Qwen Image 3.0 Bild-zu-Bild: Aus einem Produktfoto ein komplettes E-Commerce-Materialset machen

Die meisten Produktkataloge enthalten für jede SKU immer noch nur ein einziges sauberes Studiofoto. Für das Thumbnail in der Produktliste reicht das, aber sobald du ein Lifestyle-Bild für eine Anzeige, ein saisonales Banner oder ein Marketplace-Listing brauchst, das das Produkt „in Benutzung zu Hause“ zeigen soll, ist dieses einzelne Bild völlig unzureichend. Jede Szene neu zu fotografieren bedeutet Fotograf, Studio und mehrere Tage Durchlaufzeit pro Produkt.

Wir haben einen kleinen echten Test durchgeführt, um zu sehen, ob qwen-image-3.0/image-to-image diese Lücke schließen kann: Ausgehend von einem Studio-Produktfoto das Bild per Bild-zu-Bild-Bearbeitung in drei verschiedene Lifestyle-Szenen versetzen, ohne ein zweites Shooting. Im Folgenden findest du die Testergebnisse, die genauen Prompts, die wir verwendet haben, und einen Batch-Prozess, der sich auf mehrere Produkte skalieren lässt.

Warum Bild-zu-Bild besser ist als ein Neushooting für jede Szene

Wenn man ein Text-zu-Bild-Modell bittet, „einen Kaffeefilteraufsatz auf einer Küchenarbeitsplatte zu zeichnen“, zeichnet es irgendeinen Kaffeefilteraufsatz – aber nicht unbedingt deinen, nicht unbedingt mit denselben Proportionen, demselben Material und derselben Markenkennzeichnung. Bild-zu-Bild-Modelle lösen ein anderes Problem: Sie nehmen ein echtes Foto als Referenz und erzeugen ein neues Bild, das das Motiv erkennbar beibehält, während es die umgebende Szene, das Licht oder das Styling verändert.

Für den E-Commerce ist dieser Unterschied entscheidend. Käufer vergleichen auf derselben Produktseite Lifestyle-Bilder mit dem Produktfoto – wenn die Form nicht passt, wird es als Fälschung oder als nicht übereinstimmende Ware angesehen. Der folgende Test prüft, ob der Bild-zu-Bild-Modus von qwen-image-3.0 diese Konsistenz über drei wirklich unterschiedliche Szenen hinweg halten kann.

Der Test: ein Produktfoto, drei direkt einsetzbare Szenen

Zunächst haben wir mit gpt-image-2/text-to-image ein selbst gemachtes Studiofoto eines weißen keramischen Handfilter-Kaffeefilteraufsatzes auf rein weißem Hintergrund erzeugt – genau die Art von Basisbild, die die meisten Verkäuferprofile bereits enthalten.

Prompt: „Professional e-commerce studio product photograph of a white ceramic pour-over coffee dripper with a light birch wood stand, centered, straight-on angle, on a seamless pure white background, soft even studio lighting, subtle natural shadow beneath the base, crisp focus, no text, no logo, no props, high-resolution commercial catalog photography.“

Anschließend haben wir dieses Foto dreimal in qwen-image-3.0/image-to-image eingegeben, einmal pro Szene, wobei die Referenzabbildung unverändert blieb und nur der Prompt geändert wurde.

Szene 1: Küchenarbeitsplatte, Morgenlicht

Prompt: „White ceramic pour-over coffee dripper with birch wood stand on a warm wooden kitchen countertop, morning light“

Das ist das Foto für die alltägliche Nutzung – die Art von Bild, die die Frage „Wie sieht das Ding auf meiner Arbeitsplatte aus?“ beantwortet.

Szene 2: Café-Tisch

Prompt: „White ceramic pour-over coffee dripper with birch wood stand staged on a marble cafe counter“

Eine eher redaktionell und erstrebenswert wirkende Szene, besser geeignet für Social-Media-Anzeigen oder Startseitenbanner.

Szene 3: Festliches Geschenk-Styling

Prompt: „White ceramic pour-over coffee dripper with birch wood stand styled for a winter holiday gift photo“

Dasselbe Produkt, saisonale Verpackung – geeignet für Geschenkführer-Listings, ohne auf ein spezielles Feiertags-Shooting warten zu müssen.

Was der Test tatsächlich zeigt

• Die Produktidentität blieb in allen drei Szenen erhalten. Form des Filteraufsatzes, Birkenholzständer und Keramikfarbe blieben konsistent – das ist die wichtigste Eigenschaft für den E-Commerce, denn nicht übereinstimmende Produktbilder schaden dem Käufervertrauen.
• Jede Bearbeitung dauerte weniger als eine Minute. Alle drei Szenen waren innerhalb einer typischen einstelligen Wartezeit in Minuten fertig, sodass ein kleiner Katalog mit 20-30 Produkten eine Arbeit für denselben Nachmittag ist und kein Shooting über mehrere Tage.
• Konkretheit im Prompt schlägt Länge. Die obigen Prompts sind bewusst kurz gehalten – Material, Objekt und Szene zu benennen reicht aus. In unseren frühen Ad-hoc-Tests erzeugten vage Prompts (wie „mach es gemütlich“) Szenenvariationen, die schwerer vorherzusagen waren.
• Für dieses Produkt reichte eine Referenzabbildung. qwen-image-3.0/image-to-image akzeptiert pro Aufruf bis zu drei Referenzabbildungen; bei einem so einfachen Hauptobjekt liefert ein sauberes Referenzfoto bereits stabile Ergebnisse, sodass wir keine zusätzlichen Kosten für Referenzabbildungen aufwenden mussten.

Basisstufe vs. Pro-Stufe: Welche wählen

Beide Stufen funktionieren gleich – dieselbe Referenzabbildung, dieselbe Prompt-Struktur –, aber für die drei obigen Szenen haben wir die Basisstufe verwendet, und sie hat durchweg zum Modell gepasst. Wähle die Pro-Stufe, wenn das Produkt komplexe Materialien (Glas, gemusterte Stoffe, feine Metalltexturen) oder eine unruhige Komposition aufweist und du mehr Wert auf Materialtreue als auf Geschwindigkeit legst. Zu den Preisen (geprüft auf der aktuellen Preisseite von hiapi): Die Basisstufe kostet etwa $0,036 pro Bild plus eine kleine Gebühr pro Referenzabbildung; die Pro-Stufe ist pro Bild etwa 40 % teurer, bei gleicher Gebühr pro Referenzabbildung – in jedem Fall günstiger als ein Neushooting.

Auf den gesamten Produktkatalog skalieren

Beim Bild-zu-Bild geht es hier nicht um ein einzelnes Foto – sondern darum, aus einem Basisbild eine ganze Szenenbibliothek zu machen. Das Muster ist eine einfache Schleife: Referenzabbildung festhalten, Prompts iterieren.

import os
import requests

API_BASE = "https://api.hiapi.ai/v1/tasks"
TOKEN = os.environ["HIAPI_API_KEY"]

def edit_scene(base_image_url: str, scene_prompt: str) -> str:
    resp = requests.post(
        API_BASE,
        headers={"Authorization": f"Bearer {TOKEN}"},
        json={
            "model": "qwen-image-3.0/image-to-image",
            "input": {"prompt": scene_prompt, "image_urls": [base_image_url]},
        },
        timeout=60,
    )
    task_id = resp.json()["data"]["taskId"]

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

base_photo = "https://your-cdn.example.com/products/dripper-base.jpg"
scenes = [
    "on a warm wooden kitchen countertop, morning light",
    "staged on a marble cafe counter",
    "styled for a winter holiday gift photo",
]
for scene in scenes:
    url = edit_scene(base_photo, f"White ceramic pour-over coffee dripper with birch wood stand {scene}")
    print(url)  # download immediately — output URLs expire

Ersetze dein eigenes Produktfoto und eine Reihe von Szenenbeschreibungen, und dieselbe Schleife erzeugt für jede SKU ein komplettes Szenenbildset. Jede Ausgabe-URL ist temporär, daher solltest du sie direkt nach Abschluss des Tasks herunterladen und speichern (in deinem eigenen CDN oder dort, wo deine Katalogbilder liegen).

Häufig gestellte Fragen

Kann ich ein vorhandenes Foto als Referenzabbildung verwenden, oder muss es ein Studiofoto sein? Saubere, gut beleuchtete Fotos funktionieren am besten, weil das Modell beibehält, was es sieht – unruhige oder schlecht beleuchtete Referenzabbildungen bringen die Unruhe in jede Szene. Ein Studiofoto vor reinem Hintergrund, wie es in diesem Test verwendet wurde, liefert die vorhersehbarsten Ergebnisse.

Wie viele Referenzabbildungen sollte ich pro Aufruf senden? qwen-image-3.0/image-to-image akzeptiert 1-3. Für ein einzelnes Hauptobjekt reichte in unserem Test eine Referenzabbildung aus. Mehrere Referenzabbildungen sind dann nützlicher, wenn das Modell Produkte aus mehreren Winkeln gleichzeitig koordinieren muss.

Bleiben mein Logo oder Beschriftungstext erhalten? Kleiner gedruckter Text und Logos sind das, was bei der Bearbeitung für jedes Bildmodell am schwierigsten präzise zu erhalten ist. Betrachte diesen Workflow als zuverlässig bei Form, Farbe und Material – prüfe vor der Veröffentlichung manuell alle Beschriftungen oder Logo-Texte in der Ausgabe, so wie du es bei jedem KI-generierten Bild tun solltest (der Bild-zu-Bild-Vergleich von hiapi behandelt diesen Kompromiss auch bei anderen Modellen).

Ersetzt das die Produktfotografie vollständig? Nein – du brauchst weiterhin ein zuverlässiges Basisbild pro Produkt. Es ersetzt das zweite, dritte und vierte Shooting für jede Lifestyle-Variante, die du möchtest.

Was, wenn eine Szene nicht richtig wirkt? Führe denselben Prompt erneut aus – die Ausgaben sind nicht bei jedem Lauf identisch – oder schärfe den Prompt mit konkreteren Szenendetails, so wie oben jeder Szenen-Prompt eine konkrete Oberfläche und Lichtverhältnisse nennt statt einer vagen Stimmung.

Die wichtigsten Erkenntnisse

• Ein Studio-Produktfoto plus qwen-image-3.0/image-to-image erzeugt drei unterschiedliche, modellgetreue Szenen, ohne ein zweites Shooting.
• In diesem Test blieb die Produktidentität (Form, Material, Farbe) über alle drei Szenen hinweg konsistent.
• Kurze, konkrete Prompts – die das Objekt und die Szene benennen – sind vagen, stimmungsbasierten Prompts überlegen.
• Für einfache Hauptobjekte reicht eine Referenzabbildung; die zusätzlichen Kosten für Referenzabbildungen lassen sich einsparen, es sei denn, das Produkt erfordert die Koordination mehrerer Winkel.
• Dasselbe Schleifenmuster skaliert linear: ein Basisbild plus eine Reihe von Szenen-Prompts erzeugt für jede SKU ein komplettes Szenenbildset.

Bereit, es in deinem eigenen Produktkatalog auszuprobieren? Beginne auf der Modellseite von qwen-image-3.0/image-to-image und teste die Szenenbearbeitung mit deinen eigenen Produktfotos, oder sieh dir in der Bild-zu-Bild-Übersicht von hiapi an, wie es im Vergleich zu anderen Bearbeitungsmodellen abschneidet.