Meta 悄悄上线 Style Sketch：用你衣柜里的衣服让 AI 搭配、试穿、打包

一分钟速览

• Meta 悄悄上线 AI 时尚应用 Style Sketch，主打”用你已有的衣服搭配造型”。
• 可连接 Instagram，用已发布的照片自动生成虚拟衣橱，也支持拍照、录短视频或从相册上传单品。
• 搭配结果可以穿在”与用户体型、肤色匹配的写实模特”身上试穿。
• 支持出行打包：输入目的地、天数和活动安排，生成逐日穿搭计划，并参考天气预报与行程。
• 目前仅在新加坡、印尼、泰国上线 iOS 与 Android，Meta 未回应是否扩大范围。

它想解决的不是”买什么”，是”穿什么”

时尚类 AI 应用大多在做同一件事：推荐你买。Style Sketch 反过来了，它从你已有的衣柜出发。

这个转向很聪明。推荐购买要面对退货率、尺码、库存和品牌合作，链条长、责任重；而”用现有衣服搭出今天这身”是纯粹的个人问题，用户不需要被说服，只需要被解决。每天早上站在衣柜前发呆的那三分钟，是一个真实、高频、且没人认真做过的场景。

具体做法是：连接 Instagram，用你发过的照片自动建立虚拟衣橱；也可以手动补录，拍照、录一段短视频、或者从相册里挑图。系统随后给出基于你衣柜的搭配建议，并允许指定某一件单品，围绕它重做整套造型。想看看上身效果，可以交给一个”与你的体型和肤色匹配的写实模特”来试穿。

另一块功能是出行。输入目的地、旅行天数和计划中的活动，应用会结合天气预报与行程，排出逐日穿搭表。这个功能看着像附加项，实际上是留存的关键——旅行是少数几个用户真的愿意花时间规划穿搭的场景。

为什么是 Meta，为什么是这三个国家

市面上已经有一批做数字衣橱的公司，比如 Alta；谷歌相册也提供了把衣服照片变成数字衣柜、再生成搭配的工具。单看功能，Style Sketch 没有发明新东西。

Meta 的底牌在 Instagram。用户在 Instagram 上积累了多年的穿搭记录，那是一个现成的、带时间线的、反映真实审美的数据集。别的应用要用户从零拍几百张衣服照片，Meta 只需要一个授权。TechCrunch 的判断也类似：Meta 在这场竞争里靠的不是创意的新鲜度，而是与 Instagram 的深度绑定。

首发选择新加坡、印尼、泰国也很有讲究。这三个市场电商与社交电商活跃，气候常年炎热，穿搭以轻薄单品为主，衣橱规模小、组合逻辑简单，模型更容易做出让用户满意的结果。相比之下，四季分明、正装与休闲并存的欧美市场，搭配的复杂度要高出一个量级。

值得注意的是，这款应用是”悄悄”上线的。没有发布会，没有博客，最先发现它的是社交媒体顾问 Matt Navarra。Meta 拒绝就此事回应，也未说明是否会扩大范围。

一批小应用背后的大转向

Style Sketch 不是孤例。近几个月 Meta 连续推出一批 AI 应用：Waddle World 像是一个带 AI 的电子宠物，Pocket 用来”氛围编程”做小游戏，Vibes 主打快速生成 AI 视频。

据报道，扎克伯格曾对员工表示，公司计划发布比历史上多得多的应用，因为 AI 带来的效率提升让开发与上线变得更快更容易。这句话翻译过来就是：试错成本下降了，所以可以广撒网。

这个策略和过去几年大厂的打法很不一样。以往一个新产品要经过长期论证、资源倾斜、大张旗鼓发布；现在的模式是小团队、小范围、快速上线、看数据说话。Style Sketch 只在三个国家上架、Meta 一言不发，就是典型的”先扔出去看看”。

代价是产品体验的粗糙会被用户直接看到。一个连官方说明都没有的应用，一旦在试穿效果、衣橱识别准确率上出问题，口碑传播会比发布会更快。Meta 显然愿意承担这个风险，因为它赌的是量：一百个小应用里跑出一个，就够了。

时尚 AI 真正的难题在最后一厘米

把所有功能拆完，你会发现这类产品最难的从来不是推荐算法，而是”像不像”。

虚拟试穿的效果取决于三件事：衣服的版型还原、人体的形态还原、以及两者之间的物理关系。前两项靠图像模型可以做得不错，第三项——布料怎么垂、肩线落在哪里、腰身会不会勒——目前仍然是生成模型的弱项。用户对”不像自己”的容忍度极低，一次失败的试穿就足以让人卸载。

另一个隐性问题是个性化的边界。搭配建议如果太保守，用户觉得没意思；太激进，用户觉得不像自己。这个尺度无法用统一参数解决，只能靠交互慢慢校准。而 Meta 目前给出的交互，还只有”选一件单品重新搭配”这一种。

不过从战略上看，这款应用的价值可能不在它自己。衣橱数据、体型数据、审美偏好，这些是社交平台一直想要但很难拿到的信号。Style Sketch 是不是能成，不好说；它收集到的东西，对 Meta 的广告与推荐体系意味着什么，答案要清楚得多。