Benutzerhandbuch
E-Commerce-Produktbilder mit gpt-image-2.5-sunburst/image-to-image über die HiAPI-API generieren
Referenzbilder, Hintergrundaustausch, Lifestyle-Szenen und eine funktionierende HiAPI-Anfrage
Auf dieser Seite
Warum sich Image-to-Image für E-Commerce-Produktfotos eignet
Text-to-Image ist gut darin, Produkte zu erschaffen, die es gar nicht gibt, und genau das brauchen Katalogteams fast nie. Du hast bereits das physische Produkt, die Verpackung, das Etikett und die Farbpalette – was fehlt, sind Zeit und Budget, um jeden SKU mit jedem Hintergrund und jeder Lifestyle-Szene zu fotografieren.
gpt-image-2.5-sunburst/image-to-image nutzt ein vorhandenes Foto als Anker und wendet Bearbeitungsanweisungen darauf an. Das verändert die Kostenstruktur von Produktbildern in mehreren konkreten Punkten:
- Treue zum realen Produkt. Das Eingabebild trägt Form, Material, Farbe und Etikettlayout in sich. Die Aufgabe des Modells ist es, diese Merkmale zu bewahren, während es ändert, was du zu ändern verlangst, statt ein annäherndes Produkt neu zu erfinden.
- Günstigere Iteration. Ein neuer Hintergrund oder eine neue Szene ist eine Änderung am Prompt, keine Studio-Buchung. Du kannst an einem Nachmittag mehrere Lifestyle-Richtungen für denselben SKU testen und die Gewinner-Variante behalten.
- Konsistenz über das gesamte Material. Da jede Ausgabe von einem vergleichbaren Originalfoto stammt, behält eine Charge von Bearbeitungen eine ähnliche Anmutung, was bei komplett neuen Generierungen selten gelingt.
Wann du es einsetzen solltest – und wann nicht
Wähle Image-to-Image, wenn das Produkt selbst feststeht und die Umgebung variabel ist: Hintergründe für E-Commerce-Plattform-Listings ersetzen, Lifestyle-Szenen für Anzeigen und Landingpages erstellen, saisonale Umgestaltung oder Lokalisierung von Requisiten. Es ist auch ein vernünftiges Werkzeug, um ein brauchbares, aber nicht perfektes Foto aufzuwerten.
Verwende es nicht, wenn du ein Konzept erzeugen willst, das nie existiert hat, wenn das Ausgangsfoto unbrauchbar ist (stark unscharf, Produkt überwiegend verdeckt) oder wenn du Etikettentext mit druckgenauer Präzision exakt wiedergeben musst. In diesen Fällen schlägt ein Neudreh oder Vektormaterial jedes Modell.
Ein praktisches Raster: Betrachte das Ausgangsfoto als Tatsachengrundlage und den Prompt als klar abgegrenzte Anweisung. Jede Bearbeitungsanweisung, die du schreibst, sollte diese Frage beantworten: „Was will ich behalten, was will ich ändern?“ Wenn die Anfrage dies unklar lässt, bricht die Qualität ein.
Der Endpunkt, den du aufrufst, ist derselbe, der auf der Modellseite beschrieben wird; der Rest dieses Leitfadens handelt davon, ihn gut zu versorgen.
Referenzbilder vorbereiten, die eine Bearbeitung überstehen
Das Modell kann nur bewahren, was es sieht. Die meisten enttäuschenden Produktbearbeitungen lassen sich auf das Eingabefoto zurückführen, nicht auf den Prompt. Gehe das Ausgangsbild vor dem Versenden mit einer kurzen Checkliste durch.
Auflösung und Schärfe
Sende die größte und sauberste Version, die du bekommen kannst. Herunterskalierte Thumbnails verlieren die feinen Strukturen, die das Modell bewahren muss – Nähte, Texturen, kleine Schriftgrade. Wenn das Bild weich ist oder Bewegungsunschärfe aufweist, korrigiere es zuerst oder fotografiere neu; ein Schärfefilter in der Vorverarbeitung hilft selten und kann Halos erzeugen, die das Modell anschließend verstärkt.
Komposition und Freiraum
Lass Freiraum um die Produktkanten. Wenn der Gegenstand den Bildrand berührt, hat das Modell keinen Platz, einen neuen Hintergrund aufzubauen, und schneidet oder verzerrt das Motiv oft. Einzelaufnahmen mit klarem Rand rundum lassen sich deutlich zuverlässiger bearbeiten als eng beschnittene Bilder und geben dir Raum, das Produkt in der neuen Szene neu zu positionieren.
Motivtrennung
Du brauchst keine pixelgenaue Freistellung, aber eine saubere Trennung zwischen Produkt und Hintergrund erledigt den Großteil der Arbeit. Ein gleichmäßiger, detailarmer Hintergrund (Nahtlos-Papier, neutraler Verlauf, einfarbige Wand) reicht aus. Ein unruhiger Hintergrund konkurriert mit deinen Anweisungen und sickert in das Ergebnis durch.
Beleuchtung und Perspektive
Fotografiere oder wähle ein Ausgangsbild, dessen Lichtrichtung du beibehalten willst, denn die Bearbeitung versucht, sich daran anzupassen. Ein von links vorne beleuchtetes Produkt möchte auch in der neuen Szene ein Hauptlicht von links vorne. Halte zudem den Kamerawinkel pro Kategorie konsistent – Draufsicht-Flatlays und Dreiviertel-Hauptansichten wirken innerhalb derselben Produktlinie nie stimmig zusammen.
Etiketten, Logos und Text
Wenn das Produkt Text trägt, den Kunden lesen müssen, vergewissere dich, dass er im Ausgangsbild klar lesbar ist. Das Modell versucht sein Bestes, aber kleiner oder schräger Text degradiert zuerst. Für regulierte oder markenkritische Texte plane einen manuellen Prüfschritt ein und erwäge, die texttragende Seite zur Kamera auszurichten.
Ein Hinweis zur Stapelverarbeitung
Wenn du mehrere SKUs vorbereitest, standardisiere sie: gleiches Beschnittverhältnis, gleicher Freiraum, gleicher Hintergrundton. Der Aufwand, den du in dieser Phase investierst, spiegelt sich direkt in der Konsistenz der Ausgaben wider und ermöglicht es, Prompts sicher über die gesamte Kategorie hinweg wiederzuverwenden.
Den Produkthintergrund sauber ersetzen
Der Hintergrundaustausch ist die häufigste E-Commerce-Bearbeitung und zugleich die Stelle, an der Prompts am nachlässigsten geschrieben werden. „Neuer Hintergrund“ ist keine Anweisung – nur ein Wunschdenken. Das Modell muss wissen, wie der neue Raum aussieht und wie das Produkt darin platziert werden soll.
Beschreibe den Raum, nicht nur mit einem Wort
Gib Oberfläche, Hintergrund und Licht an. „Produkt auf einer matten weißen Fläche vor einem weichen Verlaufshintergrund, großflächiges diffuses Hauptlicht von links oben, weicher Kontaktschatten unter dem Produkt“ gibt dem Modell eine Szene, die es aufbauen kann. „Weißer Hintergrund“ lässt ihm freie Hand zum Raten.
Formuliere ausdrücklich eine Erhaltungsklausel für das Produkt
Jeder Hintergrund-Prompt sollte eine Erhaltungsklausel tragen: Form, Proportionen, Farbe, Material und Etikettentext des Produkts unverändert lassen. Das kostet fast nichts zu schreiben, reduziert aber die Drift deutlich, besonders bei Objekten mit markanter Silhouette.
Kanten und Schatten schützen
Saubere Freistellungen entstehen aus Prompts, die Kontakt und Schattierung erwähnen. Verlange einen natürlichen Kontaktschatten dort, wo Produkt und Oberfläche aufeinandertreffen, und verlange, dass die Kanten vor dem neuen Hintergrund scharf bleiben. Wenn du einen dunklen Hintergrund durch einen hellen ersetzt, rechne damit, dass das Modell Hilfe beim Kantenlicht braucht – beschreibe die Beleuchtung der Produktkanten passend zur neuen Umgebung.
Passe das Licht dem Produkt an
Wenn das Ausgangsbild mit einer einzigen Softbox aufgenommen wurde, verlange kein dramatisches Hardlight-Studio-Setup. Unpassendes Licht ist der offensichtliche Fehler bei zusammengesetzten Produktlistings. Beschreibe Licht, das für das Ausgangsbild plausibel ist, und variiere stattdessen Hintergrundfarben und Oberflächentexturen, um visuelle Vielfalt zu erzielen.
Plattformbeschränkungen
Wenn die Zielplattform einen rein weißen oder einfarbigen Hintergrund verlangt, sage das ausdrücklich und verlange keine Requisiten und keine sichtbaren Flächenfugen. Wenn das Ziel ein Brand-Store ist, hast du mehr Freiheit – Verläufe, feine Texturen und eine passende Bodenebene sind möglich.
Iteriere jeweils nur mit einer Variable
Ändere zuerst den Hintergrund, bestätige, dass das Produkt gut erhalten bleibt, und passe dann Schatten oder Beleuchtung an. Wenn du in einem Prompt mehrere Dinge gleichzeitig änderst, kannst du nicht feststellen, welche Anweisung das Scheitern verursacht hat – und jede fehlgeschlagene Anfrage kostet dich trotzdem die Ausgabekosten.
Das Produkt in eine Lifestyle-Szene setzen
Lifestyle-Szenen sind der Bereich, in dem Image-to-Image seinen Wert entfaltet: Das Produkt bleibt als es selbst erkennbar, während sich die Welt um es herum verändert. Die Kunst liegt in Proportion, Licht und Plausibilität.
Verankere die Szene mit wenigen konkreten Details
Ein Szenen-Prompt braucht genug Spezifität, um die Komposition zu begrenzen, ohne jedes Pixel vorzugeben. Gib die Umgebung, die Fläche, auf der das Produkt steht, ein bis zwei unterstützende Requisiten und die Lichtqualität an. „Auf einer Arbeitsplatte aus gealterter Eiche in einer Küche, Morgenlicht von einem Fenster auf der rechten Seite, im Hintergrund unscharf eine Keramiktasse und gefaltetes Leinen“ ist machbar. Eine lange Requisitenliste ist es nicht – sie konkurriert mit dem Produkt um die Aufmerksamkeit des Modells.
Die Proportionen richtig hinbekommen
Gib die realen Größenverhältnisse des Produkts an, denn das Modell hat kein Lineal. Eine hohe Flasche und ein kleiner Lippenstift wirken jeweils allein plausibel, zusammen aber absurd. Wenn du eine Oberfläche und einen erkennbaren Bezugspunkt (eine Hand, ein Standardbecher, ein Regalbrett) erwähnst, bekommen die Proportionen eine Grundlage.
Passe zuerst das Licht des Ausgangsbildes an, dann die Szene
Du löst gleichzeitig zwei Lichtprobleme: die bereits vorhandene Schattierung des Produkts und die Beleuchtung der neuen Umgebung. Wenn das Ausgangsbild gleichmäßig diffuses Licht hat, wähle eine Szene mit weichem Tageslicht statt einer starken Sonnenuntergangs-Konturbeleuchtung. Schreibe die Lichtrichtung ausdrücklich und erkläre, dass die Beleuchtung des Produkts zur Szene passen soll. Wenn beide kollidieren, bekommst du entweder ein neu beleuchtetes Produkt, das nicht mehr zu den anderen Aufnahmen passt, oder einen aufgeklebt wirkenden Effekt.
Halte das Produkt scharf und die Szene nebensächlich
Gib an, dass das Produkt das scharfe Hauptmotiv ist und die Umgebung leicht unscharf. Diese eine Anweisung steigert den Realismus mehr als jede Requisitenliste und hindert das Modell daran, im Hintergrund auffällige Details zu erfinden.
Variiere die Szene, nicht das Produkt
Für Kategorieseiten halten du das Szenentemplate konstant und variierst zwischen den SKUs nur ein Element – Jahreszeit, Oberfläche, Requisite. Eine geteilte Szenen-Grammatik lässt eine Gruppe von Lifestyle-Bildern wie dieselbe Marketingkampagne wirken statt wie eine Collage aus Stockfotos.

Eine funktionierende HiAPI-Image-to-Image-Anfrage
Alles läuft über einen authentifizierungspflichtigen Endpunkt, daher bleibt die Anfragestruktur unverändert, egal was du bearbeitest. Die Kernpunkte sind die Modell-ID, das Ausgangsbild und der Prompt.
Anfrage
curl -X POST "https://api.hiapi.ai/v1/images/edits" \
-H "Authorization: Bearer $HIAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-image-2.5-sunburst/image-to-image",
"image": "https://your-cdn.example.com/products/sku-1042-source.jpg",
"prompt": "Form, Proportionen, Farbe, Material und Etikettentext des Produkts unverändert lassen. Den Hintergrund durch eine matte warmgraue Fläche mit weichem Verlaufshintergrund ersetzen, großflächiges diffuses Hauptlicht von links oben, natürlicher Kontaktschatten unter dem Produkt, scharfe Produktkanten, Produkt bleibt das scharfe Hauptmotiv.",
"size": "1024x1024",
"n": 1
}'
Das Feld image akzeptiert eine gehostete URL oder, wenn dein Material nicht öffentlich erreichbar ist, eine Base64-Datenlast – Base64 hält unveröffentlichte SKUs aus einem öffentlichen CDN heraus. Halte n während der Iteration bei 1; mehrere Kandidaten vervielfachen die Kosten und erschweren es dir, Qualitätsänderungen einer bestimmten Prompt-Änderung zuzuordnen.
Die Antwort interpretieren
Die API gibt einen JSON-Body mit einem data-Array zurück; jedes Element enthält das Ergebnisbild (je nach Kontoeinstellung als Base64 oder URL). Prüfe den Erstellungs-Zeitstempel in der Antwort sowie alle darin enthaltenen Nutzungsfelder und protokolliere sie zusammen mit der Anfrage-ID, um sie später abzugleichen.
Ein minimaler Python-Aufruf sieht so aus:
import os, requests
resp = requests.post(
"https://api.hiapi.ai/v1/images/edits",
headers={"Authorization": f"Bearer {os.environ['HIAPI_API_KEY']}"},
json={
"model": "gpt-image-2.5-sunburst/image-to-image",
"image": source_url,
"prompt": prompt,
"size": "1024x1024",
"n": 1,
},
timeout=180,
)
resp.raise_for_status()
item = resp.json()["data"][0]
Praktische Hinweise zur Anbindung
- Speichere den Prompt zusammen mit jeder Ausgabe. Wochen später lässt sich ein Gewinner-Bild nur reproduzieren, wenn der exakte Prompt und das Ausgangsbild erhalten geblieben sind.
- Behandle Übertragungsfehler getrennt von Modellfehlern. Timeouts und 5xx-Antworten sind wiederholbar; Anfragen, die wegen nicht unterstützter Größen abgelehnt werden, sind es nicht.
- Lade Ausgaben sofort herunter und persistiere sie, statt dich auf temporäre URLs zu verlassen.
- Lege den Modell-String in der Konfiguration ab statt verstreut im Code, damit ein künftiger Modellwechsel nur eine Zeile erfordert.
Die Endpunktreferenz und die unterstützten Parameter findest du auf der Modellseite; dort wird die Abrechnung nach Ausgabe gemessen, daher ist die Reduzierung fehlgeschlagener Iterationen der wichtigste Hebel zur Kostenkontrolle.

Fehler beheben und Ausgaben konsistent halten
Selbst mit guten Eingaben und sorgfältig formulierten Prompts scheitern Produktbearbeitungen auf erkennbare Weise. Jedes Fehlermuster hat eine Standardlösung.
Drift der Produktform
Symptom: Die Silhouette verändert sich leicht – Griffe werden dicker, Verjüngungen gerader. Ursache: Der Prompt beschreibt die Szene mehr als das Produkt, daher interpretiert das Modell das Motiv neu. Lösung: Setze die Erhaltungsklausel an den Anfang, benenne die Form ausdrücklich und vereinfache die Szenenbeschreibung. Wenn die Drift anhält, ist die Komposition des Ausgangsbildes wahrscheinlich zu eng.
Etikettentext verloren oder verfälscht
Symptom: Der Markenname wird zu plausibel aussehenden Kauderwelsch-Symbolen. Ursache: Der Text im Ausgangsbild ist zu klein, schräg oder kontrastarm. Lösung: Beginne mit einem schärferen, frontaler ausgerichteten Ausgangsbild; gib an, dass Etikettentext und Logo unverändert und klar lesbar bleiben; vermeide aufwendige Hintergrunddetails hinter dem Etikettbereich. Bei regulierten Texten ist ohnehin eine manuelle Prüfung einzuplanen.
Uneinheitliche Komposition im gesamten Material
Symptom: Jedes Bild in der Kategorie hat ein anderes Verhältnis und einen anderen Winkel. Ursache: Inkonsistente Beschnitte der Ausgangsbilder und Prompt-von-Bild-zu-Bild-Änderungen. Lösung: Vereinheitliche vor der Bearbeitung den Freiraum der Ausgangsbilder und den Kamerawinkel und verwende in einer Charge ein Prompt-Template, bei dem nur die Szenenvariable wechselt.
Kantenhalos und schwebende Produkte
Symptom: Ein heller Rand um das Produkt oder ein schattenloses Objekt, das aufgeklebt wirkt. Ursache: Unpassendes Licht zwischen Ausgangsbild und angeforderter Szene. Lösung: Verlange ausdrücklich einen natürlichen Kontaktschatten, gib die Lichtrichtung an und wähle eine Umgebung, deren Beleuchtung zur Aufnahme des Ausgangsbildes passt.
Überbearbeiteter Plastik-Look
Symptom: Texturen werden glattgebügelt, Stoff wirkt zu sauber. Ursache: Der Prompt verlangt „poliert“ oder „professionell“ ohne Einschränkung der Retusche. Lösung: Verlange, dass ursprüngliche Texturen, Materialkörnung und Gebrauchsspuren erhalten bleiben.
Allgemeine Regel
Ändere pro Iteration nur eine Variable, führe in jedem Prompt eine Erhaltungsklausel mit und halte die Standards für die Ausgangsfotos fest. Wenn eine Ausgabe scheitert, frage zuerst, ob das Eingabefoto gut genug ist – meistens lautet die Antwort nein.
Bildbearbeitung in den Katalog-Workflow integrieren
Eine funktionierende einzelne Anfrage ist noch keine Pipeline. Um daraus eine Ausgabe in Kataloggröße zu machen, kommt es vor allem auf Engineering-Disziplin rund um den Modellaufruf an.
Eingaben bei der Erfassung standardisieren
Baue einen kleinen Vorverarbeitungsschritt: auf ein Standardverhältnis zuschneiden, festen Freiraum hinzufügen und Ausgangsbilder mit niedriger Auflösung oder Unschärfe markieren, bevor sie die API erreichen. Ein Vorab-Check, der schlechte Eingaben ablehnt, spart mehr Kosten als jede Prompt-Optimierung.
Nach Templates stapeln, nicht nach SKU
Teile Produkte in Kategorien ein und gib jeder Kategorie ein bis zwei Prompt-Templates. Führe Stapel aus und sieh dir anschließend die Thumbnail-Übersicht nach Template an. Ein Template ändern und die Kategorie neu laufen zu lassen ist viel billiger, als Prompts einzeln von Hand zu schreiben, und hält die visuelle Grammatik konsistent.
Prüfung in zwei Runden
Die erste Runde ist eine schnelle Vorauswahl: Sieht das Produkt noch wie es selbst aus? Ist der Text lesbar? Sind die Kanten sauber? Die zweite Runde ist eine Designprüfung nach Markenrichtlinien. Automatisiere mechanische Prüfungen so weit wie möglich – Bild-Hashing gegen das Ausgangsbild zur Erkennung starker Drift sowie Auflösungs- und Formatvalidierung der Lieferobjekte.
Herkunftsinformationen beifügen
Speichere Ausgangsbild, Prompt, Modell-ID und Zeitstempel zusammen mit jeder Ausgabe. Wenn ein Produktmanager fragt, warum ein bestimmtes Hauptbild anders aussieht, sollte die Antwort ein Vergleich zweier Prompt-Datensätze sein, keine Untersuchung.
Schrittweise ausrollen
Beginne mit dem Hintergrundaustausch, der Bearbeitung mit dem geringsten Risiko, und wechsle erst zu Lifestyle-Szenen, wenn die Templates stabil sind. Rolle zuerst in einer Kategorie aus, dann im gesamten Katalog, und behalte die Fähigkeit, jeden einzelnen Eintrag auf Abruf neu zu generieren.
Wisse, wo das Modell aufhört
Eine Pipeline ersetzt weder den Fotografen für Flaggschiff-SKUs noch die rechtliche Prüfung von Produktaussagen. Betrachte generierte Bearbeitungen als eine Produktionsebene und reserviere das Studio-Budget für die Bilder, bei denen Wiedergabetreue das zentrale Verkaufsargument ist.
Wenn du bereit bist, es mit deinem eigenen Katalog zu testen, ist die oben beschriebene Anfragestruktur alles, was du brauchst, um mit gpt-image-2.5-sunburst/image-to-image auf HiAPI zu starten.
Ähnliche Artikel
Alle Artikel ansehen →-
Benutzerhandbuch
Tripo H3.1 Einstiegsleitfaden: Drei Eingabewege, Parameter und Preiswahl
Praktische Entscheidungsfindung und Kostenkontrolle bei der 3D-Generierungsintegration für Entwickler
-
Benutzerhandbuch
E-Commerce-Produktbilder mit qwen-image-2.1-turbo über die HiAPI-API generieren
Ein schneller Katalog-Visual-Workflow für Entwickler: transparente PNG-Ausgaben und lauffähige API-Anfragen
-
Benutzerhandbuch
Verwendung von topaz-upscale/video über die HiAPI-API: Arbeitsablauf zur Qualitätsverbesserung von Kurzvideos
Frame-Interpolation, Verbesserungseinstellungen und eine funktionsfähige HiAPI-Anfrage für vertikale Videos