E-Commerce-Produktbilder mit qwen-image-2.1-pro generieren: API-Nutzung und Prompt-Rezepte

Warum sich qwen-image-2.1-pro für E-Commerce-Produktbilder lohnt

Bei E-Commerce-Bildern geht es selten nur um eine einzige Aufgabe. Es kann ein Katalogshooting für eine neue SKU sein, eine Freistellung für eine Produktseite auf einem Marktplatz, ein Lifestyle-Bild für eine Landingpage und dann noch ein Banner mit Aktions-Ecke – meist alles in derselben Woche. Was qwen-image-2.1-pro einer Prüfung wert macht: Wenn Ihre Pipeline aus denselben Produktdaten all diese Inhalte erzeugen muss, kann es in einem einzigen Modell Generierung, Bearbeitung vorhandener Assets, Ausgabe transparenter PNGs und das Rendern von Text im Bild übernehmen, statt von einer Kette spezialisierter Tools abzuhängen.

Drei Aufgabenformen decken den Großteil des Aufwands ab:

• Transparente Freistellung – das Produkt sauber auf transparentem Hintergrund freigestellt, direkt in jede beliebige Platzierung des CMS einsetzbar.
• Szenenkomposition – das Produkt in einer glaubwürdigen Lifestyle- oder Studio-Umgebung, erzeugt aus einer Textbeschreibung plus Referenzbild.
• Layouts mit Text – Labels, Ecken und Banner, deren Text klar lesbar und korrekt platziert sein muss.

Wo es das Studio nicht ersetzt: bei Key-Visuals mit strengen Vorgaben an die Markenbeleuchtung und bei allen Assets, deren Produktgeometrie regulatorisch festgelegt ist (etwa bei regulierter Verpackung). Betrachten Sie die Generierung als Mittel, die Abdeckung zu erweitern und Iterationen zu beschleunigen, und behalten Sie manuelle Freigabeschranken bei – genau dafür ist der Prüfprozess weiter unten im Leitfaden da.

Der praktische Grund, der früh entschieden werden muss, ist die Prompt-Architektur. Wenn Sie von Anfang an wissen, dass dasselbe Modell Freistellung, Szenen und Textlayouts bedienen soll, können Sie eine kleine Gruppe versionierter Prompt-Vorlagen aufbauen, statt bei jeder Anfrage einen Prompt aus dem Stegreif zu schreiben. Diese Entscheidung kostet vorab nichts, erspart aber später die Nacharbeit.

Ausführbare Anfragen: curl und Python

Bevor Sie Prompts entwerfen, holen Sie erfolgreich ein Bild zurück. Auf HiAPI haben die Anfragen aller Modelle dieselbe Form: ein API-Key, ein Modellname und die Eingabeparameter im Request-Body. Die minimale Parameterliste für qwen-image-2.1-pro ist der Prompt – plus, wenn es um eine Bearbeitung statt eine vollständige Neugenerierung geht, das Eingabebild, das Sie bearbeiten wollen.

curl

curl -X POST "https://api.hiapi.ai/v1/images/generations" \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-image-2.1-pro",
    "prompt": "Studio-Produktaufnahme einer matten schwarzen Keramik-Kaffeetasse, Dreiviertelansicht, weiches diffuses Hauptlicht von links, leichte Spiegelung auf nahtlosem hellgrauem Hintergrund, kein Text",
    "size": "1024x1024"
  }'

Python requests

import os
import requests

resp = requests.post(
    "https://api.hiapi.ai/v1/images/generations",
    headers={
        "Authorization": f"Bearer {os.environ['HIAPI_API_KEY']}",
        "Content-Type": "application/json",
    },
    json={
        "model": "qwen-image-2.1-pro",
        "prompt": "Studio-Produktaufnahme einer matten schwarzen Keramik-Kaffeetasse, "
                  "Dreiviertelansicht, weiches diffuses Hauptlicht von links, "
                  "leichte Spiegelung auf nahtlosem hellgrauem Hintergrund, kein Text",
        "size": "1024x1024",
    },
    timeout=120,
)
resp.raise_for_status()
print(resp.json())

Zwei Gewohnheiten lohnen sich in dieser Phase. Erstens: Den API-Key aus einer Umgebungsvariable lesen und nie fest im Code hinterlegen – Sie werden ihn bald aus Batch-Jobs heraus verwenden. Zweitens: Beim Loggen den vollständigen Response-Body einschließlich aller Nutzungsfelder speichern, die der Endpunkt zurückgibt; genau darauf stützen Sie später die Kennzahl „Kosten pro freigegebenem Asset“ statt auf Schätzungen.

Führen Sie zunächst eine Anfrage mit einem allgemeinen Prompt wie oben aus. Vergewissern Sie sich, dass Sie ein Bild erhalten und die Antwortstruktur den Erwartungen Ihres nachgelagerten Codes entspricht. Erst dann gehen Sie zu den Rezepten über – Prompt-Design ist eine langsame Angelegenheit, und Sie wollen Pipeline-Probleme nicht erst auf halbem Weg entdecken.

Prompt-Rezepte für transparente PNGs und Produktszenen

Ad-hoc-Prompts neigen zum Abdriften. Katalog-Teams erzielen konsistente Ergebnisse, indem sie eine kleine Gruppe von Vorlagen mit expliziten Variablenplätzen pflegen, diese zusammen mit dem Code, der die API aufruft, im Repository versionieren und pro SKU nur die Plätze austauschen.

Rezept 1: Transparente Freistellung

Produktfreistellung von {product_name}, {distinguishing_detail}, vollständig auf transparentem Hintergrund freigestellt.
Ansicht: {view_angle}, Produkt zentriert und vollständig im Bild, mit etwas Rand ringsum.
Weiche, gleichmäßige Studiobeleuchtung, keine harten Schatten auf den Hintergrund, nur ein leichter Kontaktschatten direkt unter dem Produkt.
Fotorealistisch, scharfe Kanten, kein Text, keine Requisiten, keine Hintergrundelemente.

Plätze: {product_name} („eine matte schwarze Keramik-Kaffeetasse“), {distinguishing_detail} („sichtbare Randstärke und ein kleiner Henkel“), {view_angle} („Dreiviertel“, „frontal“, „Draufsicht“). Die Transparenzklausel und die Klausel „keine Schatten auf den Hintergrund“ müssen unverändert bleiben; diese beiden Zeilen leisten bei Freistellungsaufgaben den Großteil der Arbeit.

Rezept 2: Lifestyle-Szene

Lifestyle-Produktaufnahme von {product_name} in {scene_description}.
Das Produkt ist das Motiv: scharfer Fokus, korrekte Proportionen, {brand_color_note}.
{lighting_note}. Geringe Schärfentiefe, Hintergrund weich unscharf.
Natürlich, redaktioneller Stil. Kein Text, keine Logos, keine sichtbaren Markenzeichen im Hintergrund.

Plätze: {scene_description} („helle minimalistische Küchenarbeitsplatte mit einem Leinentuch und einem Morgenfenster“), {brand_color_note} („Farben unverändert, kein Farbstich“), {lighting_note} („warmes gerichtetes Morgenlicht von rechts“).

Rezept 3: Studio-Key-Visual

Studio-Produktaufnahme von {product_name}, Ansicht: {view_angle}.
{background_description}. Hauptlicht von {key_light_direction}, weiches Aufhelllicht, kontrollierte Reflexionen.
Fotorealistisch, detailreiche Material- und Oberflächentextur. Kein Text.

Zwei Regeln halten die Vorlagenbibliothek gesund. Ändern Sie Vorlagen niemals direkt im Skript – ändern Sie die Vorlagendatei, erhöhen Sie die Versionsnummer und generieren Sie neu. Und protokollieren Sie, welche Rezeptversion jedes freigegebene Asset hervorgebracht hat, damit Sie bei einer Vorlagenänderung beurteilen können, ob alte Freigaben noch gültig sind.

Vorhandene Produktbilder bearbeiten

Bearbeitungsanfragen sind der Ort, an dem die meisten Qualitätsprobleme auftreten, weil unklare Prompts das Modell dazu bringen, das Produkt neu zu generieren, statt die Umgebung darum herum zu verändern. Teilen Sie jeden Bearbeitungs-Prompt ausdrücklich in drei Teile:

1. Was geändert werden soll – Szene, Hintergrund, Beleuchtung oder hinzugefügte Requisiten.
2. Was erhalten bleiben soll – Form, Proportionen, Etikettmuster, Material und Farbe des Produkts.
3. Was vermieden werden soll – neuer Text, neue Logos, verzerrte Geometrie, doppelte Bauteile.

Eine brauchbare Vorlage:

Bearbeite diese Produktaufnahme.
Ändern: Den Hintergrund durch {new_background} ersetzen; die Beleuchtung auf {new_lighting} anpassen.
Behalten: Die exakte Form, Proportionen, Oberflächenmaterialien und jedes Etikettmuster des Produkts vollständig unverändert lassen.
Nicht: Text hinzufügen, Logos hinzufügen, die Produktfarbe ändern oder die Geometrie verändern.
Fotorealistisches Ergebnis, das wie eine durchgehende Aufnahme wirkt.

Ausgefülltes Beispiel: {new_background} = „sauberer warmer grauer nahtloser Hintergrund“, {new_lighting} = „weiches diffuses Licht von oben, sanfter Verlauf hinter dem Produkt“.

Behalten-Klauseln sind keine Garantie. Lange Bearbeitungen – Hintergrundaustausch, Beleuchtungsanpassung und hinzugefügte Requisiten in einem Prompt – geben dem Modell mehr Spielraum, beim Produkt selbst abzudriften. Teilen Sie es auf: erst den Hintergrundaustausch, diesen prüfen, dann sekundäre Änderungen als Folge-Bearbeitung auf dem freigegebenen Zwischenergebnis anwenden. Jeder Schritt ist ein Vergleich, den eine prüfende Person tatsächlich beurteilen kann.

Halten Sie außerdem für jede SKU ein Standard-Referenzbild bereit. Wenn eine prüfende Person unsicher ist, ob sich das Produkt verändert hat, ist das Referenzbild die Grundwahrheit – nicht das letzte Generierungsergebnis.

Textrendering und Layout-Kontrolle

Text im Bild ist die Funktion, die bei nachlässigen Prompts am ehesten enttäuscht. Text, der im finalen Asset erscheinen muss, muss in Anführungszeichen gesetzt, positioniert und beschränkt werden.

E-Commerce-Banner für {product_name}.
Layout: Produkt im rechten Drittel, Textblock im linken Zwei-Drittel-Bereich, mit großzügigem Rand.
Text: Genau „{headline}“ als Hauptüberschrift in fetter serifenloser Schrift rendern und darunter genau „{subline}“ in leichterem Schriftgewicht.
Stil: {color_scheme}, sauber und modern, hoher Kontrast für gute Lesbarkeit.
An keiner anderen Stelle im Bild darf Text erscheinen. Alle Wörter exakt so schreiben, wie angegeben.

Warum jede Zeile wichtig ist:

• Text in Anführungszeichen plus ausdrückliche „exakt“-Anweisung verringern Umschreibungen und erfundene Wörter.
• Position und Anteil („rechtes Drittel“, „linke zwei Drittel“) hindern das Modell daran, das Produkt unter der Überschrift zu vergraben.
• „An keiner anderen Stelle im Bild darf Text erscheinen“ ist die Klausel, die das häufige Fehlermuster unterdrückt: plausible Fülltexte in Ecken.
• Eine kurze Überschrift plus eine kurze Unterzeile ist weit zuverlässiger als ein Textabsatz. Wenn Ihr Layout einen Fließtext braucht, generieren Sie zuerst das Bild ohne diesen Text und setzen Sie den Text anschließend im CMS oder Design-Tool.

Behandeln Sie Ecken und Labels („Neu“-Markierungen, Größenangaben) als eigene kleine Prompts, statt sie an das Key-Visual anzuhängen – ein kleiner Ecken-Prompt mit einem einzigen Wort in Anführungszeichen ist bei der Prüfung viel leichter zu verifizieren als ein ganzes Banner. Prüfen Sie die Rechtschreibung vor der Freigabe stets in voller Auflösung; Textfehler sind billig zu entdecken und teuer, wenn sie live gehen.

Ausgaben prüfen: Vergleichs- und Freigabeschleife

Generierte Assets sollten nicht in den Shop gelangen, ohne dass ein Mensch sie gesehen hat. Die kostengünstigste und zuverlässigste Schleife ist ein Vorher-Nachher-Vergleich pro Asset: das Eingabefoto (oder bei einer vollständigen Neugenerierung die Spezifikation) neben die generierte Ausgabe legen und die Rezeptversion sowie die Variablenwerte protokollieren.

Eine praktikable Schleife für kleine Teams:

1. Eine kleine Charge generieren – einige Varianten pro SKU, nicht den ganzen Katalog.
2. Eine Nebeneinander-Vergleichstabelle rendern: links das Quellbild, rechts das Kandidatenbild, darunter der Prompt.
3. Anhand einer kurzen, festen Checkliste prüfen: Produktform unverändert, Etikettmuster intakt, Hintergrund sauber, Text korrekt geschrieben, ausreichender Rand.
4. Jeden Kandidaten als bestanden oder abgelehnt markieren und die Rezeptversion notieren, die das bestandene Ergebnis erzeugt hat.
5. Erst dann auf die ganze Charge ausrollen und das freigegebene Rezept wiederverwenden. Wird das Rezept nach der Freigabe geändert, gelten bestehende Freigaben bis zur erneuten Prüfung als vorläufig.

Halten Sie die Checkliste kurz und jedes Mal identisch. Eine konsequent angewandte Vier-Punkte-Liste findet mehr Probleme als ein langes Formular, das uneinheitlich ausgefüllt wird. Speichern Sie auch abgelehnte Kandidaten – sie sind der Beleg dafür, warum eine Rezeptversion verworfen wurde, und ersparen der nächsten Person, dieselben Fehler erneut zu entdecken.

Diese Schleife ist zugleich Ihr Kostenhebel. Weil Freigaben an Rezepte gebunden sind, können Sie berechnen, wie viele Generierungen ein freigegebenes Asset benötigt, und die Vorlagen mit den meisten Versuchen gezielt überarbeiten.

Kosten, Latenz und Batch-Verarbeitung

Planen Sie mit Ihren eigenen Messwerten statt mit Annahmen. Bei Bildmodellen auf HiAPI wird pro ausgegebenem Bild abgerechnet, daher ist die Variable, die die Ausgaben dominiert, die „Zahl der Versuche pro freigegebenem Asset“ – und die hängt ganz von Prompt-Qualität und Prüfstrenge ab. Die aktuellen Preise pro Bild finden Sie auf der Preisseite der Website; schreiben Sie keine Zahlen in Code oder Budgetdokumente fest.

Eine sinnvolle Arbeitsweise:

• Baseline messen. Zehn SKUs mit freigegebenen Rezepten durchlaufen lassen, Gesamtzahl der Generierungen und Gesamtzahl der Freigaben zählen und daraus die Versuche pro freigegebenem Asset ableiten. Dieses Verhältnis sagt mehr als jeder Benchmark.
• Einzeln iterieren, nach Freigabe in Batches. Prompt-Iteration erfolgt einzeln, Bild für Bild. Nach der Rezeptfreigabe in Batches mit maßvoller Parallelität und einer Retry-Strategie, die Fehler protokolliert statt sie stillschweigend erneut abzurechnen.
• Latenz als Scheduling-Parameter behandeln. Bildgenerierung dauert Sekunden, nicht Millisekunden. Jobs asynchron starten, Ergebnisse in eine Warteschlange schreiben und die prüfenden Personen daraus abarbeiten lassen, statt bei jedem Aufruf zu blockieren.
• Nach Verhältnis budgetieren, nicht nach Stückpreis. Wenn Sie die Versuche pro freigegebenem Asset kennen, ist die Katalogschätzung einfache Arithmetik auf Basis Ihrer eigenen Messwerte.

Eine letzte Hygienegewohnheit: Versionieren Sie Ihre Rezepte und protokollieren Sie die Rezeptversion bei jeder Anfrage. Das kostet ein einziges Feld und verwandelt „Warum sah dieses Asset letzten Monat anders aus?“ von einer Untersuchung in eine Abfrage.

Bauen Sie die minimale Pipeline, mit der Sie Freistellung, Szenen und Textlayouts über die API abwickeln können, halten Sie die Prompt-Bibliothek versioniert und lassen Sie die Prüfschleife – nicht die Hoffnung – entscheiden, was live geht.