Google Photos 虚拟衣橱登陆 iOS，但使用条件仍有细则

Google Photos 虚拟衣橱已扩展至 Android 和 iOS。在 6 月首次登陆 Android 后，这项功能现已面向三个国家的符合条件用户推出。它能将个人照片中的服装整理成有序收藏，用于搭配造型并生成虚拟试穿预览。

这次更广泛的发布，将 1995 年电影《Clueless》中的幻想带入了一款主流照片应用。不过，真正重要的变化并不只是 Google 复刻了 Cher Horowitz 的电脑衣橱。Google Photos 正将私密照片档案转化为有关照片主人外貌和衣物的结构化、可复用信息。

此次更广泛的推出覆盖美国、巴西和印度。不过，Google 的支持文档仍列出了资格要求，可能限制实际可使用该功能的人群。

这种张力定义了此次发布。Google 希望 Wardrobe 像照片整理功能的便捷延伸；但用户仍需权衡，它带来的实用价值是否足以让系统更深入地分析自己的外貌、衣物和照片历史。

Google Photos 虚拟衣橱将回忆变成清单

Wardrobe 让 Google Photos 从存放图片的地方，转变为识别并重新整理个人生活物品的系统。

用户可在 Google Photos 的 Collections 区域中请求应用创建衣橱。随后，Google 会分析符合条件的照片、识别其中的服装，并将单件服饰呈现在互动式收藏中。

这一过程比通过搜索查询寻找图片更进一步。搜索会返回符合请求的图片，而 Wardrobe 会从这些图片中提取物件，并赋予每件物品新的整理角色。

一件在旅行期间拍到的衬衫，可能会作为独立的衣橱条目再次出现。一条旧合照中可见的半身裙，也可能成为新的穿搭看板的一部分。原始照片仍是回忆，但衣物已成为可复用的数据。

Google 表示，用户可以浏览所有识别到的物品，也可按上衣、下装、半身裙和珠宝等类别筛选。用户还可以按服装最近出现在照片中的时间排序。

随后，该功能从整理目录转向组合搭配。用户可以将单品组合成穿搭、把这些组合保存到情绪看板，并与朋友分享。

可能的看板包括工作着装、夏季婚礼或即将到来的旅行。这使 Wardrobe 不只是自动生成的相册，因为它支持围绕未来场景进行规划。

虚拟试穿功能会生成用户穿着所选组合的预览。用户可以保存或分享生成的媒体内容；若首次结果未呈现预期效果，也可请求重新生成。

Google 的初始预览在夏季推出前介绍了这一流程。它将 Wardrobe 定位为对“衣柜很满却没衣服穿”这一熟悉困扰的回应。

实际价值取决于识别质量。如果系统将不同服装合并、遗漏较早的单品，或收录用户已不再拥有的衣物，这个收藏的可信度就会下降。

照片语境也会带来模糊性。用户图库中的某件衣物，可能是借来的、租来的、已经归还的，或者只穿过一次；它也可能属于站在附近的其他人。

因此，Wardrobe 构建的是推断出的衣橱，而非经核实的库存。用户必须审查 AI 找到的内容，并判断这些数字化物品是否仍代表自己实际拥有的衣物。

这一限制并不会消除其效用。即使收藏并不完美，也能提醒用户重新关注被忽略的衣物，并减少手动拍摄每件单品的需要。

该产品的核心押注是，多年来随手拍下的照片已包含足够的视觉证据，能够建立实用的个人数据库。Google 只需要获得许可，并运用足够强大的模型来重新组织这些信息。

iOS 扩展让 Android 实验变成平台布局

加入 iPhone 和 iPad 支持意义重大，因为 Wardrobe 现在争夺的是跨移动平台的用户习惯，而不只是 Android 内部的注意力。

Google 于 2026 年 4 月 29 日公布衣橱概念，并计划先在 Android 推出、之后再登陆 iOS。该公司在 6 月启动了首轮 Android 推出。

6 月 Android 功能更新将 Wardrobe 与其他个性化、搜索和安全功能一同推出。这种安排使其成为 Google 更广泛 Android 体验的一部分，而非独立的时尚应用。

9 月的扩展改变了这一定位。Google Photos 现在可以向默认使用 Apple Photos 的用户提供相同的衣橱工作流程。

这些用户无需更换 iPhone 硬件；他们需要做的是在 Google Photos 中保留足够多的个人图片，并满足 Google 的其他资格条件。

这也让产品竞争压力更加清晰。Apple 控制着 iOS 上默认的照片图库，但 Google 可以借助叠加在已存储媒体之上的专业智能能力展开竞争。

传统照片服务主要在备份、编辑、分享、搜索和回忆功能上竞争。Wardrobe 则带来了另一场较量：哪项服务能将照片档案转化为最实用的个人物品收藏？

Google 多年来一直在训练 Photos 识别人脸、地点和主体。衣橱功能将这种能力从检索延伸到个人规划。

这一举措还将 Photos 与 Google 更广泛的视觉商业能力联系起来。Google 此前已构建过搜索完整穿搭及生成服装预览的系统。

不过，Wardrobe 的起点是用户已经穿过的衣物。这一区别很重要，因为该功能最初关注的是重新发现和重新组合，而不是寻找另一件可购买的商品。

Google 向 TechCrunch 表示，有关用户穿衣方式或所穿衣物的信息不会与零售商等第三方共享。这一保证在个人衣橱整理与广告或购物整合之间划出了一条界线。

这条界线值得关注，因为 Google 显然拥有进入时尚发现领域的渠道。Circle to Search 可以从图像中识别产品，而 Google Shopping 已支持虚拟服装体验。

这些相邻服务带来了战略上的可能性，但并不能证明 Wardrobe 会向它们输送数据。当前产品应根据其已记录的实际行为评判，而非假设性的整合。

不过，将衣橱智能置于大型照片平台中，也提高了小型衣橱应用面临的竞争压力。许多专业应用要求用户逐件拍摄、裁剪、标记并分类服装。

Google 可以通过挖掘已有图库来降低这一设置门槛。它的优势来自历史数据和分发能力，而不仅仅是一张新生成的试穿图像。

专业应用可以通过更完善的库存控制、穿搭日历、打包工具、二手转售连接或更强的隐私保障来应对。它们也可以支持从未出现在个人照片中的服装。

Apple 面临的是不同的选择：将衣橱整理交给第三方开发者、深化 Photos 中的物体识别能力，或推出自己的结构化收藏功能。

下一步的竞争回应将显示，虚拟衣橱是否正成为照片图库的标准功能。如果竞争对手将 Wardrobe 视为新奇功能，Google 将有更多时间定义这一品类。

Google Photos Wardrobe 如何构建穿搭

该系统结合了三种机制：视觉提取、结构化整理和生成式呈现。

第一种机制是在照片中识别服装。Google 表示，Wardrobe 会扫描过去四年中所选用户的照片，并提取相关物品。

这一阶段依赖 Face Groups，即 Google Photos 用于将似乎包含同一人物的图像归类的功能。用户必须启用 Face Groups，并标明分组人脸中哪一位是自己。

这一要求有助于缩小分析范围。没有它，应用可能更难将用户的衣物与朋友、亲属或陌生人穿着的服装区分开来。

物件提取仍涉及判断。系统必须将服装与背景区分开来，分离彼此重叠的单品，并识别外观相似的物品是否实际属于同一件衣服。

第二种机制是将这些识别结果转化为可浏览的收藏。分类和按时间排序，让输出结果更像库存清单而非相册。

这种结构能够支持普通照片浏览难以处理的问题。用户无需记住每张照片的拍摄时间，或哪次活动中出现过某件特定衬衫，也能查看所有上衣。

第三种机制生成新的视觉输出。用户将单件服装组合后，虚拟试穿功能会生成他们穿着该套搭配的形象。

Google 多年来一直在开发生成式服装可视化技术。其早期试穿模型使用扩散模型，这是一种将视觉噪声逐步转化为连贯图像的生成方法。

此前的购物系统专注于展示不同体型和姿势模特身上的服装。Wardrobe 则将这一更广泛的理念应用于用户自己的衣物和个人图片。

生成预览不应被视为精确的合身模拟。面料重量、剪裁、衣物状态、光线和身体动作，都可能影响服装在生成图像之外的实际效果。

即使结果在视觉上很有说服力，也可能无法反映腰部是否舒适，或两种材质是否真的协调。Wardrobe 可以辅助选择，但无法替代亲自穿上衣服。

将该产品理解为拥有个性化输入的视觉情绪看板或许更恰当。它最强的用途，可能是在用户打开衣柜或收拾行李前缩小选择范围。

Google 还允许用户保存生成结果和穿搭组合。根据其支持指南，保存的组合和虚拟试穿结果会计入用户的 Google 存储空间。

这一细节让试验成为存储空间问题。反复生成可能会创建新的媒体内容，而不只是临时预览。

这一机制也揭示了为什么 Google Photos 是该功能的自然归宿。该应用已具备这一流程所需的源图像、身份分组、存储空间、分享控制和创作工具。

独立衣橱服务必须要求用户提供这些输入。Google 则可以从许多 Photos 用户已经在使用的系统中将其整合起来。

这种便利是产品的主要优势，但也是其主要风险。降低设置门槛的同一套整合，也要求用户接受对敏感个人照片档案进行又一层推断。

细则让“广泛可用”的说法更为复杂

Wardrobe 已在两大移动平台广泛推出，但 Google 自己的资格规则意味着它并非所有人都能使用。

Google 当前的资格规则称，用户必须位于美国、巴西或印度，还需要拥有符合当地年龄要求的合资格 Google Account。

用户必须开启 Face Groups 并选择自己的面孔。Android 用户需要使用 Android 10 或更高版本。

最显著的门槛与照片库规模有关。Google 表示，非订阅用户需要拥有超过 1,000 张自己的照片，而 Google AI Pro 和 Ultra 订阅用户可免除此要求。

这一条件更有利于那些已在 Google Photos 中积累了大量且整理良好的个人影像记录的人。照片库较小的新用户无法立刻获得同样的体验。

它还可能以更细微的方式影响结果。很少拍摄全身穿搭的人或许能达到数量门槛，却无法为服装提取提供足够好的素材。

经常自拍的用户可能拥有大量符合条件的图片，但这些照片或许只呈现上衣和配饰。全身照较少的用户反而可能拥有更多衣物，但这些衣物仍对系统不可见。

Google 的帮助页面还表示，该功能将在未来数月向 AI 订阅用户及其他受选用户逐步推出。与此同时，9 月的公告则更广泛地描述了其将在受支持的平台和市场提供服务。

如果全面发布仍以账户为单位逐步推进，这两种说法可以同时成立。不过，用户不应假设安装最新版应用后便能立即使用。

应用内通知才是更实际的信号。符合条件的账户应会在 Wardrobe 可用时收到通知。

与发布时间相比，隐私带来的问题更为重要。面孔分组和衣橱提取涉及对高度个人化影像的分析。

服装可能间接揭示职业、宗教、爱好、健康状况、旅行经历、正式活动及消费偏好。一份衣橱数据库可能暴露出任何单张照片都无法明显呈现的规律。

Google 表示，服装和穿搭信息不会与零售商等第三方共享。这一表态回应了一项可以理解的担忧，但用户仍需要清楚了解数据处理方式及控制权。

关键问题包括：推断得出的衣橱数据存储在哪里、保留多久，以及关闭 Face Groups 后会发生什么。用户还需要有明确的方法来修正错误物品，并删除不需要的检测结果。

该公司的公开资料对如何建立和使用这一收藏的解释，比对其数据生命周期各阶段的说明更清晰。这种不平衡在面向消费者的 AI 产品发布中很常见。

生成的预览图还带来另一项不确定性。虚拟试穿模型可能生成不真实的比例、改变服装细节，或再现与身体及外在呈现有关的社会偏见。

计划穿搭的用户可能能够容忍轻微的视觉误差。使用输出结果评判自身外貌的人，则可能更切身地感受到这些不准确之处。

Google 在产品资料中将生成式 AI 描述为实验性功能。尤其当结果看起来如同照片般逼真时，这一标签应在体验中保持显眼。

合适的标准并不是每张生成图片是否都看起来精致，而是用户是否理解它只是一种估算、能否拒绝错误，以及是否保有对底层数据的实质控制权。

Google 正在让照片档案变得可操作

Wardrobe 展示了消费级 AI 如何从回答有关存储媒体的问题，转向利用这些媒体创造新工具。

长期以来，照片应用一直按日期、地点和识别出的主体对图片进行分组。较新的 AI 搜索系统则让用户可以用自然语言描述图片或事件。

Wardrobe 更进一步：它提取一类物体，并将其转化为持久化界面。该产品不会等待用户搜索某张特定的度假照片。

相反，它会创建一个新收藏，其中的物品可被筛选、重新组合，并用于生成。这代表产品从档案检索转向档案转化的重要变化。

Google Photos 可以将这一模式复制到其他个人物品上，尽管 Google 尚未公布这类扩展。照片库中可能包含书籍、家具、食谱、工具或兴趣装备的线索。

衣橱这一用例尤其合适，因为服装经常出现在个人照片中。它也为用户组合已检测物品提供了明确理由。

这种转变迫使照片服务重新说明自身角色。被动档案强调保存，而 AI 工作空间强调推断与行动。

这种差异会改变用户预期。人们或许欢迎帮助寻找一张旧照片，但当软件建立自己物品的详细模型时，可能会犹豫。

因此，同意授权需要足够具体。开启备份不应悄然变成对未来每一种分析型收藏的许可。

Wardrobe 看起来是一项由用户主动创建的功能，并且必须启用 Face Groups。这些步骤提供了有益的阻力，因为它们让分析过程更加可见。

这一体验也应让修订变得轻松。值得信赖的个人收藏需要提供删除物品、修正类别、拆分重复项，以及识别已不再拥有衣物的工具。

当输出结果用于支持决策时，准确性变得更加重要。错误的搜索结果令人烦恼，但错误的衣橱可能会持续破坏应用内的穿搭规划。

该功能的实用性还将取决于用户持续添加照片后，它能否保持井然有序。一次性扫描可以引起最初的兴趣，而可靠的更新才能形成持久的使用行为。

Google 必须决定用户希望实现多少自动化。持续检测很方便，但手动批准可让用户更有力地控制哪些内容进入收藏。

最成功的设计很可能会融合这两种方式。AI 可以推荐物品和类别，用户则确认所有权并移除错误匹配。

这种平衡决定了它是可持续的个人工具，还是短暂的 AI 演示。生成式预览能吸引注意力，但准确的库存管理才决定用户是否会回来。

三个信号将揭示虚拟衣橱能否长久存在

下一项考验不是又一次精致的演示，而是 Wardrobe 能否变得准确、值得信赖，并在日常中真正有用。

第一个信号是它能否在首批三个市场以外真正落地。扩展将表明 Google 可以处理不同的账户规则、语言、服装类别和隐私预期。

在更多地区发布将强化 Wardrobe 正成为 Google Photos 标准功能的判断。若长期局限于三个国家，则表明该功能仍是一项受控实验。

第二个信号是 Google 是否会缩小或取消订阅用户与非订阅用户之间的资格差距。目前，1,000 张照片的门槛决定了没有符合条件订阅的用户能否试用该功能。

降低这一门槛将扩大受众范围，并检验 Wardrobe 是否适用于较小的照片库。若维持该限制，则可能说明模型需要广泛的视觉历史才能产出有用结果。

第三个信号是竞品照片和衣橱应用如何回应。Apple 推出原生物品收藏功能将验证 Google 的方向，而专业应用可能会强调精确性和隐私。

用户行为将比功能对标更重要。保存穿搭、反复试穿、修正检测结果以及再次访问，都会表明虚拟衣橱解决了一个反复出现的问题。

Google Photos 的虚拟衣橱带着一个引人注目的优势而来：原始素材已经存在于数百万人的个人档案中。它面临的挑战，是在不让用户觉得自己的记忆变成不透明画像的前提下，将这些素材转化为值得信赖的组织方式。

如果你收到 Wardrobe 通知，请先检查提取出的收藏，再生成穿搭。看看应用是否能区分相似服装、排除他人的衣物，并准确呈现你目前仍拥有的物品。然后测试一套你熟悉、且已了解真实外观的穿搭。这样的比较会比一个精致的宣传示例揭示更多问题。

更大的问题值得关注：你希望照片库只是记住发生过什么，还是主动构建组成你生活的那些事物的模型？