Виртуальная примерочная VK: из лабораторного эксперимента в продукт для 79 миллионов пользователей

1. Вводная задача от заказчика, проблематика, цели

VK — крупнейшая по числу пользователей российская технологическая компания. Продукты и сервисы VK помогают миллионам людей решать повседневные задачи онлайн: ими пользуются больше 95% аудитории рунета.

Технологии VTO активно развиваются: появляются новые подходы и концепты. Прототипы на презентациях впечатляют, но в реальности всё ломается об долгую генерацию, артефакты и искажения поз.

Бизнес-задача VK была конкретной, команда видела в VTO возможность дать брендам принципиально новый инструмент продвижения, а пользователям — новый опыт взаимодействия с модой.

Но «виртуальная примерочная» и «виртуальная примерочная внутри ВКонтакте для массовой аудитории» — это разные продукты с разными требованиями. Перед нами стояло четыре задачи:

Создать mini-app внутри экосистемы VK — не внешний сервис, а нативный продукт платформы

Обеспечить генерацию за секунды, а не за минуты — иначе пользователь уйдёт быстрее, чем успеет примерить

Добиться реалистичного результата на любом теле, позе и освещении — не только на «подготовленных» студийных снимках

Дать брендам работающий инструмент для продвижения коллекций — с аналитикой, каталогом и органическим охватом

Так появилась виртуальная примерочная VK — mini-app ВКонтакте, где любой пользователь может сфотографироваться или загрузить изображение, примерить одежду 20+ российских брендов, комбинировать образы и делиться ими в соцсетях.

1 секунда — и ты видишь себя в новом образе.

Без очередей и примерочных.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

Любое технологически сложное решение начинается с правильного вопроса. Наш вопрос был не в том «как сделать виртуальную примерку», а «что происходит в тот момент, когда человек нажимает кнопку "Примерить"».

Именно эта секунда стала центром всего продукта. Либо пользователь получает магию — либо закрывает приложение навсегда.

Этот эмоциональный момент определил все технические и продуктовые решения.

Этап 1. R&D: почему рынок VTO не работает

Прежде чем писать код, мы потратили время на то, чтобы понять, почему существующие решения проваливаются при масштабировании. Провели исследование SOTA-решений в области компьютерного зрения, протестировали более пяти гипотез реализации и собрали черновой прототип для валидации технологии.

Вывод был однозначным: готовые коробочные API не дадут нужного качества. Нужен собственный пайплайн на базе диффузионной модели с fine-tuning на собственном сбалансированном датасете.

Этап 2. Главный барьер: 5 минут → 1 секунда

Когда первая рабочая версия была готова, генерация одного образа занимала пять минут. Это был технически корректный результат — и абсолютно неприемлемый продуктовый. Пользователь соцсети не будет ждать пять минут. Он не будет ждать даже одну.

Мы полностью пересмотрели архитектуру запросов и оптимизировали работу нейросети. Результат: задержка сократилась в 300 раз — с пяти минут до одной секунды. Без потери качества генерации. Этот этап стал ключевым: именно здесь технология превратилась в продукт.

Этап 3. Архитектура: девять микросервисов под одной кнопкой

За внешней простотой интерфейса скрывается сложная распределённая система из девяти независимых микросервисов: orchestrator, preprocessor, human parser, mask generator, latent encoder, diffuser, launcher, keypoint detector, prompt & image embedder. Каждый решает узкую задачу — вместе они обеспечивают точную обработку тела, правильное наложение одежды и финальный реалистичный результат.

Отдельно разработаны раздельные модели для верха и низа одежды — это позволяет корректно обрабатывать разные категории изделий без деградации качества.

Этап 4. Mini-app внутри ВКонтакте

Технологию упаковали в нативный интерфейс платформы: frontend на React, механика «умной» примерки с выбором категории (верх/низ), сменой вещей в пару тапов и мгновенным наложением на фото пользователя. Добавили систему фильтров для быстрого поиска по каталогу.

Асинхронная обработка через Kafka обеспечивает стабильную работу при высоких нагрузках. Backend построен на Python + Django.

Этап 5. Инструменты для брендов

Чтобы проект жил и развивался, бренды должны легко добавлять свои коллекции. Разработали удобную админ-панель, внедрили автоматический импорт товаров через парсинг фидов и настроили инструменты модерации каталога. Для крупных партнёров — отдельные «Бренд-зоны» с эксклюзивным пространством внутри приложения.

Этап 6. Виральность как продуктовая механика

Технология работает на охваты — это было заложено в архитектуру с самого начала. Реализовали шеринг результатов: сгенерированный образ публикуется на стене или в историях в один клик. Пользователи сами становятся каналом распространения — и именно это обеспечило органические охваты в миллионах.

3. Результаты сотрудничества

Виртуальная примерочная VK стала первым в России жизнеспособным VTO-продуктом в масштабе реальной пользовательской аудитории. Не демо, не исследование, не PoC — именно продукт, которым пользуются каждый день.

Ключевые показатели :

• 155 000 запусков mini-app;
• 100 000+ уникальных пользователей;
• 40 000+ успешных генераций;
• 1 секунда на обработку (ускорение х300);
• 8,8 млн органических охватов брендов;
• 30+ fashion-брендов-партнёров.

4. Заключение

За цифрами — реальные пользовательские сценарии, которых раньше не существовало. Житель Екатеринбурга за две минуты перебирает пять пар джинсов. Девушка из Новосибирска примеряет худи московского бренда, не выходя из дома. Мама подбирает подарок дочери и впервые попадает в размер с первой попытки.

Каждая такая генерация — реальный опыт взаимодействия с брендом.