Bildreparatur- und Objektentfernungs-API: Bilder auf HiAPI per Prompt bearbeiten

Zusammenfassung

• Auf HiAPI gehört das Entfernen von Objekten aus Fotos zur instruktionsbasierten Bearbeitung: Du sendest ein Bild und beschreibst, was entfernt werden soll. Allzweck-Bild-zu-Bild-Modelle akzeptieren keine Masken.
• Geeignete Einstiegspunkte: flux-2/image-to-image ($0.035 bei 1K, mit aspect_ratio: "auto" bleibt deine Komposition erhalten), gpt-image-2/image-to-image ($0.03 bei 1K, das Bildfeld ist input_urls), seedream-4.5/image-to-image ($0.045, bis zu 4K) sowie qwen-image-3.0/image-to-image ($0.0358).
• Das maskenbasierte Inpainting-Modell FLUX.1 Fill Pro ist auf HiAPI als „demnächst verfügbar“ gelistet. Bis es verfügbar ist, ist dein Prompt deine Maske.

Dasselbe Foto, dieselbe Anweisung, zwei Modelle

Quellbild: ein Produktfoto, von dem wir das Preisschild entfernen möchten.

Remove the coral price tag and its string from the bottle. Rebuild the bottle surface and the gray background that were behind it. Keep the bottle, lighting, shadow and everything else unchanged.

gpt-image-2/image-to-image, resolution 1K, 1254×1254, 112 Sekunden, $0.03.

Das Preisschild und seine Schnur sind verschwunden. Die zuvor verdeckte Flaschenoberfläche wurde rekonstruiert, mit Krümmung und Reflexionen wie im Original, der graue Hintergrund zeigt keine Retuschespuren, und Verschluss, Boden und Schatten stimmen mit dem Quellbild überein.

Wir haben dieselbe Anfrage an flux-2/image-to-image gesendet. Der Task endete nach 16 Sekunden mit fail, als Grund wurde nur TASK_FAILED angegeben, die Kosten wurden erstattet. Ein einzelner Fehlschlag sagt nichts über das Modell selbst aus, erinnert aber daran, dass du fail in deinem Code behandeln und es mit einem zweiten Modell erneut versuchen solltest.

Welches Modell du verwenden solltest

Modell-ID	Bildfeld	Behält die Komposition des Quellbilds	Ausgabegröße	Preis
flux-2/image-to-image	image_urls (1–8)	Ja, aspect_ratio: "auto"	resolution 1K / 2K	$0.035 bei 1K
gpt-image-2/image-to-image	input_urls (1–16)	Ja, aspect_ratio: "auto" (Standard)	resolution 1K / 2K / 4K	$0.03 bei 1K
qwen-image-3.0/image-to-image	image_urls (1–3)	Nein, du musst aus 8 Seitenverhältnissen wählen	resolution 1K / 2K	$0.0358
seedream-4.5/image-to-image	image_urls (1–14)	Nein, du musst aus 8 Seitenverhältnissen wählen	resolution 2K / 4K	$0.045
seedream-5.0-pro/image-to-image	image_urls (1–10)	Nein, du musst aus 7 Seitenverhältnissen wählen	resolution 1K / 2K	$0.06 bei 1K

HiAPI-Live-Preise, abgefragt am 20. Oktober 2026. Fehlgeschlagene Tasks werden nicht berechnet.

• Standardwahl für die Objektentfernung: Verwende ein Modell, das aspect_ratio: "auto" unterstützt, damit die Ausgabe die Form des Fotos beibehält und du sie direkt wieder einsetzen kannst.
• Große Drucke oder skalierbare Produktseiten: Seedream 4.5 gibt 4K zum selben Preis wie 2K aus.
• Nur den Hintergrund entfernen: Verwende ein spezielles Tool wie 851-labs/background-remover ($0.002 pro Bild), das nur eine image_url benötigt und keinen Prompt.

curl

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "flux-2/image-to-image",
    "input": {
      "prompt": "Remove the white delivery van parked on the right. Rebuild the storefront and sidewalk behind it. Keep everything else unchanged.",
      "image_urls": ["https://your-cdn.example.com/street.jpg"],
      "aspect_ratio": "auto",
      "resolution": "1K"
    }
  }'

Du erhältst eine taskId. Frage GET https://api.hiapi.ai/v1/tasks/{taskId} ab, bis data.status gleich success ist, und lade dann data.output[0].url herunter. Das Quellbild muss unter einer öffentlichen URL liegen; das Modell ruft es serverseitig ab.

Python: eine Funktion für alle Modelle

# pip install requests; export HIAPI_KEY=your-key first
import os, time, requests

API = "https://api.hiapi.ai/v1/tasks"
H = {"Authorization": f"Bearer {os.environ['HIAPI_KEY']}"}

def edit(model, timeout_s=300, **inp):
    r = requests.post(API, json={"model": model, "input": inp}, headers=H, timeout=30).json()
    if r.get("code") != 200:
        raise RuntimeError(r)  # a 400 lists every invalid field at once
    task_id = r["data"]["taskId"]
    deadline = time.time() + timeout_s
    while time.time() < deadline:
        d = requests.get(f"{API}/{task_id}", headers=H, timeout=30).json()["data"]
        if d["status"] == "success":
            return requests.get(d["output"][0]["url"], timeout=120).content
        if d["status"] == "fail":
            raise RuntimeError(d.get("error"))
        time.sleep(4)
    raise TimeoutError(task_id)

prompt = ("Remove the tourists from the plaza. Extend the paving stones and the fountain base. "
          "Keep the buildings, light and everything else unchanged.")
src = "https://your-cdn.example.com/plaza.jpg"

# FLUX.2 keeps the source shape
img = edit("flux-2/image-to-image", prompt=prompt, image_urls=[src], aspect_ratio="auto", resolution="1K")

# GPT Image 2: note the field name is input_urls
img = edit("gpt-image-2/image-to-image", prompt=prompt, input_urls=[src], resolution="1K")

# Seedream 4.5 at 4K: aspect_ratio and resolution are required
img = edit("seedream-4.5/image-to-image", prompt=prompt, image_urls=[src], aspect_ratio="3:2", resolution="4K")

with open("plaza-clean.png", "wb") as f:
    f.write(img)

Prompts für das Entfernen formulieren

Ohne Maske muss der Prompt klar angeben, was entfernt und was erhalten werden soll:

1. Benenne das Objekt und seine Position. „der weiße Lieferwagen rechts“ funktioniert besser als „der Wagen“.
2. Sage, womit die Lücke gefüllt werden soll. „Rekonstruiere die Ladenfront und den Gehweg dahinter.“
3. Fixe alles andere. Schließe mit „Behalte Licht, Farben und alles andere unverändert“ ab, damit das Modell nicht das ganze Foto neu stylt.

Dasselbe Muster funktioniert auch für verwandte Aufgaben:

• Wegradieren und füllen: „Entferne die Stromleitungen, die über den Himmel verlaufen. Fülle mit klarem Himmel passend zum Verlauf. Behalte alles andere unverändert.“
• Ersetzen: „Ersetze den Pappbecher durch eine weiße Keramiktasse. Passe Licht und Schatten an. Behalte alles andere unverändert.“
• Restaurieren: „Die untere linke Ecke dieses eingescannten Fotos ist beschädigt. Rekonstruiere das fehlende Gras und den Weg. Ändere den Rest nicht.“
• Mehrere Objekte: „Entferne den Mülleimer und die beiden Verkehrskegel neben der Bank. Fülle jeden Bereich mit Hintergrund. Behalte alles andere unverändert.“

Bei größeren Aufräumarbeiten führe pro Aufruf nur eine Entfernung durch und verkette sie. Speichere jedes Ergebnis in deinem eigenen Speicher und übergib diese URL an den nächsten Aufruf; die Ausgabelinks von HiAPI laufen etwa 7 Tage nach Abschluss des Tasks ab.

Fehler, auf die du stoßen wirst

Diese Fehler sind bei der Übermittlung alle HTTP 400, es wird also kein Task erstellt und nichts berechnet:

• additional properties 'mask_url' not allowed (oder mask): Diese Modelle akzeptieren keine Masken. Beschreibe den Bereich im Prompt.
• input_urls: missing required field "input_urls": Du hast image_urls an gpt-image-2/image-to-image gesendet.
• additional properties 'quality' not allowed: Seedream 5.0 Pro verwendet resolution (1K oder 2K), nicht quality.
• aspect_ratio: value must be one of ...: auto funktioniert bei FLUX.2, GPT Image und Grok Imagine, nicht bei Seedream oder Qwen.

Wenn ein Task mit fail endet, prüfe data.error. Häufige Ursache ist, dass das Modell die Quell-URL nicht abrufen kann.

Häufige Fragen

Gibt es bei HiAPI eine maskenbasierte Inpainting-API?

Derzeit nicht für den allgemeinen Einsatz. FLUX.1 Fill Pro, das ein Bild plus eine Schwarz-Weiß-Maske akzeptiert, ist als „demnächst verfügbar“ gelistet. Die oben genannten Modelle bearbeiten ausschließlich per Prompt.

Welches Modell eignet sich am besten für die Objektentfernung?

Beginne mit einem Modell, das die Komposition des Quellbilds beibehält: flux-2/image-to-image oder gpt-image-2/image-to-image mit aspect_ratio: "auto". GPT Image 2 hat das obige Beispiel sauber bewältigt. Vergleiche beide Modelle mit einigen deiner eigenen Fotos, bevor du dich entscheidest.

Kann man mehrere Objekte in einem einzigen Aufruf entfernen?

Ja, liste sie in einem Prompt auf. Jeder Aufruf liefert ein Bild. Wenn eines davon fehlt, führe den Vorgang erneut auf der Ausgabe aus.

Dürfen bearbeitete Bilder kommerziell genutzt werden?

Die generierten Ausgaben unterliegen den Nutzungsbedingungen deines Tarifs. Du musst weiterhin die Rechte an dem bearbeiteten Quellfoto besitzen.

Weitere Bearbeitungs-Prompts: Seedream 4.5 Prompt-Rezepte und Qwen Image 3.0 API-Leitfaden.