Wardrobe 开源 AI 整理工具：用 GPT 图像模型自动识别与抠图衣物教程
分类：工具实测 浏览量：55
摘要：
Wardrobe 是一个基于 OpenAI 图像模型的开源工具，能自动识别、抠图并整理衣物。用户只需拍摄一张衣物堆叠的照片，工具即可检测出每件单品、进行抠图，并生成模特上身效果预览。它主要帮助衣物繁多或热衷穿搭的用户，为衣柜创建数字化清单，并模拟衣物穿着效果。项目数据完全本地化，但需自备 OpenAI API Key 并具备本地部署能力。
Wardrobe 用 OpenAI 的图像模型自动识别、抠图并整理衣物，是个开源项目。仓库在 GitHub 的 tandpfun/wardrobe，采用 MIT 协议，到 2026 年 8 月大约有 1800 star。README 里一句话概括：Your clothes, extracted and organized with gpt-image，意思是你的衣服由 gpt-image 提取并整理。
Wardrobe 的功能是这样的：你拍一张堆在一起的衣服照片，丢进它的网页，它会先用 OpenAI Responses API 识别出照片里的每一件衣物，再用 Images API 把每件衣服单独抠出来，还能生成一张“模特上身”的预览效果。拖拽、粘贴、编辑、重新生成、审核、批准这些操作都支持。原始照片、任务记录、生成的图片和 JSON 数据库都保存在本地的 data/ 目录里。
项目还内置了两个 Codex 技能。一个叫 import-clothes，负责导入衣物并生成模特照；另一个叫 generate-outfits，能从衣柜里搭配出整套衣服，生成一整本 lookbook。在 Codex 里打开这个仓库，直接下指令“帮我从 ~/Pictures/outfits 导入衣服，生成模特照”就行，它会自动跑完流程、逐张审核，然后把数据写进 data/。
这工具适合两类人。一类是衣服特别多、想给衣柜做数字清单的，拍一轮照片让 AI 切出每件单品，以后找衣服直接翻库。另一类是穿搭爱好者，想看看“这件衣服穿在我身上大概什么效果”。项目需要你提供一张自己的正面参考照，AI 生成的模特上身图会按你的身材来。注意这是 AI 模拟图，不是真试穿。
怎么开始用？先决条件不少：Node 22+、npm、OpenAI API Key。步骤是 git clone 仓库，npm install，把 .env.example 复制成 .env，填上 OPENAI_API_KEY，再放一张自己的 PNG 参考照到 data/model-reference.png，然后 npm run dev，浏览器打开 localhost:5173。README 特意提醒：没配 API Key 和参考照之前，导入功能是禁用的。
这项目挑用户。优点有几个：数据都在本地，隐私上比把衣服照片传给第三方 App 放心；流程全自动，识别、抠图、生成上身图一条龙搞定；Codex 技能的设计让不熟悉网页操作的人也能用。缺点也不少：第一，得自己准备 OpenAI API Key，默认配置用 gpt-5.4-mini 做视觉识别、gpt-image-2 出图，质量档选 high，按次计费，批量导入几十件衣服的话，账单会明显增加。第二，国内用户直连 OpenAI API 有网络问题，得自己找能访问的渠道。第三，抠图质量看照片拍得怎么样，逆光、衣服叠压、褶皱多的图，AI 切出来的边缘可能不干净。第四，它是个要自己跑起来的本地服务，别指望装好即用的成品 App，不懂 npm 的人很可能第一步就卡住。第五，项目还比较新，功能边界和模型适配都还在磨合。
如果你手上已经有 OpenAI 的 Key，也愿意在本地折腾环境，Wardrobe 可以跑起来试试，给衣柜做数字化这件事，手动做一遍就知道 AI 抠图省了多少功夫。如果只是好奇“AI 能不能整理衣柜”，先看看 README 里的截图再决定，别为了它专门去开一个 API 账号，那成本比这个工具本身还高。
常见问题
Wardrobe 开源工具整理衣柜需要花钱吗？
Wardrobe 本身是免费的 MIT 开源项目，但需要自备 OpenAI API Key。它默认用 gpt-5.4-mini 做视觉识别，用 gpt-image-2 生成模特图，都是按次计费。按官方配置，处理一张照片并生成高质量图片会产生费用，批量整理几十件衣服的话，账单会是一笔看得见的开销。
Wardrobe 怎么安装和配置环境？
安装需要 Node.js 22+ 和 npm。具体步骤：克隆 GitHub 仓库（tandpfun/wardrobe），运行 `npm install` 装依赖，复制 `.env.example` 为 `.env` 并填上你的 OpenAI API Key，最后把一张个人正面 PNG 参考照放到 `data/model-reference.png`。缺了 API Key 或参考照，导入功能就用不了。
Wardrobe 抠图识别衣服的准确率高吗？
识别准不准，很看拍摄质量。OpenAI 模型对平铺或悬挂的清晰照片识别得比较好。但如果衣物堆得太乱、褶皱太多、背景复杂或者光线不好，AI 切出来的衣服边缘可能不干净，需要手动审核和重新生成。建议拍照时尽量让衣服平展、背景简单。
Wardrobe 和普通衣柜管理 App 有什么区别？
主要区别在数据本地化和 AI 驱动。Wardrobe 的所有数据（原始照片、任务记录、生成图）都存在本地 `data/` 目录，隐私性更强。它靠 OpenAI 模型实现全自动识别、抠图和生成虚拟上身图，而大多数 App 需要你手动上传和标记每件单品。
国内无法访问 OpenAI 能用 Wardrobe 吗？
直接使用有障碍。Wardrobe 必须调用 OpenAI 的 Responses API 和 Images API，国内用户需要自己解决网络访问问题，比如找可用的 API 中转服务。这是用这个工具的一个主要技术门槛，项目本身不提供替代方案。
Wardrobe 这个工具是免费的吗？
Wardrobe 本身是免费的 MIT 开源项目，但需要自备 OpenAI API Key。它默认使用 gpt-5.4-mini 做视觉识别和 gpt-image-2 生成模特图，都是按次计费。批量整理几十件衣服会产生一笔看得见的费用。
Wardrobe 开源项目在哪里下载？
Wardrobe 的源代码仓库在 GitHub，地址是 tandpfun/wardrobe。你需要使用 git 命令克隆这个仓库到本地，然后按照 README 的步骤进行安装和配置。
运行 Wardrobe 需要什么配置？
运行 Wardrobe 需要 Node.js 22+ 和 npm 环境。此外，你必须拥有一个 OpenAI API Key，并准备一张个人正面 PNG 参考照（放在 data/model-reference.png）。缺少其中任何一项，导入功能都无法使用。
