wardrobe：用 GPT-Image 自动识别衣柜并生成上身效果的 AI 工具，1300 Star

GPT-Image 技术出现之后，AI 图像处理的应用越来越多，从自动抠图、背景替换，到虚拟试穿、穿搭推荐。

wardrobe 把 AI 图像能力用到了衣柜管理上。它在 GitHub 上已经有 1300 多个 Star。

整理衣柜这事儿很头疼：换季的时候要花几个小时把衣服一件件拍下来记录，网购的时候不知道这件合不合身只能盲买，想要搭配衣服却找不到想要穿的那一件。wardrobe 的做法是：拍一张衣柜的照片，AI 会自动识别出每一件衣服，把每一件衣服单独抠出来，还可以生成上身的效果。

实际使用体验

拍一张照片或者下载一张图片，把照片拖到浏览器窗口里，也可以用 Ctrl+V 粘贴进去。它就开始自动识别照片里的每件衣服，系统会调用 OpenAI Responses API 来检测照片中的所有衣服，包括上衣、下装、外套、鞋子和配饰。识别完毕之后，每件衣服都会被单独框出来，整个识别过程大概需要 3-5 秒钟，比手动一件件拍照快了十几倍。

然后自动抠图，把背景全部去掉。它用 OpenAI Images API，用 AI 分割技术将衣服从图片中分离出来，生成带有透明背景的 PNG。效果和专业摄影设备差不多，不用绿幕，也不用 Photoshop。对比传统抠图软件要手动勾勒边缘，这个自动化程度确实高。

抠图之后还可以生成上身效果。如果把一张自己的全身照放在 data/model-reference.png，那么系统就会根据这件衣服以及参考图来生成你穿这件衣服的模特图，像时尚杂志的 editorial preview，不需要真的穿在身上。对于在网购前想先看下效果的人而言，这个功能比较实用。

整个过程只需要拍一张照片，后面的所有识别、抠图、生成模特图都是 AI 自己完成的。

核心功能

照片中的每件衣服自动识别。 使用 OpenAI Responses API 来自动检测照片中的所有衣服，准确率很高，可以区分出上衣、下装、外套、鞋子、配饰等，不需要手动标注，也不需要一张张拍摄。一张衣柜的全景图，在几秒钟之内就能拆出所有的单品，比传统的人工拍照快了十倍以上。

干净的单品图输出。 检测到衣服之后，调用 OpenAI Images API 来生成带有透明背景的 PNG 图片。不需要绿幕，也不需要使用 Photoshop 来手动抠图，拍摄完毕就可以直接使用。边框处理得很干净，背景都是透明的，效果已经很接近于专业的产品摄影了。导出的图片可以用来做产品目录、穿搭分享、电商上架等。

生成上身效果模特预览。 按照给出的参考图，用 GPT-Image 技术来生成"你穿着这件衣服"的模拟效果图。不需要真的穿上身，也可以看到效果，就像时尚杂志的 editorial 一样。适合在网购之前进行预测和搭配实验，尤其是对于"不确定这件是否合适"的情况。生成的预览图很逼真，可以用来帮你做决定，避免买回来之后发现不合适。

所有数据本地存储。 它用 Node.js 搭建本地 Web 服务器，所有的数据都保存在 data/library.json 和 data/imported/ 目录下。隐私安全，照片不会被泄露，也不会上传到任何云服务器上。响应速度非常快，是本地读取，并且不需要网络。数据长期保存，不依赖于网络服务，即使服务商停止服务也不会丢失。

安装方式

需要 Node.js 22 以上版本。

git clone https://github.com/tandpfun/wardrobe.git
cd wardrobe
npm install
cp .env.example .env

在 .env 文件中添加 OPENAI_API_KEY，再把一张自己的全身照放到 data/model-reference.png 中，然后运行：

npm run dev

浏览器打开 http://localhost:5173 就可以使用了。不填 API Key 和参考图的话，导入功能就会被锁定，不能使用。

注意事项

目前只有网页版，没有 iOS 和 Android 应用。另外，它依赖 OpenAI API，接口限流或服务异常时可能会影响正常使用体验。调用 API 也会产生费用，在处理大量照片的时候要留意账单。

项目基于 MIT 协议开放。

开源地址：https://github.com/tandpfun/wardrobe