证件照换装-证件照制作并换装

简介: 证件照换装基于AI人像分割与融合技术,支持一键更换白衬衫、正装等合规服装,保持面部/光线/姿态不变。适用于考试报名、求职简历等场景。提供规格查询(免费)、预览(带水印)和下载(无水印)三类API,操作便捷高效。

前言

证件照换装,依托AI图像生成、人像分割、图像融合技术,证件照换装可以在不重新拍摄的前提下,自动识别照片中的人像与原有服装,替换为符合规范的服装模板,同时保持面部特征、光线和姿态不变。让一张证件照通过换装,适配多种正式场景的着装规范。

证件照换装应用场景如下:
1.线上报名考试(公考、教资、各类资格证)
各类考试报名对证件照服装有要求,用户已有照片,可一键更换白衬衫、深色正装,快速生成符合报名要求的照片,省去重新到照相馆拍摄的麻烦。
2.求职简历证件照制作
求职者一键切换商务正装,制作简历、招聘平台头像证件照,快速多版本对比,打造正式形象,节约拍照费用。

API介绍

证件照换装包括三个API,分别为:规格查询-免费、预览-带水印-免费、下载-无水印

证件照换装 (1).jpeg
证件照换装.png

规格查询-免费

查询证件照规格,支持按规格编号、分类和名称关键词筛选。不传筛选条件时返回全部规格,多个条件同时传入时共同生效。

请求说明

名称 类型 必须 说明
productCode String 是 产品编号,固定值:id_photo_quick_clothe_v2
specId String 否 规格编号,规格编号,按完整编号筛选;不传则不限制。
categoryId Integer 否 分类:1 常用寸照、2 职业资格、3 公务员、4 学历/语言考试、5 回执专区、6 职业形象照;不传则不限制。
keyword String 否 关键词,规格名称关键词,模糊匹配;不传则不限制。

返回样例

{
   
  "code": 200, // 返回码,详见 code 返回码说明
  "msg": "成功", // 结果说明
  "taskNo": "202609030000000000000001", // 本次请求号
  "data": {
    // 返回数据
    "list": [ // 规格列表;无匹配时为空数组
      {
   
        "specId": "C1", // 规格编号,用于检测及制作或快速换装
        "name": "一寸", // 规格名称
        "widthPx": 295, // 宽度,像素
        "heightPx": 413, // 高度,像素
        "widthMm": 25, // 宽度,毫米
        "heightMm": 35, // 高度,毫米
        "dpi": 300, // 打印分辨率
        "requirement": "无要求", // 照片文件大小要求
        "colors": "blue,white,red,tint,grey,gradient,dark_blue,sky_blue", // 可选背景颜色,英文逗号分隔;bgColor 只能选择其中一个值
        "categoryId": 1, // 分类编号
        "categoryName": "常用寸照" // 分类名称
      }
    ],
    "count": 1 // 本次筛选后的规格数量
  }
}

预览-带水印-免费

上传人像照片,并按指定规格、背景颜色、服装制作证件照,返回带水印的证件照。

请求说明

名称 类型 必须 说明
productCode String 是 产品编号,固定值:id_photo_quick_clothe_v2
specId String 是 规格编号,规格Id。通过证件照规格查询 查询的 specId ,例如 C1、G2。
bgColor String 是 背景颜色,只能选择规格中 colors 中的一种颜色,例如 blue;
clotheCode String 是 服装编号,区分大小写,取值及图片见 服装编号说明。
file File 否 图片文件,file、base64、url 至少传一个;图片最大 2 MB,上传时使用 multipart/form-data;同时传入时优先级为 base64 > file > url。
base64 String 否 图片Base64,file、base64、url 至少传一个;解码后的图片最大 2 MB;同时传入时优先级为 base64 > file > url。
url String 否 图片地址,file、base64、url 至少传一个;须为可访问且带图片扩展名的人像图片地址,图片最大 2 MB;同时传入时优先级为 base64 > file > url。

返回样例

{
   
  "code": 200, // 返回码,详见 code 返回码说明
  "msg": "成功", // 结果说明
  "taskNo": "202609030000000000000001", // 本次请求号
  "data": {
    // 返回数据
    "photoId": "example_photo_id", // 照片编号
    "url": "https://example.com/d10/id-photo-v3/202609/03/xxxxx.jpeg" // 带水印图片地址,请及时下载保存;此处仅为结构示例
  }
}

下载-无水印

上传人像照片,并按指定规格、背景颜色、服装制作无水印证件照。

请求说明

名称 类型 必须 说明
productCode String 是 产品编号,固定值:id_photo_quick_clothe_v2
specId String 是 规格编号,规格Id。通过证件照规格查询 查询的 specId ,例如 C1、G2。
bgColor String 是 背景颜色,只能选择规格中 colors 中的一种颜色,例如 blue;
clotheCode String 是 服装编号,区分大小写,取值及图片见 服装编号说明。
file File 否 图片文件,file、base64、url 至少传一个;图片最大 2 MB,上传时使用 multipart/form-data;同时传入时优先级为 base64 > file > url。
base64 String 否 图片Base64,file、base64、url 至少传一个;解码后的图片最大 2 MB;同时传入时优先级为 base64 > file > url。
url String 否 图片地址,file、base64、url 至少传一个;须为可访问且带图片扩展名的人像图片地址,图片最大 2 MB;同时传入时优先级为 base64 > file > url。

返回样例

{
   
  "code": 200, // 返回码,详见 code 返回码说明
  "msg": "成功", // 结果说明
  "taskNo": "202609030000000000000001", // 本次请求号
  "data": {
    // 返回数据
    "photoId": "example_photo_id", // 照片编号
    "url": "https://example.com/d10/id-photo-v3/202609/03/xxxxx.jpeg" // 处理后的图片地址,请及时下载保存;此处仅为结构示例
  }
}
相关文章
|
23天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9365 30
|
9天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
8天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
638 1
|
21天前
|
人工智能 测试技术 API
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
Jev是TypeSafe AI推出的“系统一模型”,不生成文本,专做毫秒级结构化决策:Choice(多选)、Score(打分)、Noul(是非概率)。响应快193倍、成本低444倍,适合工单路由、内容审核、测试定级等高频判断场景。
2476 4
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
|
4天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
413 0
|
3天前
|
存储 缓存 测试技术
QWT 3D 模块重构记:旧渲染管线改进介绍及实时瀑布图示例
QWT 3D模块完成重大重构:解耦窗口与图形(Plot+Item),摒弃OpenGL 1.x固定管线,迁至Core Profile着色器渲染;支持多图元同场景叠加,并以实时3D瀑布图验证——滑动窗口、固定色域、64帧×256点达61fps。兼容Qt 5.12+/6,LGPL协议。
157 120
|
15天前
|
Windows
【保姆级】.NET Framework 3.5离线安装教程(2026最新实测)
.NET Framework 3.5是微软经典运行库,专为兼容老软件、老游戏设计。Win7自带,Win10/11需手动启用(在线或离线安装)。它与4.x系列并存不冲突,缺它会导致“找不到组件”报错。本文详解两种安装方式及常见问题解决,小白也能轻松上手。(239字)
1874 0
|
10天前
|
人工智能 Linux Windows
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面
千问办公(QwenWork)是阿里云推出的AI智能办公平台,支持网页端直接使用及Windows/Mac/Linux客户端下载。提供PPT生成、财报分析、网页搭建等AI功能,个人版免费,企业版198元/席/月。详情见官网qwenwork.cn或阿里云产品页。
1194 0
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面