Grok Imagine Quality Bild-zu-Bild für E-Commerce-Produktbilder

Das erneute Fotografieren von Produkten für jeden neuen Katalogwinkel, jedes saisonale Banner oder jede Marktplatzvorlage ist langsam und teuer. grok-imagine-quality/image-to-image löst ein engeres, aber praktischeres Problem: Man gibt ihm ein sauberes Referenzfoto und einen Text-Prompt, und es platziert genau dieses Produkt – dieselbe Form, dieselbe Farbe, dieselben Proportionen – in eine neue Szene. Ein einziges Studiofoto wird zu Lifestyle-Aufnahmen, Flat-Lays und Anwendungsfotos, ohne ein zweites physisches Shooting.

Diese Anleitung führt durch einen echten E-Commerce-Workflow auf der hiapi API: ein Basisproduktfoto generieren, mit grok-imagine-quality/image-to-image drei Szenenverwandlungen darauf anwenden und dasselbe Muster im Batch auf einen gesamten Produktkatalog anwenden – mit lauffähigem Code und aktueller Preisgestaltung.

Voraussetzungen:

• Ein hiapi API-Schlüssel aus deinem Dashboard
• Python 3.9+ und requests (oder direkt curl)
• Dein Basisproduktbild muss auf einer öffentlichen URL gehostet werden – die Task-API ruft image_urls per URL ab, nicht per Upload

Warum Bild-zu-Bild statt eines zweiten Shootings

Ein Text-zu-Bild-Modell kann einen schönen Kaffeefilter erzeugen, aber es kann nicht deinen Kaffeefilter erzeugen – die exakte Silhouette, Glasurfarbe und Ausgussneigung, die Kunden bereits aus deinen Produktbildern kennen. grok-imagine-quality/image-to-image nimmt genau dieses Objekt als Referenz und rendert es in einer neuen Umgebung neu – das ist der Unterschied zwischen „einem Produktfoto“ und „einem Foto unseres Produkts“.

Das macht es geeignet für den wiederkehrenden Bedarf im E-Commerce: ein Hauptbild pro SKU, dann N Varianten (Lifestyle-Szenen, Flat-Lay, Anwendung, saisonaler Hintergrund) für Produktgalerien, Anzeigen und Marktplatz-Listings – ohne jedes Mal ein Fotostudio buchen zu müssen.

Workflow: ein Basisproduktfoto, drei Szenenbearbeitungen

Das Basisproduktfoto hier wurde mit gpt-image-2/text-to-image generiert ($0,03 pro Bild bei 1K) – jedes saubere, gut ausgeleuchtete Produktfoto eignet sich als Referenz, auch deine bereits vorhandenen echten Fotos:

Dieselbe Bild-URL wird dann in drei Aufrufen von grok-imagine-quality/image-to-image wiederverwendet, jeweils für eine Zielszene:

In allen drei Ergebnissen bleiben Proportionen, Glasurfarbe und Griff Form des Filters exakt gleich – nur die Umgebung ändert sich. Diese Konsistenz ist das gesamte Wertversprechen dafür, hier i2i statt separater t2i-Generierung für jede Szene zu verwenden, die dir drei unterschiedlich aussehende Produkte liefern würde.

Anfragestruktur und Preisgestaltung

grok-imagine-quality/image-to-image akzeptiert ein kleines und striktes Eingabeschema – zusätzliche Felder wie strength oder Seeds werden abgelehnt:

Feld	Erforderlich	Beschreibung
prompt	Ja	Beschreibt die neue Szene; weist das Modell ausdrücklich an, Form/Farbe/Proportionen des Referenzbildes beizubehalten
image_urls	Ja	1–3 öffentliche URLs. Bei Verwendung mehrerer Referenzbilder folgt das Ausgabebild der ersten URL
resolution	Nein	1k oder 2k (Kleinbuchstaben)
aspect_ratio	Nein	auto (Standard, folgt dem Eingabebild) oder festes Verhältnis wie 16:9, 1:1, 9:16

Preisgestaltung Stand 2026-08 (geprüft anhand der Preisseite von hiapi): grok-imagine-quality/image-to-image kostet $0,09 pro Bild bei 1K und $0,11 pro Bild bei 2K. Das Basis-Studiofoto mit gpt-image-2/text-to-image kostet $0,03 bei 1K. Ein 4-Bilder-Set wie oben – ein Basisfoto plus drei Szenenbearbeitungen – kostet insgesamt $0,30.

Code: Aufgaben einreichen und abfragen

Jede Generierung auf hiapi folgt demselben asynchronen Task-Lebenszyklus – einreichen, GET /v1/tasks/{id} abfragen, bis status success ist, dann sofort output[0].url herunterladen (URLs laufen ab). Der vollständige Vertrag steht in der Referenz zur asynchronen Task-API. Hier ein konkretes Beispiel für den i2i-Aufruf:

import requests
import time

API_BASE = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}

def edit_product_scene(base_image_url: str, prompt: str) -> str:
    payload = {
        "model": "grok-imagine-quality/image-to-image",
        "input": {
            "prompt": prompt,
            "image_urls": [base_image_url],
            "resolution": "1k",
        },
    }
    resp = requests.post(API_BASE, headers=HEADERS, json=payload, timeout=60)
    task_id = resp.json()["data"]["taskId"]

    while True:
        task = requests.get(f"{API_BASE}/{task_id}", headers=HEADERS, timeout=30).json()["data"]
        if task["status"] == "success":
            return task["output"][0]["url"]
        if task["status"] == "fail":
            raise RuntimeError(task.get("error"))
        time.sleep(5)

Die Konsistenz kommt tatsächlich vom Prompt – es gibt keinen strength- oder Referenzgewichtungsparameter, daher muss die Formulierung diese Rolle übernehmen:

Place this ceramic pour-over coffee dripper on a rustic wooden kitchen
countertop, warm morning sunlight streaming in from the left, a few
coffee beans scattered near the base, shallow depth of field, lifestyle
e-commerce photography, keep the dripper's shape, color and proportions
identical to the reference

Jener abschließende Teilsatz – „keep the shape, color and proportions identical to the reference“ (Form, Farbe und Proportionen identisch zur Referenz beibehalten) – erzeugte in Tests einen messbaren Unterschied. Lässt man ihn weg, behandelt das Modell die Referenz lockerer, zeichnet die Proportionen neu und mischt leicht generische Details ein.

Ein Hinweis: Erwarte keine exakte Pose-Kontrolle. Wenn bei Szenenaustausch „gleicher Winkel“ verlangt wird, wird das nicht strikt eingehalten – die Ausrichtung des Objekts wird oft natürlich an die neue Szene angepasst. Wenn die exakte Ausrichtung wichtig ist, gib sie im Beibehaltungssatz ausdrücklich an (z. B. „Ausguss nach links zeigen lassen“).

Batch-Verarbeitung über einen vollständigen Katalog

Derselbe Aufruf lässt sich direkt auf Katalog-Jobs ausweiten – statt ein Produkt fest zu kodieren, iteriert man über Tupel aus (SKU, Basisbild, Szenen-Prompt):

CATALOG = [
    {"sku": "dripper-ceramic-01", "base_url": "https://cdn.example.com/dripper-01-base.jpg"},
    {"sku": "kettle-gooseneck-02", "base_url": "https://cdn.example.com/kettle-02-base.jpg"},
    # ...
]

SCENE_PROMPTS = {
    "lifestyle": "Place this product on a rustic wooden kitchen countertop, warm morning "
                 "sunlight, lifestyle e-commerce photography, keep shape, color and "
                 "proportions identical to the reference",
    "flatlay": "Place this product on a white marble countertop, top-down flat lay, soft "
               "diffused daylight, keep shape, color and proportions identical to the reference",
}

results = []
for item in CATALOG:
    for scene_name, prompt in SCENE_PROMPTS.items():
        url = edit_product_scene(item["base_url"], prompt)
        results.append({"sku": item["sku"], "scene": scene_name, "url": url})
        # download + upload to your own storage here — output URLs expire

Die Task-API hat kein natives idempotency_key-Feld. Wenn ein Batch-Job nach einem Absturz sicher erneut ausgeführt werden muss, entdopple daher in deinem eigenen Speicher nach (sku, scene_name), bevor du erneut einreichst, statt dich darauf zu verlassen, dass die API Duplikate abfängt.

Bei $0,09 pro Bild kostet ein Katalog mit 200 SKUs und je 3 Szenenvarianten insgesamt $54 – ein Vergleich mit den Studio-Kosten für das Shooting so vieler Szenenfotos lohnt sich, besonders bei Katalogen, die saisonal neu abgestimmt werden.

Häufig gestellte Fragen

Unterstützt grok-imagine-quality/image-to-image Batch- oder Mehrbild-Ausgaben in einem Aufruf? Nein – eine image_urls-Einreichung (1–3 Referenzbilder) erzeugt pro Task ein Ausgabebild. Batche Szenen durch separate Task-Aufrufe in einer Schleife, wie oben gezeigt.

Kann ich den exakten Kamerawinkel der Ausgabe steuern? Nicht direkt – es gibt keine Kamera-/Pose-Parameter. Die Ausrichtung wird oft an die neue Szene angepasst; wenn ein bestimmter Winkel wichtig ist, gib ihn im Prompt ausdrücklich an, zusammen mit der Anweisung „Form/Farbe/Proportionen beibehalten“.

Wie unterscheidet sich das von der Basis-Ebene grok-imagine/image-to-image? Die Quality-Ebene kostet mehr ($0,09–$0,11 gegenüber der Basis-Ebene), bewahrt die Produktidentität aber zuverlässiger bei größeren Szenenänderungen. Für einfachen Hintergrundaustausch deckt unser E-Commerce-Workflow-Leitfaden für die Basis-Ebene den günstigeren Weg ab – wähle Quality erst, wenn die Szenenverwandlung tiefgreifender ist (z. B. von Studio zu Lifestyle, nicht nur der Hintergrund).

Was ist, wenn mein Quellfoto noch nicht auf einer öffentlichen URL liegt? Lade es zuerst in einen beliebigen Objektspeicher oder CDN hoch – die Task-API ruft URLs serverseitig ab, um image_urls aufzulösen, daher funktionieren lokale Dateipfade oder Daten-URIs nicht.

Probier es selbst aus

Die vollständige Anfrage-/Antwortstruktur, ein Live-Playground und die aktuelle Preisgestaltung stehen auf der Modellseite von grok-imagine-quality/image-to-image. Wenn du mit der Task-API noch nicht vertraut bist, behandelt die Schritt-für-Schritt-Integrationsanleitung Authentifizierung, Polling und Fehlerbehandlung eingehender.