर या ऐप के लिए सही virtual try on API चुन सकें।
एक शॉपर एक सेल्फ़ी अपलोड करता है, एक ज़ैतूनी रंग के ट्रेंच कोट पर टैप करता है और तीन सेकंड बाद खुद को वह कोट पहने हुए देखता है। इस टैप के पीछे एक virtual try on API काम करता है, और आप जो API चुनते हैं, वही तय करता है कि हर इमेज पर आपकी लागत कितनी होगी, आपकी फ़ोटो की क्वालिटी कैसी होगी और इंजीनियरिंग में आपको कितनी मेहनत लगेगी। लगभग हर सर्च में तीन विकल्प सामने आते हैं: Vertex AI पर Google का try on मॉडल, Kling का Kolors try on, और मुफ़्त ओपन-सोर्स मॉडल। यह लेख इन तीनों को असली कीमतों, सीमाओं और लाइसेंस शर्तों के साथ आमने-सामने रखता है, फिर एक तेज़ तरीका दिखाता है जिससे आप एक लाइन का इंटीग्रेशन कोड लिखने से पहले अपनी गारमेंट फ़ोटो को टेस्ट कर सकें।
💡 संक्षिप्त जवाब: Google डॉक्यूमेंटेशन और एंटरप्राइज़ कंट्रोल में आगे है। Kling सीधी कीमत और try on फ़ोटो से वीडियो तक के आसान सफ़र में आगे है। मुफ़्त रास्ता तभी जीतता है जब आपका प्रोजेक्ट गैर-व्यावसायिक हो या आपके पास पहले से GPU हों।
एक try on API किसी व्यक्ति की फ़ोटो और किसी गारमेंट की फ़ोटो लेता है, और उसी व्यक्ति की नई इमेज लौटाता है जो वह गारमेंट पहने हुए है। चेहरा, पोज़ और बैकग्राउंड वैसे ही रहते हैं। सिर्फ़ कपड़े बदलते हैं। सुनने में यह छोटी-सी ट्रिक लगती है, लेकिन यह हर आउटफ़िट, हर साइज़ और हर रंग के लिए अलग फ़ोटोशूट की जगह एक ऐसी रिक्वेस्ट ले लेती है जिसकी लागत कुछ सेंट होती है।
इस तुलना में हर प्रोवाइडर एक ही जोड़ी इमेज माँगता है, और दोनों इमेज की क्वालिटी नतीजा तय करती है, मॉडल से ज़्यादा:
व्यावहारिक नियम: अगर कोई इंसान एडिटर आपकी फ़ोटो से यह नहीं बता सकता कि गारमेंट कैसा दिखता है, तो API भी नहीं बता पाएगा।
ऑनलाइन फ़ैशन में फ़िट की समस्या है। शॉपर देख नहीं पाते कि जैकेट उनके जैसे शरीर पर कैसी बैठेगी, इसलिए वे दो साइज़ मँगवाते हैं, एक रखते हैं और दूसरा लौटा देते हैं। हर रिटर्न का मतलब है शिपिंग, जाँच, दोबारा फ़ोल्ड करना और कभी-कभी पूरा नुकसान। Try on फ़ीचर शॉपर को भरोसेमंद प्रीव्यू देता है, और भरोसेमंद प्रीव्यू लौटे हुए पार्सल से सस्ता पड़ता है।
छोटे ब्रांड्स के लिए नज़रिया अलग है। हर प्रोडक्ट को तीन-चार मॉडल पर शूट करना महँगा पड़ता है, इसलिए try on एक मॉडल की फ़ोटो को पूरे कैटलॉग में बदल देता है। इसी वजह से try on APIs ई-कॉमर्स रोडमैप में बार-बार दिखते हैं, और प्रोवाइडर चुनना कीमतों की सूची पर एक नज़र डालने से कहीं ज़्यादा ध्यान माँगता है।
Google का ऑफ़र एक मॉडल है जिसका नाम virtual-try-on-001 है, जो Imagen परिवार के साथ Vertex AI REST API के ज़रिए मिलता है। तीनों में यह सबसे औपचारिक विकल्प है: इसके वर्ज़न होते हैं, यह documented है, quota-based है और Google Cloud billing से जुड़ा है। अगर आपकी कंपनी पहले से Google Cloud पर चलती है, तो कोई भी कोड लिखने से पहले procurement और access control की ज़्यादातर समस्याएँ सुलझ चुकी होती हैं।
Google के documentation के अनुसार, कॉन्ट्रैक्ट कुछ ऐसा दिखता है:
आउटपुट का इनपुट रिज़ॉल्यूशन से मेल खाना एक चुपचाप मिलने वाला फ़ायदा है। 2000 पिक्सल की स्टूडियो फ़ोटो 2000 पिक्सल की स्टूडियो फ़ोटो बनकर लौटती है, इसलिए अलग अपस्केलिंग स्टेप की ज़रूरत शायद न पड़े। एक ही रिक्वेस्ट में कई samples माँगने से आप शॉपर को कुछ विकल्प दिखा सकते हैं, या अपनी टीम को प्रकाशित करने से पहले सबसे अच्छा चुनने दे सकते हैं।
Google इस मॉडल का बिल Imagen pricing के तहत करता है। तीसरे पक्ष के price trackers लगभग $0.06 प्रति इमेज बताते हैं, और hosted reseller Pixazo $0.063 दिखाता है, इसलिए प्रति आउटपुट छह सेंट से थोड़ा ज़्यादा का बजट रखें और अनुमान लगाने से पहले यह संख्या Google के pricing page पर ज़रूर जाँचें।
दर्ज की गई कोटा सीमा है प्रति बेस मॉडल प्रति मिनट 50 रीजनल ऑनलाइन प्रेडिक्शन रिक्वेस्ट। किसी स्टोर के लिए यह काफ़ी है, लेकिन अचानक उछाल वाले सोशल ऐप के लिए कम है, इसलिए पहले दिन से ही कतार (क्यू) और रीट्राई नीति की योजना बनाएँ।
💡 अंतिम तारीख देखें: मॉडल पेज पर General Availability 20 जनवरी 2026 से और discontinuation date 20 जनवरी 2027 लिखी है। निर्माण से पहले मौजूदा पेज पढ़ें, और प्रोवाइडर को एक छोटे adapter के पीछे रखें, ताकि उत्तराधिकारी मॉडल आने पर बदलाव सिर्फ़ एक फ़ाइल का हो।
Kling का try on Kolors लाइन से आता है और Kling के अपने प्लेटफ़ॉर्म के साथ-साथ fal जैसे resellers के ज़रिए उपलब्ध है। जो वर्ज़न डेवलपर सबसे ज़्यादा टेस्ट करते हैं वह है Kolors Virtual Try On v1.5, जो डिफ़्यूज़न-आधारित इनपेंटिंग इस्तेमाल करता है और सामने की ओर देखने वाली मॉडल फ़ोटो और साफ़ गारमेंट शॉट्स के साथ सबसे अच्छा काम करता है।
fal पर endpoint है fal-ai/kling/v1-5/kolors-virtual-try-on। आप दो image URLs भेजते हैं और बदले में एक इमेज मिलती है:
{
"human_image_url": "https://example.com/model.jpg",
"garment_image_url": "https://example.com/olive-trench.png"
}
एक वैकल्पिक sync_mode flag इमेज को सीधे response में लौटाता है। इसके बिना जॉब queue में जाता है और आप नतीजा बाद में लेते हैं। लिस्टिंग पर दिया गया उदाहरण आउटपुट 768 गुणा 1024 पिक्सल की एक PNG है, जो प्रोडक्ट पेज के thumbnail के लिए ठीक है, लेकिन hero banner के लिए छोटा है।
ब्रांड्स के लिए यह आखिरी बात मायने रखती है। अगर आपकी hoodie पर छोटा कढ़ाई वाला logo है, तो शॉपर से सटीक प्रीव्यू का वादा करने से पहले उसे टेस्ट करें।
Kling का प्लेटफ़ॉर्म try on नतीजे को उसके image to video मॉडल में डालने देता है, जो स्थिर आउटफ़िट प्रीव्यू को एक छोटे क्लिप में बदल देता है। यही फ़्लो PicassoIA पर भी दोहराया जा सकता है: कोई भी पूरी हुई try on इमेज Kling v3 Video या Kling v2.6 में डालें और मूवमेंट बताएँ: धीरे घूमना, खिड़की की ओर चलना, हल्की हवा में कपड़े का लहराना।
ऐसी छोटी क्लिप प्रोडक्ट पेज और सोशल ऐड्स के लिए किसी और स्थिर शॉट से कहीं बेहतर बैठती हैं, और उनकी लागत असली शूट के एक हिस्से जितनी ही होती है।
इस बाज़ार में "मुफ़्त" के दो मतलब हैं: डाउनलोड करना मुफ़्त और चलाना मुफ़्त। ओपन-सोर्स मॉडल पहली शर्त पूरी करते हैं, दूसरी शायद ही कभी।
IDM-VTON उस पेपर के पीछे का रिसर्च इम्प्लीमेंटेशन है जिसका नाम "Improving Diffusion Models for Authentic Virtual Try-on in the Wild" है। इसके साथ एक लोकल Gradio डेमो, VITON-HD और DressCode डेटासेट के लिए इनफ़रेंस स्क्रिप्ट, और ब्राउज़र में टेस्ट करने के लिए एक सार्वजनिक Hugging Face डेमो आता है।
जो बात टीमों को सबसे ज़्यादा उलझाती है वह है लाइसेंस: CC BY-NC-SA 4.0, जो commercial use पर रोक लगाता है। रिसर्च, क्लास प्रोजेक्ट या निजी प्रोटोटाइप के लिए यह ठीक है। पेड स्टोर फ़ीचर के लिए यह ठीक नहीं है। Kolors परिवार भी GitHub और Hugging Face पर प्रकाशित है, इसलिए जिस checkpoint को आप शिप करने की योजना बनाते हैं, उसका लाइसेंस ज़रूर पढ़ें।
💡 प्रति इमेज लगभग सात सेंट वाला paid API आमतौर पर self hosted pipeline से सस्ता पड़ता है, जब तक कोई dedicated GPU दिन के ज़्यादातर हिस्से में व्यस्त न हो। प्रतिबद्ध होने से पहले अपने वॉल्यूम के साथ यह हिसाब लगाएँ।
नीचे की टेबल सिर्फ़ उन्हीं संख्याओं को दिखाती है जो प्रोवाइडर्स के अपने documentation या सार्वजनिक price listings में आती हैं। जहाँ कोई आँकड़ा प्रकाशित नहीं है, वहाँ यह साफ़ लिखा है।
| कारक | Google virtual-try-on-001 | Kling Kolors v1.5 | IDM-VTON |
|---|---|---|---|
| प्रति इमेज लागत | लगभग $0.06 | fal पर $0.07 | $0 लाइसेंस, GPU time का भुगतान आपको करना होगा |
| कॉमर्शियल उपयोग | हाँ, paid cloud service के रूप में | हाँ, paid API के रूप में | नहीं, CC BY-NC-SA 4.0 |
| इनपुट | व्यक्ति की इमेज और प्रोडक्ट फ़ोटो | व्यक्ति की इमेज और एक गारमेंट | व्यक्ति की इमेज और एक गारमेंट |
| आउटपुट | 4 samples तक, इनपुट रिज़ॉल्यूशन पर | एक PNG, उदाहरण 768 by 1024 | आपके setup पर निर्भर |
| स्पीड | docs में प्रकाशित नहीं | Kling पर 10 से 13 सेकंड | आपके GPU पर निर्भर |
| सीमाएँ | प्रति क्षेत्र प्रति मिनट 50 रिक्वेस्ट, प्रति इमेज 10 MB | fal लिस्टिंग में उल्लेख नहीं | आपका हार्डवेयर |
| जीवनकाल | Discontinuation date 20 जनवरी 2027 | उल्लेख नहीं | इसे आप नियंत्रित करते हैं |
| वीडियो का अगला चरण | अलग मॉडल चाहिए | Kling इमेज-टू-वीडियो | अलग मॉडल चाहिए |
Integration कोड लिखने से पहले अपनी गारमेंट फ़ोटो वहाँ टेस्ट करें जहाँ दोहराना सस्ता हो। PicassoIA पर P Image Try On होस्ट है, एक clothing swap मॉडल जो मूल चेहरा, पोज़ और body shape बनाए रखता है। यह एक रन में छह गारमेंट इमेज तक लेता है (ग्यारह तक सपोर्टेड हैं) और नतीजा आपके मूल रिज़ॉल्यूशन पर लौटाता है।
💡 लिखते समय, PicassoIA का डेवलपर API Replicate शैली के predictions फ़्लो पर चलता है, लेकिन उसमें चार मॉडल ही उपलब्ध हैं, और P Image Try On उनमें शामिल नहीं है। टेस्टिंग के लिए वेब इंटरफ़ेस इस्तेमाल करें, और प्रोडक्शन API कॉल चाहिए तो Google या Kling चुनें।
मॉडल पेज पर ये इनपुट दिए गए हैं:
सीम, हेम, कॉलर और किसी भी प्रिंट को ज़ूम करके देखें। अगर कोई आस्तीन ठीक न लगे, तो उसी जोड़ी को अलग seed के साथ फिर से चलाएँ। मॉडल पेज के उदाहरण ज़्यादातर 15 सेकंड से कम में पूरे हुए, लेकिन कुछ में कई मिनट लगे, इसलिए किसी भी production डिज़ाइन में timeout और retry ज़रूर होना चाहिए।
जिन एकबारगी आउटफ़िट बदलावों में आपके पास सिर्फ़ एक reference है, वहाँ Image Editor Pro या Nano Banana Pro जैसे prompt based editors टेक्स्ट निर्देश से फ़ोटो एडिट कर सकते हैं। समर्पित try on मॉडल गारमेंट इमेज को सीधे इनपुट के रूप में लेते हैं, इसलिए कैटलॉग के लिए वे ज़्यादा सुरक्षित शुरुआत हैं।
ज़्यादातर निराशाजनक आउटपुट की जड़ इनपुट में होती है, मॉडल में नहीं। दो आदतें ज़्यादातर नुकसान करती हैं।
कठोर लैंप के नीचे अस्त-व्यस्त बिस्तर पर पड़ी सिलवटों वाली hoodie मॉडल को असमान छायाएँ और नकल करने के लिए एक विकृत आकार देती है। Provider documentation भी यही बात अलग शब्दों में कहता है: एक आइटम, साफ़ डिटेल, सादा बैकग्राउंड, सादा पोज़। जनरेशन पर पैसे खर्च करने से पहले रोशनी और स्टीमिंग पर दस मिनट लगाएँ।
शॉपर की सेल्फ़ी निजी डेटा है, और किसी असली मॉडल की फ़ोटो एक ऐसे व्यक्ति की है जिसने एक खास उपयोग के लिए सहमति दी थी। अनुमति लें, बताएँ कि अपलोड कितने समय तक रखे जाते हैं, और अगर संभव हो तो सेशन खत्म होने पर उन्हें हटा दें, और जनरेट किए गए प्रीव्यू पर साफ़ लेबल लगाएँ। अपने बाज़ार में लागू नियम जाँचें, क्योंकि वे अलग-अलग होते हैं। Google का आउटपुट watermarking और Content Credentials सपोर्ट करता है, जिससे लेबलिंग आसान हो जाती है।
अब आपके पास आँकड़े हैं: Google पर लगभग छह सेंट प्रति इमेज, fal के ज़रिए Kling पर सात सेंट, और एक मुफ़्त लाइसेंस जो commercial सीमा पर रुक जाता है। यह जानने का सबसे तेज़ तरीका कि आपके कैटलॉग के लिए कौन सा नतीजा सही दिखता है, अपनी फ़ोटो उन पर चलाना है।
P Image Try On को PicassoIA पर खोलें, एक मॉडल फ़ोटो और तीन गारमेंट अपलोड करें, और आउटपुट की तुलना उससे करें जिसकी आपके शॉपर्स उम्मीद करते हैं। फिर सबसे अच्छा नतीजा Kling v3 Video में ले जाएँ और आउटफ़िट को हिलते हुए देखें। अलग-अलग पोज़, रोशनी और गारमेंट फ़ोटो के साथ प्रयोग करें, और जो सेटअप काम करें उन्हें सहेज लें। आपका पहला टेस्ट कुछ मिनट लेगा, और वह आपको किसी भी तुलना तालिका से ज़्यादा बताएगा।
अपनी भाषा चुनें
