把相簿變成 AI 衣櫥：Wardrobe 是什麼？GPT-5.6 Sol 與 gpt-image 穿搭實驗介紹

你手機裡可能已經有整個衣櫥的照片，只是它們散落在旅遊照、自拍與日常合照裡，沒有人真的把它們整理成「我有哪些衣服」。

開發者 Thijs Simonian 做了一個很有意思的實驗：他讓 GPT-5.6 Sol 讀取自己的相簿，找出照片裡出現過的衣服，再請 AI 重新搭配，最後用 gpt-image 把新穿搭渲染到自己身上。這段 47 秒的展示影片在 X 公開後，截至 2026 年 7 月 16 日已累積約 597 萬次觀看。

他後來把成果整理成 Wardrobe 開源專案。它真正有意思的地方，不只是「AI 幫你配衣服」，而是把相簿裡原本沒有結構的照片，轉換成一套可搜尋、可修改，也能繼續交給 AI 使用的個人衣物資料庫。

Wardrobe 是什麼？

Wardrobe 是一個在自己電腦上執行的開源 AI 衣櫥工具。你可以放入單件衣物照，也可以直接提供穿著多件衣服的生活照，系統會嘗試辨識照片裡的每件衣物，將它們分成上衣、外套、下身、配件與鞋子，再建立個人的數位衣櫥。

這裡的「開源」代表程式碼公開，使用者可以查看、修改與自行執行。專案採用 MIT License；「local-first」則是資料優先存放在使用者自己的電腦，而不是先建立在一個外部雲端帳號裡。

不過，local-first 不等於完全離線。Wardrobe 仍會把需要分析或生成的影像送往 OpenAI API。API 是讓本機程式呼叫 OpenAI 模型的介面，因此照片檔案雖然保留在本機資料夾，模型處理本身仍會經過雲端服務。

誰做了這個專案？

Wardrobe 的作者是 Thijs Simonian，GitHub 帳號為 tandpfun，X 帳號則是 @cdngdev。他的個人網站將自己介紹為 Stanford 學生、全端開發者與 maker，目前從事 OpenAI 的 robotics 工作，過去也曾參與 LMArena、a16z 與 Discord 等團隊或專案。

Thijs 原本是在回應 Sam Altman 徵集 GPT-5.6 Sol 作品的貼文。他把相簿交給模型處理，先找出自己實際擁有的衣服，再把這些衣服組成新的穿搭。這個題目之所以吸引人，是因為它不是憑空生成一套不存在的服裝，而是嘗試讓 AI 理解「我已經有什麼」。

Wardrobe 怎麼把照片變成數位衣櫥？

1. 從照片找出每一件衣物

使用者拖曳、貼上或選擇照片後，Wardrobe 會透過 OpenAI Responses API 分析畫面。專案目前預設使用 gpt-5.4-mini 辨識照片中的衣物，回傳衣物名稱、分類、顏色、標籤與位置。

這也說明一個容易混淆的地方：原始展示是 Thijs 使用 GPT-5.6 Sol 完成的實驗，但公開 GitHub 版本為了執行效率，把日常衣物辨識的預設模型設為較小的 gpt-5.4-mini。GPT-5.6 Sol 是負責複雜推理與工具操作的旗艦模型；公開版則把不同工作拆給更適合的模型處理。

2. 把穿在身上的衣服拆成乾淨單品

找到衣物後，系統會用 gpt-image-2 重建單件服裝圖，再去除背景。gpt-image-2 是 OpenAI 的圖片生成與編輯模型，這裡不是只拿來「畫新圖」，而是依照原始照片保留衣服的顏色、版型、圖案與細節，建立接近商品目錄的單品圖。

這一步仍可能出錯。Logo、文字、口袋、拉鍊或被身體遮住的區域，都有可能被 AI 改寫。因此 Wardrobe 沒有直接把結果當成正確答案，而是保留人工審核、重新生成、修改名稱、分類、顏色與標籤的流程。

3. 用自己的衣服生成新穿搭

完成衣物資料庫後，使用者可以透過專案內附的 Codex Skill 請 AI 組合穿搭。Codex Skill 可以理解成一套交給 AI Agent 執行的工作流程說明：它不只回覆文字建議，還會讀取本機衣物資料、選擇實際存在的單品、生成穿搭照，再檢查人物身分與衣物是否偏離參考圖。

公開專案內建兩個 Skill：

• import-clothes：從照片擷取衣物，建立乾淨單品圖與人物穿著預覽，再寫入本機衣物資料庫。
• generate-outfits：從已匯入的衣物中挑選組合，生成指定數量的完整穿搭與 lookbook。

這種設計比單次 Prompt 更容易重複使用。使用者下次加入新照片時，不必重新解釋分類規則、輸出路徑與檢查標準，AI 會沿用同一套流程。

Wardrobe 跟一般 AI 穿搭 App 有什麼不同？

多數 AI 穿搭服務從「上傳一張照片，產生一張結果」開始；Wardrobe 更接近一個可以持續累積的個人資料系統。

我的看法是，Wardrobe 現階段最有價值的不是成為另一個穿搭 App，而是示範「個人資料庫＋AI Agent」可以怎麼合作。AI 不只看一張照片給建議，而是先建立對使用者長期有效的資料，再基於這些資料完成後續任務。

安裝 Wardrobe 需要準備什麼？

Wardrobe 目前不是打開網頁就能直接用的消費型產品。使用者至少需要：

1. 一台能執行 Node.js 22 以上版本的電腦。
2. 一組 OpenAI API key，讓程式可以呼叫模型。
3. 一張自己的 PNG 參考照，供 AI 生成穿搭人物預覽。
4. 基本的終端機操作能力。

安裝指令如下：

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

接著要在 .env 加入自己的 OPENAI_API_KEY，並把人物參考照放到 data/model-reference.png。若缺少其中一項，匯入功能會保持停用。

我也實際下載公開程式碼並執行 npm run check，目前版本可以完成正式環境建置。不過，這只能證明專案可建置，不能代表所有照片都能穩定辨識，或生成結果一定忠於原始衣物。

使用前要注意哪些問題？

相簿與人物照片屬於高敏感資料

相簿不只包含衣服，也可能包含家人、朋友、住家環境、地點與其他個人資訊。即使專案把資料庫保留在本機，送進 Responses API 或 Images API 的影像仍會離開電腦。

OpenAI 的 API 資料預設不會用來訓練模型，但一般 API 專案的濫用監控紀錄最長可能保留 30 天；符合資格的組織才能另外申請 Zero Data Retention 等控制。對一般使用者來說，最實際的做法是先挑選專用資料夾，不要直接把整個未整理的相簿交給工具。

圖片生成不等於真實試穿

Wardrobe 產生的是 AI 合成預覽，不是量測身形後的服裝模擬。它可以提供搭配靈感，但不能保證尺寸、垂墜、材質、圖案與穿著效果完全正確。若要用來決定購買尺寸或正式造型，仍應以實際試穿為準。

API 會產生費用

衣物辨識、單品重建與人物穿搭圖都會呼叫 API。尤其高品質圖片生成需要多次嘗試時，成本會持續增加。公開專案沒有提供固定「整理一個衣櫥要多少錢」的答案，實際費用會受到照片數量、衣物數量、重生次數與模型價格影響。

它仍是早期專案

Wardrobe 在 2026 年 7 月 16 日才建立公開 GitHub repository，目前沒有正式 release。它比較像完成度不錯的開源原型，而不是已經承諾長期維護、跨裝置同步與客服支援的商業服務。

Wardrobe 值得用嗎？

如果你熟悉 Codex、Node.js 與 API，也願意先整理要交給模型的照片，Wardrobe 值得拿來做個人 AI 專案。程式碼公開、資料結構清楚、流程可修改，而且它把「看照片」推進到「建立可重複使用的個人資料庫」，這比單次生成一張穿搭圖更有延伸性。

但如果你只是想快速獲得明天的穿搭建議，目前並不值得為了它學完整套開發環境。安裝、API 費用、照片隱私與人工校對，都是一般使用者會直接感受到的成本。

我的結論是：Wardrobe 是一個值得關注的 AI Agent 範例，但還不是成熟的大眾穿搭產品。真正會改變這個判斷的條件，是它未來能否提供更簡單的安裝方式、可預估的生成成本、更細緻的照片權限，以及不必反覆修正衣物細節的穩定度。

Wardrobe 常見問題

Wardrobe 是免費的嗎？

程式碼採 MIT License，可以免費下載與修改；但使用 OpenAI API 仍會依模型與用量計費，因此完整使用不等於零成本。

一定要把整個相簿交給 AI 嗎？

不用。公開專案支援選擇、拖曳或貼上圖片。考量隱私，建議先建立只包含必要衣物照片的資料夾，再分批匯入。

Wardrobe 會把照片存在雲端嗎？

衣物資料庫、原圖、工作紀錄與生成檔案會保存在本機 data/ 目錄；但照片分析與圖片生成仍會傳送影像到 OpenAI API。它是 local-first，不是完全離線。

可以直接使用作者 X 貼文裡的影片嗎？

文章中最穩妥的做法是嵌入原始 X 貼文，保留作者、連結與互動資訊，不要下載後重新上傳。GitHub repository 內的介面圖片則隨專案以 MIT License 發布；使用時仍應保留來源與授權聲明，也不要把含有人像的素材改作廣告代言用途。

Wardrobe 支援哪些衣物？

目前資料分類包含上衣、外套、下身、配件與鞋子。實際辨識效果仍取決於照片清晰度、遮擋程度與衣物細節。

結語：AI 真正開始理解的，是「你已經擁有什麼」

Wardrobe 最值得注意的，不是 AI 能不能再生成一張好看的穿搭照，而是它把散落在相簿裡的個人資訊，整理成可以持續使用的資料結構。

這也可能是個人 AI 工具接下來更實際的方向：不只是每次回答一個問題，而是理解使用者已經擁有的東西、保留可編輯的記錄，再從這些資料完成新的任務。

現在的 Wardrobe 仍需要技術能力、API 預算與隱私判斷。不過，它已經把「AI 看懂我的相簿」從一句概念，做成能下載、能修改，也能繼續擴充的開源專案。

資料來源

• Thijs Simonian 的原始 X 貼文與展示影片
• Wardrobe GitHub repository
• Thijs Simonian 個人網站
• OpenAI：GPT-5.6 發布說明
• OpenAI API：GPT-5.4 mini model
• OpenAI API：GPT Image 2 model
• OpenAI API：Data controls