Meta 又悄悄上线了一款独立 AI 应用。这次叫 Style Sketch，做的是穿搭——不是生成一张漂亮衣服图，而是用你衣柜里已有的衣物搭出新组合。
它怎么工作
- 衣橱构建有两路：一路关联 Instagram，从你发过的照片里提取服装信息自动生成虚拟衣橱；一路手动添加，支持现场拍照、录短视频、上传相册图片。
- 搭配推荐：基于衣橱内已有单品结合风格偏好组合方案。也支持“以某件单品为起点”反向延展——选中一件衣服，让它围绕这件生成多套搭配。这个交互比随机推荐实用得多，因为人常常是“今天就想穿这件”。
- 虚拟试穿：把搭配渲染到“与自身身形、肤色匹配的写实虚拟模特”身上。不是给你本人换装，而是生成一个体型接近的替身。
- 出行规划：输入目的地、天数、活动安排，结合天气预报输出按天划分的穿搭计划。
为什么Meta要做这个
穿搭类应用不是新赛道。Alta 这类初创产品已经做了几年，谷歌相册也能把衣物照片整理成数字衣橱。Meta 的差异化在于 Instagram 的存量数据——用户在那里留下了大量能反映真实穿衣风格、生活场景的照片，这是任何新应用都拿不到的冷启动素材。
这也是 Meta 近期密集推独立应用的逻辑之一：扎克伯格曾对员工表示，AI 提升了开发效率，新品上线的速度和门槛大幅降低，公司计划推出比以往多得多的应用。Waddle World（AI 电子宠物）、Pocket（氛围编程做游戏）、Vibes（快速生成 AI 视频）都是同一个策略下的产物。
现实门槛
- 地区限制：目前只在印度尼西亚、新加坡、泰国上线，iOS 与安卓都有，其他地区没有时间表。
- 识别精度是命门：从生活照里准确分割出衣服并归类，比生成一张新图难得多。复杂图案、叠穿、配饰遮挡都是失败高发区。
- 虚拟模特的“像我”程度：身形肤色匹配听起来好，但生成结果的真实感决定用户是否信任搭配建议。这一环节做不好，整个产品就退化成“随机搭配生成器”。
- 隐私：授权读取社交照片构建衣橱，这个数据边界需要用户自己权衡。
对图像生成赛道的意义
Style Sketch 代表了一类趋势：AI 图像生成从“生成新奇画面”转向“处理用户已有的真实资产”。后者技术上更难（要分割、要识别、要保持一致性），但商业价值更明确——它解决的是真实决策问题，而不是提供一次性娱乐。
同类能力可以对比 Ideogram Vector 1.0 在可控生成上的思路；国内图像工具可以看 即梦AI 的产品形态。更多图像类工具在 AI绘画分类。
值不值得期待
如果它开放到更多地区，最该试的是两件事：衣橱识别准不准、虚拟试穿像不像。这两项过关，它就是有用的日常工具；不过关，就只是一个社交平台的附加玩法。对国内用户来说，短期内更现实的选择还是本土的图像与试穿类应用。