从接口设计来看，AI Skin Analysis 并不是一个“上传图片，然后返回一个肤质分数”的简单服务。

一次完整的肌肤分析通常包含几个步骤：准备输入图片、上传文件、创建分析任务、指定需要检测的肌肤问题、查询任务状态，最后读取分数和对应的图像结果。

玩美移动的 AI Skin Analysis API 采用异步任务机制。图片上传完成后，客户端创建 skin-analysis 任务，服务端返回 task_id。应用再通过这个 ID 查询任务状态，直到任务完成。

这种设计很常见于图像 AI 服务，因为推理时间不适合直接绑定在一次同步 HTTP 请求中。

AI 测肤对输入图片的要求比普通人脸检测更高。

原因很直接：毛孔、细纹、纹理等特征本身就属于细节信息。如果输入图像分辨率不足，后续分析的有效信息也会减少。

因此，在真正调用分析接口之前，应用通常需要先完成图片尺寸检查和预处理。

图片可以先通过 File API 上传，再使用返回的 file_id 创建分析任务。

dst_actions 决定这次任务分析什么

创建 Skin Analysis Task 时，一个比较关键的字段是 dst_actions。

它不是一个展示参数，而是直接决定这次 AI 任务需要运行哪些肌肤分析项目。

"dst_actions": ["wrinkle", "pore", "texture", "acne"]

这表示本次任务会分析皱纹、毛孔、纹理和痘痘。

完整的任务请求示例中，可以看到这些参数是如何组合在一起的：

 curl --request POST \ --url https://yce-api-01.makeupar.com/s2s/v2.0/task/skin-analysis \ --header 'Authorization: Bearer YOUR_API_KEY' \ --header 'Content-Type: application/json' \ --data '{ "src_file_id": "SaGaqpDgKwFrVBgMpQMA3HY0LeqdT9/13W5TOD8/u/FfjK3xgCQ+hRt9MJXBFaud", "dst_actions": ["hd_wrinklewrinkle", "hd_porepore", "hd_texturetexture", "hd_acneacne"], "miniserver_args": { "enable_mask_overlay": true, "enable_dark_background_hd_pore": true, "color_dark_background_hd_pore": "3D3D3D", "opacity_dark_background_hd_pore": 0.4 // Additional parameters omitted for brevity }, "format": "json" }'  

这里真正需要关注的字段不多。

src_file_id 指向已经上传的源图片。

miniserver_args 用于控制部分输出行为，例如是否生成 Mask Overlay。

从接口设计上看，Skin Analysis 并不是一个固定的“全量检测”。开发者可以根据业务需要选择具体的 Skin Concern。

AI Skin Analysis 的返回结果中会同时出现 ui_score 和 raw_score。

type 表示当前结果对应的分析项目，例如 texture。

raw_score 是分析产生的原始数值。

ui_score 是用于用户界面展示的分数。

mask_urls 则指向对应的检测结果图像。

在实际开发中，不建议把 raw_score 和 ui_score 当成同一个概念使用。

如果只是做前端测肤报告，通常会更关注 ui_score。如果需要保存更接近原始分析结果的数据，则可以单独处理 raw_score。

Detection Mask 解决的是“检测区域在哪里”

AI 测肤如果只返回一个数字，其实很难说明模型到底分析了图像中的哪个位置。

这也是 Detection Mask 存在的原因。

对于纹理、毛孔、痘痘等分析项目，API 可以返回对应的 Mask 图像。前端可以把 Mask 和原始图片叠加，用来显示检测区域。

这个参数与 Mask Overlay 的生成有关。

因此，一项 Skin Concern 的结果通常可以包含两类信息：

数值结果，用来描述分析程度；

Mask 结果，用来描述对应区域。

这两部分结合起来，才比较接近一个完整的 AI 肌肤分析结果。

AI Skin Analysis 文档对 SD 和 HD Skin Concern 做了明确区分。

如果一个请求同时包含 SD 和 HD 的 dst_actions，接口会直接返回参数错误：

{ "status": 400, "error": "cannot mix HD and SD dst_actions", "error_code": "InvalidParameters"}

因此，在应用侧生成请求参数时，需要提前确定本次任务属于 SD 还是 HD，而不是在一个任务中把两套分析项目混在一起。

这类校验最好放在服务端完成。

如果直接允许前端拼接 dst_actions，很容易产生无效组合。更稳妥的方式是由后端维护可用的分析项目列表，再根据业务场景生成请求。

HD Skin Analysis 和普通 SD 分析的区别，并不只是输入图片尺寸更大。

部分 HD Skin Concern 还包含更细的区域结果。

例如 HD 毛孔分析可以进一步区分：

HD wrinkle 也可以按不同面部位置返回分析结果，例如 forehead、glabellar、crowfeet、periocular、nasolabial 等区域。

对于前端来说，这意味着结果展示不一定只能是“全脸毛孔 82 分”这种单值结构。

如果接口返回了区域级结果，就可以进一步做局部展示，例如分别显示鼻部和脸颊的毛孔情况。

文件上传是一个容易被忽略的环节

从实际接入来看，File API 是比较容易出问题的一步。

调用 File API 获取上传 URL，并不代表图片已经上传成功。

应用还需要真正把文件 PUT 到返回的 URL，然后再使用对应的 file_id 创建 Skin Analysis Task。

如果文件没有上传完成就开始创建 AI 任务，后续请求可能失败。

因此，一个相对可靠的服务端流程通常是：

AI 测肤 API 是如何工作的：从图像输入到结构化肌肤分析结果

人工智能

云计算

开发工具

AISkinAnalysis API采用异步任务机制，需按流程完成图片上传、任务创建与状态查询。输入图片分辨率直接影响检测精度，SD需短边≥480px，HD需≥1080px。通过dst_actions参数可灵活指定分析项目，SD与HD不可混用。返回结果包含ui_score、raw_score及mask_urls，HD模式支持区域级细分结果。文件上传完整性是集成关键环节。

数据结构

2026上云采购 | AI焕新·智启新局

imagerecognition

人脸识别10万次资源包新用户19.9元起


facerecognition

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AISkinAnalysis API采用异步任务机制，需按流程完成图片上传、任务创建与状态查询。输入图片分辨率直接影响检测精度，SD需短边≥480px，HD需≥1080px。通过dst_actions参数可灵活指定分析项目，SD与HD不可混用。返回结果包含ui_score、raw_score及mask_urls，HD模...

AI 测肤 API 是如何工作的：从图像输入到结构化肌肤分析结果

AI 测肤 API 是如何工作的：从图像输入到结构化肌肤分析结果

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐