騰訊開源換裝模型 HY-WU：即時生成 LoRA，逼近 Nano Banana

HY-WU 是騰訊開源的一個影像編輯框架，專門用來做高保真換裝、虛擬試穿和風格遷移。

輸入一張人物底圖，再給它一張或幾張參考圖，它就能把參考圖裡的衣服、配飾甚至玩偶身上的穿搭無縫換到底圖人物身上，同時保持原本的臉、姿勢和背景完全不變。

它的核心機制：把引數當成臨時記憶

傳統的換裝或者影像編輯，要麼需要為了某套衣服專門微調一個 LoRA，耗時費力；要麼直接把參考圖當作影像條件塞給模型，細節經常對不準或糊成一團。

HY-WU 的解法很聰明。它把參考圖和文本提示詞一起編碼，在模型前向推理的瞬間，即時生成一個微型 LoRA 介面卡，直接注入到底層大模型裡。

說白了，它不需要在測試階段做任何耗時的微調訓練，而是把針對這套衣服的理解即時變成了模型的一部分。這種被稱為「功能性神經記憶」的設計，既保留了底座原有的生成能力，又能極高精度地還原服裝的紋理和剪裁。

除了常規的真人服裝互換，它還支援跨領域的穿搭融合，比如把手辦公仔身上的衣服穿到真人身上，以及高保真的人臉 ID 遷移。

效果逼近頂流，但視訊記憶體門檻極高

在勝率對比上，HY-WU 大幅超越了主流開源編輯模型，比如 Qwen ImageEdit、Long Cat ImageEdit 和 Flux 2，在人工偏好測試中甚至常常壓過閉源的 Cream 4.5 與 GPT Image 1.5。

目前只有頂級的商業閉源模型 Nano Banana 2 和 Nano Banana Pro 還能以 52.4% 和 53.8% 的微弱優勢領先它，兩者差距非常小。

不過想在本地跑起來，代價相當大。HY-WU 基於 80B 引數（啟用 13B）的 HunyuanImage-3.0-Instruct 底座開發，配合自身 8B 的引數生成模組，推理至少需要 4 張 80GB 視訊記憶體或 8 張 40GB 視訊記憶體的顯示卡。

騰訊目前已經在 GitHub 開源了完整的推理程式碼、權重和 Gradio 介面。針對個人開發者視訊記憶體吃不消的問題，官方後續計劃推出更輕量的蒸餾版 checkpoint。

為什麼重要

電商試衣、虛擬模特和影視概念設計團隊現在就可以去 GitHub 扒程式碼了。過去想要這種級別的換裝一致性，只能依賴昂貴的商業閉源 API，或者花幾個小時單獨訓練 LoRA，HY-WU 證明了用即時引數生成取代即時微調完全可行。

不過對絕大多數獨立開發者和普通玩家來說，4 張 80GB 視訊記憶體的高門檻直接把本地體驗堵死了。在輕量化蒸餾模型正式放出來之前，它更像是一份面向算力充裕的企業和科研團隊的重磅開源參考答案。