Grok Imagine Quality Bild-zu-Bild-Prompt-Rezepte: Kopierfertige Bearbeitungs-Prompts mit echten Ausgaben

Zusammenfassung

• Worum es geht: Vier kopierfertige Bildbearbeitungs-Prompts für grok-imagine-quality/image-to-image, jeweils mit dem genauen Eingabebild, auf dem sie basieren, und der unveränderten Ausgabe, die auf der Live-API erzeugt wurde – alles Erstgenerierungen, keine versteckten Wiederholungen, dauerhaft hier gehostet.
• Wofür das Modell gedacht ist: Bearbeitung mit hoher Konsistenz. Du gibst 1–3 Referenzbilder plus eine Anweisung, und es rendert die Szene neu – leuchtet neu aus, stilisiert um, tauscht die Szene aus oder kombiniert zwei Referenzbilder – und behält dabei das bei, was du zu behalten verlangst.
• Schema-Fakten (am 12.07.2026 gegen die Live-Task-API verifiziert): prompt und image_urls sind Pflichtfelder; image_urls akzeptiert 1 bis 3 öffentlich zugängliche URLs; das optionale resolution ist kleingeschrieben 1k oder 2k; das optionale aspect_ratio akzeptiert auto sowie 13 feste Seitenverhältnisse, bis zu ultrabreitem 20:9 und hochkantem 9:20. Es gibt kein strength, keinen Seed, keine Negativ-Prompts – unbekannte Felder werden mit 400 abgelehnt.
• Preis (von der Preisseite): 1K $0.08 pro Ausgabebild, 2K $0.10, plus $0.015 pro Referenzbild. Eine Einzelreferenz-1K-Bearbeitung in diesem Artikel kostet zum aktuellen Tarif $0.095, und jede Bearbeitung war in 27–39 Sekunden fertig.
• Geschätztes Medienbudget dieses Artikels (aktuell): zwei gpt-image-2-Basisbilder und ein Titelbild zu je $0.03, plus vier Quality-Bearbeitungen (drei Einzelreferenz-Bearbeitungen zu je $0.095, eine Zwei-Referenzen-Komposition zu $0.11) – zum aktuellen Tarif insgesamt $0.485.

So wurden diese Rezepte erstellt

Jedes Rezept besteht aus drei Teilen: dem Eingabebild, dem exakten Bearbeitungs-Prompt (einfach unverändert kopieren) und der unveränderten Ausgabe. Ich habe zwei Basisbilder mit gpt-image-2 generiert, jeden Bearbeitungs-Prompt selbst geschrieben und jeden einzelnen über die Live-hiapi-Task-API auf grok-imagine-quality/image-to-image ausgeführt. Unter jeder Ausgabe sind die Einstellungen und die tatsächlichen Kosten angegeben, damit du diesen Aufruf exakt reproduzieren kannst.

Da das Schema keinen Regler für die Bearbeitungsstärke offenlegt, übernimmt der Prompt die gesamte Steuerung. Gewohnheiten, die immer funktionieren:

• Teile den Prompt in eine Änderungsklausel und eine Erhaltungsklausel auf. Sage zuerst, was geändert werden soll, und zähle dann alles auf, was erhalten bleiben muss: „Keep her face, expression, pose, the corduroy jacket, the marble table… exactly the same.“ Die Erhaltungsklausel ist keine Verzierung – sie ist dein einziges Mittel zur Konsistenzsteuerung.
• Bezeichne Objekte über Eigenschaften statt über Kategorien. „the mustard-yellow corduroy jacket“ und „the black over-ear headphones“ verankern das Modell besser am konkreten Gegenstand im Referenzbild als „the jacket“ oder „the product“.
• Verwende aspect_ratio: "auto", um das Eingabeformat zu übernehmen. In unseren Läufen ergab eine 3:2-Eingabe 3:2 (1248×832) und eine quadratische Eingabe ein Quadrat. Bei zwei Referenzbildern folgt die Ausgabe der ersten URL in image_urls – die Reihenfolge ist wichtig.
• Erwarte eine Neuinszenierung statt eingefrorener Pixel. Das Modell rendert die Szene neu, statt Pixel zu maskieren. Identität, Kleidung, Layout und Licht bleiben erstaunlich gut erhalten, aber die Pose von Objekten kann sich natürlich neu setzen (das siehst du in Rezept 3 und 4) – wenn die genaue Ausrichtung wichtig ist, fixiere sie in der Erhaltungsklausel.

Rezept 1 – Gezielte Neuausleuchtung: Goldene Stunde, sonst bleibt alles gleich

Ziel: Nur das Licht ändern, und ausschließlich das Licht – der klassische Test dafür, ob ein Bearbeitungsmodell die Identität wirklich bewahrt.

Eingabe, ein $0.03 teures gpt-image-2-Standbild:

Prompt:

Relight this photo as late golden hour: warm low sun coming from the left,
long soft shadows across the table, amber rim light on her hair and jacket.
Keep her face, expression, pose, the corduroy jacket, the marble table, the
coffee cup and the entire composition exactly the same. Photorealistic, same
camera angle, same framing.

Unveränderte Ausgabe:

grok-imagine-quality/image-to-image · resolution: "1k" · aspect_ratio: "auto" (Eingabe 3:2 → Ausgabe 1248×832) · 39 Sekunden · aktuell geschätzt: $0.095

Warum es funktioniert: Die Änderungsklausel dreht sich ausschließlich um das Licht (Richtung, Farbtemperatur, Schattenlänge, Streiflicht), während die Erhaltungsklausel jedes Element aufzählt, das sich nicht bewegen darf. Gesicht, Sommersprossen, Jackenknöpfe, Position der Tasse und die Straßenkulisse im Hintergrund bleiben alle erhalten – nur die Sonne hat sich bewegt. Dieses Muster (Neuausleuchtung + ausführliche Erhaltungsklausel) ist das am besten wiederverwendbare Rezept in diesem Artikel: Ersetze „late golden hour“ durch „blue hour just after sunset“, „overcast diffused daylight“ oder „neon-lit night“ und behalte den Rest unverändert.

Rezept 2 – Vollständiger Stiltransfer: Foto → Aquarell

Ziel: Das Gegenteil von Rezept 1 – den gesamten Rendering-Stil ändern und dabei den Inhalt bewahren: Pose, Ausdruck, Komposition, Szene.

Das Eingabestandbild ist dasselbe wie in Rezept 1. Prompt:

Repaint this exact scene as a loose watercolor illustration: soft translucent
washes, visible cold-press paper texture, fine ink outlines, muted earth
palette with the mustard-yellow jacket as the main color accent. Preserve the
composition, her pose and expression, the round marble table and the cafe
street behind her.

Unveränderte Ausgabe:

grok-imagine-quality/image-to-image · resolution: "1k" · aspect_ratio: "auto" · 38 Sekunden · aktuell geschätzt: $0.095

Warum es funktioniert: Stiltransfer-Prompts scheitern oft, weil sie nur den Stil benennen („make it watercolor“). Die Mechanik des Mediums zu benennen – halbtransparente Lasuren, Kaltpresspapier-Textur, Tuschekonturen – gibt dem Modell etwas konkret zu Renderndes, und ein Element als Farbakzent zu wählen verhindert, dass die Palette trüb wird. Ehrlich gesagt: Die Cord-Textur in der Ausgabe ähnelt eher glattem Wildleder; Stofftexturen gehören zu den feinen Details, die eine vollständige Neumalung glättet.

Rezept 3 – Szenenaustausch: Studio-Produktbild → Lifestyle-Foto

Ziel: Ein sauberes E-Commerce-Packshot nehmen und in eine stilisierte Szene setzen – die häufigste kommerzielle Anwendung von Bild-zu-Bild.

Eingabe, ein $0.03 teures gpt-image-2-Packshot:

Prompt:

Place these exact headphones on a sunlit wooden desk beside an open laptop
and a small potted plant, warm morning window light from the right, cozy
blurred home-office background, shallow depth of field. Do not change the
headphones themselves: same shape, same matte black finish, same angle, no
logos.

Unveränderte Ausgabe:

grok-imagine-quality/image-to-image · resolution: "1k" · aspect_ratio: "auto" (Eingabe 1:1 → Ausgabe 1024×1024) · 27 Sekunden · aktuell geschätzt: $0.095

Warum es funktioniert: Die Szenenbeschreibung trägt das Set (Tisch, Laptop, Pflanze, Fensterlicht, geringe Schärfentiefe), während die Erhaltungsklausel Form und Oberfläche des Produkts fixiert. Ein ehrlicher Hinweis zu diesem Lauf: Trotz „same angle“ hat das Modell die Kopfhörer neu platziert, sodass sie natürlich auf der Tischplatte aufliegen, statt gerade aufrecht zu stehen – Ohrmuschelform, matte Oberfläche und logofreies Design blieben erhalten, aber die Ausrichtung setzte sich neu, um zur Physik der Szene zu passen. Wenn der exakte Katalogwinkel nicht verhandelbar ist, sage es ausdrücklich: „standing upright in exactly the same orientation as the reference“.

Rezept 4 – Zwei Referenzbilder: Produkt in eine Szene komponieren

Ziel: Den Mehrfach-Referenzbild-Slot nutzen (image_urls akzeptiert bis zu 3 Bilder) und zwei Bilder zusammenführen – das Packshot aus Rezept 3 in die Café-Szene aus Rezept 1 setzen.

Eingabe: das Kopfhörer-Packshot (erste URL) und das Café-Porträt (zweite URL). Prompt:

Combine these two images: place the black over-ear headphones from the first
image on the marble cafe table from the second image, next to the coffee cup,
resting naturally on the tabletop. Match the soft overcast daylight and
shallow depth of field of the cafe photo. Keep the woman, her pose and the
entire cafe scene from the second image unchanged.

Unveränderte Ausgabe:

grok-imagine-quality/image-to-image · image_urls: [product, café] · resolution: "1k" · aspect_ratio: "auto" (folgt dem 1:1-Format des ersten Referenzbilds) · 33 Sekunden · aktuell geschätzt: $0.11

Warum es funktioniert: Bilder über ihre Position zu benennen („from the first image“, „from the second image“) lässt sich sauber auf das image_urls-Array abbilden, und dem Objekt eine physische Beziehung zur Szene zu geben („resting naturally on the tabletop, next to the coffee cup“) ist der Schlüssel für eine gelungene Komposition – das Modell traf das bedeckte Licht und ließ die Ohrmuscheln sogar mit einem weichen Kontaktschatten auf der Platte landen. Zwei Dinge solltest du wissen: Das Ausgabeformat folgt der ersten URL (quadratisch, wie das Packshot – wenn du das Format einer Szene willst, setze sie an die erste Stelle), und die Komposition wird leicht neu inszeniert, um dem Produkt Platz zu schaffen, statt das zweite Bild pixelgenau einzufrieren.

Diese Rezepte selbst ausführen

An den Task-Endpunkt senden, bis success abfragen und die Ausgabe herunterladen. Referenzbilder müssen öffentlich zugängliche URLs sein – vorab signierte S3/R2-Links funktionieren einwandfrei.

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine-quality/image-to-image",
    "input": {
      "prompt": "Relight this photo as late golden hour: warm low sun from the left, long soft shadows. Keep the subject, wardrobe and composition exactly the same.",
      "image_urls": ["https://your-host.com/your-photo.jpg"],
      "resolution": "1k",
      "aspect_ratio": "auto"
    }
  }'

Derselbe Ablauf in Python:

import time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": "Bearer YOUR_HIAPI_KEY"}

task = requests.post(API, headers=HEADERS, json={
    "model": "grok-imagine-quality/image-to-image",
    "input": {
        "prompt": ("Repaint this exact scene as a loose watercolor illustration: "
                   "soft translucent washes, visible paper texture, fine ink "
                   "outlines. Preserve the composition and the subject's pose."),
        "image_urls": ["https://your-host.com/your-photo.jpg"],  # 1-3 public URLs
        "resolution": "1k",        # 1k | 2k (lowercase)
        "aspect_ratio": "auto",    # auto follows the input frame
    },
}).json()
task_id = task["data"]["taskId"]

while True:
    t = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if t["status"] in ("success", "fail"):
        break
    time.sleep(5)

assert t["status"] == "success", t.get("error")
url = t["output"][0]["url"]  # expiring link - download it now
open("edit.jpg", "wb").write(requests.get(url).content)

Eine vollständige Einführung in die Anfrage (Header, Fehlerbehandlung, Task-Lebenszyklus) findest du in der API-Anleitung für grok-imagine-quality Bild-zu-Bild, die allgemeine Plattformdokumentation hier.

Schema-Schnellreferenz

Feld	Pflicht	Werte (live verifiziert am 12.07.2026)
prompt	Ja	Freitext, mindestens 1 Zeichen – dein einziges Mittel zur Bearbeitungssteuerung
image_urls	Ja	Array aus 1–3 öffentlich zugänglichen Bild-URLs
resolution	Nein	1k, 2k – kleingeschrieben (1K wird abgelehnt)
aspect_ratio	Nein	auto, 2:1, 20:9, 19.5:9, 16:9, 4:3, 3:2, 1:1, 2:3, 3:4, 9:16, 9:19.5, 9:20, 1:2

Kein strength, kein Seed, keine Negativ-Prompts, keine Maske – das Schema lehnt unbekannte Felder mit 400 ab, daher ist jede Bearbeitungsentscheidung eine Frage der Prompt-Formulierung. Mit aspect_ratio: "auto" folgte die Ausgabe in allen unseren Läufen dem Eingabeformat; bei mehreren Referenzbildern folgt sie der ersten URL.

Häufige Fragen

Wie unterscheidet sich das von normalem grok-imagine/image-to-image? Gleiche API-Form, andere Stufe. grok-imagine/image-to-image kostet $0.03 pro Bild plus $0.003 pro Referenzbild – etwa ein Drittel des Preises – und ist die passende Standardwahl für hochvolumige Entwürfe. Der Vorteil der Quality-Stufe ist genau der, auf den diese Rezepte setzen: die Treue zum Referenzbild bei aggressiven Bearbeitungen. Erstelle zuerst einen Prototyp auf der Basisstufe und führe die finalisierten Ergebnisse dann auf der Quality-Stufe erneut aus.

Kann ich die Bearbeitungsstärke steuern? Nicht über Parameter – es gibt kein Feld strength, und wer es sendet, erhält einen 400-Fehler. Die Bearbeitungsstärke steckt in der Formulierung: „relight as golden hour“ ist ein leichter Eingriff, „repaint as watercolor“ eine vollständige Neumalung, und die Länge der Erhaltungsklausel steuert, wie viel in die eine oder andere Richtung erhalten bleibt.

Bleiben Gesichter konsistent? In unserem Neuausleuchtungs-Lauf (Rezept 1) ja – dasselbe Gesicht, derselbe Ausdruck und dieselben Sommersprossen, nur das Licht änderte sich. Das ist ein einzelner Lauf, kein Benchmark: Halte bei gesichtskritischen Arbeiten die Erhaltungsklausel ausdrücklich („keep her face and expression exactly the same“) und prüfe die Ausgabe vor der Auslieferung.

---

Alle vier Prompts lassen sich kopieren – die Aufteilung in Änderungs- und Erhaltungsklausel funktioniert für jede Bearbeitung, die du beschreiben kannst. Hole dir einen Schlüssel, richte die obigen Code-Schnipsel auf grok-imagine-quality/image-to-image aus, und deine erste Bearbeitung (Einzelreferenz $0.095) kommt in etwa einer halben Minute zurück.