拍片哥女装 · AI 服装参考图集 (COSTUME-DB-01)

一个深色主题的纯净服装参考图集网站，收录 1407 张 人物不入镜的 AI 生成服装图像（2:3 比例），支持中英文双语浏览、多维检索，并配备可选的 AI 一键换装试穿。

👗 【Linux.do 3级常任理事专属彩蛋】
听说在 LINUX DO 社区只要升到 3 级（常任理事） 就可以解锁“看女装大佬”的保留节目？身为一名尊贵的 Linux.do 3 级老兵，逛了一圈发现坛里的女装资源还不够看，干脆亲手搓了这个 「拍片哥女装」 项目！
不仅收录了 1407 套纯净高质量服装图，还顺手接了 AI 虚拟换装后端——这下各位佬友哪怕现实中没有小裙子，直接传张自拍照就能一键无痛变身“女装大佬”出道了 😂！

🔗 在线预览：https://paipiange.github.io/nvzhuang/
⭐ GitHub 源码：https://github.com/paipiange/nvzhuang
💃 兄弟项目（AI 姿势参考与生图工坊）：https://github.com/paipiange/ai-pose-gallery-zh
💡 原作者推文 / 灵感来源：X @giaaibusi
🐧 社区友链：LINUX DO (https://linux.do/)

• 🆓 免费使用（无需部署 / 无需 Key）：1407 套 AI 服装参考图库浏览、分类筛选、中英双语双向检索、大图全屏查看、基础搭配台与同款跳转，由纯前端静态驱动，在线打开即可使用。
• ⚙️ 自选扩展（需自建后端 / 需自备 Key）：真实 AI 试衣换装功能依赖 backend/ 的 GoFrame 服务。需自行配置大模型（如 GPT Image 2、豆包 Seedream 或 Gemini）的 API Key 与 Base URL，调用将消耗对应的第三方模型配额。
• 📜 完全可商用 · 免费开源：基于 MIT License 全量开源，代码与图集资源完全开放，支持自由商用创作、设计参考及二次开发。详见 合规审计报告。

中文模式	英文模式	关键词搜索

系统支持上传真实人像与选中的服装，通过 AI 生图大模型进行衣物迁移换装，实现精准保留面容、贴合人体形态的虚拟试穿效果：

① 选中的服装（图 1）	② 上传的模特照片（图 2）	③ AI 换装合成效果（图 3）
参考服装图 （图集中的精选女装）	模特原图 （用户上传的人像日常照）	AI 换装效果（图 1 + 图 2 ➔ 图 3） （保留模特五官发型，自然融合服饰材质与剪裁）

如果你不仅想为模特挑选服装，还希望自由掌控人体的拍摄姿势、骨架动作与构图视角，推荐搭配我的另一个开源项目一起使用：
👉 拍片哥 · AI 姿势参考库与生图工坊 (AI Pose Gallery & Studio)

该项目收录了 288 组 / 1439 张 AI 人体多视角姿势参考图（日文数据完整汉化），内置「拍片哥 AI 姿势生图与试穿工坊」，支持骨架动作锁定、真实面料试穿与面容复刻：

选择姿势骨架控制动作与构图，再上传人物/服装参考，即可生成同时保留目标姿势、人物面容与穿搭特征的完整图片：

① 姿势与构图参考	② 人物与服装参考	③ AI 融合生成结果
锁定身体动作、视角与画面构图 （从 1439 张多角度姿势库中挑选骨架素体）	提供面容、发型与服装特征 （结合本项目精选服装或上传的模特穿搭）	AI 融合生成结果（图 1 + 图 2 ➔ 图 3） （动作精准还原，完美呈现人物与穿搭细节）

上图即实际工作流：图 1 + 图 2 → 图 3。 人物头像与服装均为可选输入；只选择姿势，也可以让模型自动完成人物与穿搭设计。
💡 联动工作流：在 拍片哥女装 挑选高质量服装设计，在 拍片哥姿势库 挑选合适的人体动作构图，两者结合即可生成兼具神韵动作与精美穿搭的专业级 AI 模特大片！

• 8 大分类：春（215）/ 夏（254）/ 秋（244）/ 冬（253）/ 内衣（199）/ 派对（48）/ 泳装（54）/ 性感（140）
• 中英文双语：默认中文，右上角一键切换 English
• 双向检索：中文（白、蕾丝、连衣裙…）和英文（white、lace、dress…）关键词都能搜索
• 关键词本地化：中文模式自动将服装属性翻译为中文展示
• 交互体验：分类筛选、实时搜索、无限滚动加载、放大查看、键盘 ←/→ 切换、Esc 关闭、原尺寸 PNG 下载
• AI 试穿搭配台：上传人像后可从图库选服装，也可上传自己的服装图片；自定义服装支持 1 张完整全身穿搭，或按顺序上传 2 张上半身 / 下半身服装
• 明确错误反馈：换装校验、接口限流、鉴权和服务异常会同时显示页内提示与可聚焦弹窗
• 黑白主题：默认白色主题，可在图库页和试穿页切换黑色 / 白色主题，并记住本机选择
• 浏览器设置中心：可保存自己的后端地址、Base URL、API Key、接口协议与模型名；个人配置只保存在当前浏览器，后端仅按单次请求临时使用
• 本机生成记录：AI 换装成功后自动保存到当前浏览器的 IndexedDB，可随时查看、下载、单条删除或全部清空，不上传、不跨设备同步

自定义上传的服装原图仅保留在当前页面内存中，不写入本地存储或生成记录；刷新或关闭页面后会自动清除。生成时只将压缩后的图片内容发送到用户配置的换装后端。

• 电商以图搜同款：大图详情与试穿操作区支持一键唤起淘宝图片搜索，快速查找现实中在售的同款服饰
• ComfyUI 本地离线生图：支持零成本、免 API Key 本地私密运行；集成阿里开源 Qwen-Image-Edit-2511 (Int8) + 4 步极速 Lightning LoRA 与 MiniMax H3 双工作流，具备自动容灾回退能力

「AI 换装」需要一个后端服务，把服装真实地「穿」到人像上。后端位于 backend/（GoFrame v2），支持多模型可插拔：

三个关键点都可配置：API Key、Base URL、模型名。加一个国内模型只需在配置里新增一段，无需改代码。

前端 AI 试穿页右上角提供「设置中心」，支持两种使用方式：

1. 服务器预设：继续使用后端 config.yaml / 环境变量中的模型配置。
2. 个人模型配置：在当前浏览器保存协议、Base URL、API Key 和模型名，生成时随本次请求临时发送给后端。后端不把这些字段写入数据库、配置文件或业务日志。

浏览器本地保存适合个人设备使用。共享设备使用完毕后，请在设置中心点击「清除本地配置」。个人 Base URL 默认禁止指向 localhost、内网和保留地址，避免公开后端被用作内网请求代理。

编辑 backend/manifest/config/config.yaml（模板见 config.example.yaml）：

llm:
  models:
    gpt-image:                     # 前端请求用的别名
      provider: openai             # 协议：openai / doubao / gemini
      apiKey: ""                   # 直接填 Key，或留空用环境变量
      envKey: "OPENAI_API_KEY"     # 环境变量名（优先级高于 apiKey）
      baseURL: "https://api.openai.com/v1"   # Base URL 可改（支持中转/代理）
      model: "gpt-image-2"         # 真实模型名

    doubao:                        # 豆包（国内可用）
      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"

接入任意 OpenAI 兼容的国内生图模型（通义万相、智谱、硅基流动等），加一段即可：

    qwen:                          # 通义万相示例
      provider: openai
      envKey: "DASHSCOPE_API_KEY"
      baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1"
      model: "wanx2.1-t2i-turbo"

    # 本地 ComfyUI（零成本离线极速换装，支持 Qwen-Image-Edit / MiniMax H3）
    comfyui:
      provider: comfyui
      baseURL: "http://127.0.0.1:8188"
      model: "qwen-image-edit-2511"
      workflowPath: "workflows/comfyui_qwen_image_edit_2511_api.json"

如果你的电脑拥有独立显卡（或局域网有运行 ComfyUI 的主机），可以完全免 Key 使用本地生图：

1. 启动本地 ComfyUI（默认 http://127.0.0.1:8188）；
2. 放入 Qwen-Image-Edit-2511 的模型与 4 步 Lightning LoRA（详见 backend/README.MD）；
3. 打开网页右上角 设置中心，选择「ComfyUI 本地」，点击「测试连接」成功后保存，即可享受 4 步极速离线换装体验。系统已内置双模型自适应能力，未就绪时会自动回退至 H3 方案。

后端推荐使用 Docker / Docker Compose 部署，无需在宿主机安装 Go 编译环境，开箱即用。

# 1. 复制环境变量模板并填入你的 Key（如国内免翻墙的豆包 ARK_API_KEY，或 OpenAI Key）
cp backend/.env.example backend/.env

# 2. 一键启动后端（内置开箱即用兜底，默认监听 8000 端口）
docker compose up -d

# 服务启动后监听在 http://localhost:8000

提示：若需深度定制模型或高级路由，可复制配置文件模板：cp backend/manifest/config/config.example.yaml backend/manifest/config/config.yaml（未复制时系统也会自动使用模板并稳定监听 8000 端口）。

cd backend

# 构建镜像
docker build -f manifest/docker/Dockerfile -t costume-tryon .

# 运行容器（按需注入模型 Key，例如豆包或 OpenAI）
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

• Windows 用户：直接双击 backend/restart.bat 一键自动编译并启动服务。
• 命令行运行：

  cd backend
  # 可选：复制配置文件（不复制时也会自动安全回退加载模板并监听 8000）
  # cp manifest/config/config.example.yaml manifest/config/config.yaml
  export ARK_API_KEY="你的Key"   # Windows PowerShell 用 $env:ARK_API_KEY="你的Key"
  go run main.go                 # 服务稳定监听 :8000

前端静态页面通过以下顺序识别换装后端地址（优先级从高到低）：

1. 设置中心：用户在当前浏览器保存的「后端 API 地址」（跨源外部公网后端须使用 HTTPS）
2. 全局变量：在 HTML 加载前配置 window.AI_API_URL = "http://localhost:8000"
3. URL 参数：https://你的前端地址/?tryon=http://localhost:8000（安全约束：为防止钓鱼窃取 API Key 与私密照片，?tryon= 仅允许同源或本机回环 localhost/127.0.0.1；外部后端须在设置中心显式保存）
4. 本地回退：本地以 localhost 或 127.0.0.1 访问前端时，默认自动连接 http://127.0.0.1:8000

后端原生提供企业级调用鉴权与高防资源限制（详见 backend/DEPLOY.md）：

1. 接口访问鉴权：支持 Bearer Token 校验，服务端安全保存 SHA-256 摘要与恒定时间防侧信道比对；前端设置中心支持单独保存「后端访问 Token」，不与大模型 Key 混淆。
2. 精确 CORS 白名单：严格域名匹配，彻底杜绝跨域滥刷与盗链。
3. 频率与额度保护：内置令牌桶限流（默认 10 次/分）与 UTC 自然日调用额度（默认 100 次/天），超限返回标准 429 业务码。
4. 并发控制：全局（默认 2 并发）与单调用主体（默认 1 并发）严格锁定，模型生图不排队堆积。
5. 图片校验与前端自适应压缩：
   • 仅支持 JPEG / PNG / WebP 真实图像内容探测，严格防范伪造扩展名与代码注入；
   • 单图上限 8 MiB、两图合计 16 MiB、长宽限制 256~8192 px、总像素严格限制在 2000 万以内（防止解压像素炸弹导致服务器 OOM）；
   • 前端上传照片时自适应缩放：任一边小于 256 px 时自动等比放大到合规尺寸，高清模式最长边 2048 px，并阶梯压缩（WebP 优先，质量 0.90~0.75）。

完整的多模型接入、生产环境 Nginx 反代与安全加固说明见 backend/DEPLOY.md。

本项目前端是纯静态站点，无需构建。任选一种方式运行：

# 方式一：Python 内置服务器（推荐端口 3000，与后端 8000 端口独立不冲突）
python3 -m http.server 3000

# 方式二：Node 简单服务器
npx serve -l 3000 .

# 方式三：直接用现代浏览器打开 index.html

启动后在浏览器打开 http://localhost:3000。若同时启动了后端，本地换装开箱即连。

nvzhuang/
├── index.html          # 页面结构 + 样式 + 交互逻辑（含双语字典、AI 试穿搭配台）
├── data.js             # 1407 条服装数据（id / 分类 / 关键词 / 图片路径）
├── docker-compose.yml  # 一键启动后端 Docker 容器编排
├── assets/
│   ├── thumbs/         # 缩略图（webp，网格卡片用）
│   └── img/            # 展示图（webp，弹窗放大用）
├── docs/               # 文档图片、换装效果演示与姿势生图联动图
├── backend/            # AI 换装后端（GoFrame v2，可选）
│   ├── docker-compose.yml                 # 后端 Docker Compose 配置
│   ├── .env.example                       # 环境变量示例文件
│   ├── restart.bat / build.bat            # Windows 本地一键启动/重新编译脚本
│   ├── manifest/config/config.yaml        # 模型配置（Key / BaseURL / 模型名）
│   ├── internal/logic/tryon/              # 模型适配器（openai / doubao / gemini）
│   └── DEPLOY.md                          # 部署指南
└── .gitignore

注：原尺寸 PNG（约 1GB+）未纳入仓库，「下载原尺寸」按钮指向原站资源。

支持通过 URL 参数直接分享特定状态：

?lang=en          # 初始语言（zh 为中文，en 为英文，默认 zh）
?q=lace           # 初始搜索词
?lang=en&q=white  # 组合使用

• 兄弟项目 / 姿势与生图工坊：拍片哥 AI 姿势参考库 (ai-pose-gallery-zh) —— 288 组 / 1439 张多角度人体姿势，集成本地与多云端 AI 姿势生图与试穿工坊。
• 原作者 / 灵感来源：X @giaaibusi —— 诚挚鸣谢原作者对高质量 AI 服装图集的整理与创意分享！
• 社区友链：LINUX DO (https://linux.do/) —— 真诚、友善、团结、专业的开源与技术极客社区。
• 审计与规范文档：
  • 项目现状与开源合规审计报告 (LINUXDO_RELEASE_AUDIT.md)
  • 图库内容合规与社区发布审查报告 (CONTENT_REVIEW.md)
  • Linux.do 推广发布前核验清单 (LINUXDO_PUBLISH_CHECKLIST.md)

本项目基于 MIT License 协议完全免费开源，允许无限制商业使用：

• 开源协议：MIT License，代码与资产完全免费开源，允许商业使用、自由修改、集成与分发。
• 商用与创作自由：可完全免费用于各类个人与商业作品创作（如电商广告、服装设计参考、游戏资产、AI 图像与虚拟换装应用）。
• 生成属性声明：所有图像均为 AI 生成（t2i）概念服装设计，非现实品牌商品照片。

数据存于 data.js，每条记录包含：

说明：カテゴリ、キーワード、サムネ、画像、原寸 是数据原始的日文字段名，为保持与原站数据兼容而保留。网站会在前端自动将它们本地化为中文或英文展示。

Each record in data.js contains the following fields:

Note: カテゴリ, キーワード, サムネ, 画像, and 原寸 are the original Japanese field names kept for compatibility with the source data. The site localizes them to Chinese or English on the frontend automatically.