Seedream 5.0 Pro Bild-zu-Bild-Prompts: 6 Rezepte zum direkten Kopieren und Einfügen samt echten Ausgaben

Text-zu-Bild stiehlt die Show, aber die Arbeit, die wirklich ankommt – ein Produktfoto in eine Szene setzen, einem Model andere Kleidung anziehen, nur eine hartnäckige Farbe ändern, ohne irgendetwas anderes anzutasten – leistet Bild-zu-Bild. seedream-5.0-pro/image-to-image ist die Pro-Stufe der Seedream-5.0-Reihe von ByteDance, und ihre Paradedisziplin ist die Bearbeitung mit mehreren Referenzbildern: Man übergibt bis zu 10 Bilder plus einen Prompt, der festlegt, welche Rolle jedes einzelne spielt.

Dieser Artikel enthält sechs Bearbeitungsrezepte, die wir tatsächlich über die Online-API ausgeführt haben – Mehrfachreferenz-Komposition, Kleidungstransfer, präzise Farbänderung, Hintergrundaustausch, Stiltransfer und verkettetes Film-Grading. Jeder Prompt unten ist der String, den wir wörtlich gesendet haben, und jedes Ausgabebild ist die echte Datei, die die API zurückgegeben hat, ohne jede Nachbearbeitung. Drei von sechs gelangen beim ersten Einreichen, die anderen drei stießen auf ein undurchsichtiges TASK_FAILED und liefen nach erneutem Einreichen durch – mehr Details dazu weiter unten bei den Stolperfallen.

Anfragestruktur (und ihr striktes Schema)

seedream-5.0-pro/image-to-image läuft auf einem asynchronen Task-Endpunkt. Genau vier Eingabefelder, alle erforderlich:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedream-5.0-pro/image-to-image",
    "input": {
      "prompt": "Recolor the ceramic pour-over mug to a matte black glaze with a thin brushed-gold rim along the lip. Preserve the identical mug shape, camera angle, soft studio lighting, contact shadow and warm off-white backdrop. Everything else in the frame stays untouched.",
      "image_urls": ["https://your-cdn.example.com/mug.jpg"],
      "aspect_ratio": "1:1",
      "resolution": "2K"
    }
  }'

Die Antwort liefert eine taskId; man pollt GET /v1/tasks/{taskId}, bis status zu success wird, und lädt dann sofort output[0].url herunter – die Ausgabe-URL trägt ein expireAt und läuft ab.

Das Schema ist strikt, und der Validator sagt klar, was nicht stimmt. Diese Fehler erhielten wir während der Tests:

• Ein Feld fehlt → missing required field "prompt"; ... "image_urls"; ... "aspect_ratio"; ... "resolution"
• 4K angefordert → resolution: value must be one of '1K', '2K'
• Heimlich ein Extra-Feld wie n eingeschmuggelt → additional properties 'n' not allowed
• 11 Referenzbilder übergeben → image_urls: maxItems: got 11, want 10

Also: Ausgabe in 1K oder 2K, höchstens 10 Referenzbilder, keine Extra-Felder. image_urls müssen öffentlich abrufbar sein – die Plattform lädt sie serverseitig. Der Preis auf der Preisseite beträgt $0.15 pro Bild, deshalb erzeugen unsere Abläufe unten Referenzbilder günstig mit gpt-image-2/text-to-image für $0.03 und sparen das Pro-Budget für die Bearbeitung selbst auf.

Die vier Referenzbilder

Alle vier wurden mit gpt-image-2 erzeugt (die Prompts entfallen aus Platzgründen – es sind gewöhnliche Produkt-/Porträtbeschreibungen). Dies sind die Eingaben, auf die sich jedes Rezept unten bezieht.

Rezept 1 – Mehrfachreferenz-Komposition: Produkt in eine Szene setzen

Zwei Referenzbilder: die Kaffeetasse vorn, die Küche hinten. Der Prompt benennt die Rolle jedes Bildes – das ist der Kern der Mehrfachreferenz-Bearbeitung, denn das Modell löst „das erste Bild“ und „das zweite Bild“ anhand der Reihenfolge in image_urls auf.

Place the terracotta pour-over coffee mug from the first image onto the empty oak
counter in the foreground of the second image. The mug sits naturally on the wood
surface, matching the warm golden sunrise lighting, with a soft window-light shadow
falling to the right. Keep the mug's shape, colour and matte ceramic material exactly
as in the reference. Keep the kitchen scene otherwise unchanged. Photorealistic
product photography.

aspect_ratio: "3:2" (passend zur Szene, nicht zum Produkt), resolution: "2K". Erste Generierung:

Es hat nicht einfach die Tasse eingeklebt – es hat neu ausgeleuchtet. Die Schattenrichtung folgt dem Fenster, der Tassenrand fängt das Sonnenaufgangslicht, und das Steingut bleibt matt, statt das warme Licht der Szene zu erben.

Rezept 2 – Kleidungstransfer mit mehreren Referenzbildern

Porträt vorn, Kleidungsstück hinten. Hier übernimmt die Erhaltungsliste die Hauptarbeit: Gesicht, Haare, Ohrringe, Pose und Hintergrund werden alle festgezurrt.

Dress the woman from the first image in the embroidered indigo denim jacket from the
second image, worn open over her grey sweatshirt. Keep her face, short black hair,
silver hoop earrings, expression, pose and the concrete wall background completely
unchanged. Match the overcast soft daylight and preserve the jacket's white floral
stitching details on the chest and sleeves.

aspect_ratio: "3:4", resolution: "2K":

Das Stickereimuster bleibt vom Flachbild bis zum getragenen Kleidungsstück vollständig erhalten – die Anordnung an Ärmeln und Brust, sogar die Knopf-Hardware. Genau hier rechtfertigt die Pro-Stufe ihren Preis: eine Generierung, die sowohl die Identität der Person als auch die Kleidungsdetails bewahrt.

Rezept 3 – Präzise Farbänderung: das Erhaltungslisten-Muster

Ein einzelnes Referenzbild. Die Änderung ist ein Satz; der Rest ist reine Erhaltungsliste. Das ist die universelle Vorlage für Aufgaben der Art „ändere X, fass nichts anderes an“.

Recolor the ceramic pour-over mug to a matte black glaze with a thin brushed-gold rim
along the lip. Preserve the identical mug shape, camera angle, soft studio lighting,
contact shadow and warm off-white backdrop. Everything else in the frame stays
untouched.

aspect_ratio: "1:1", resolution: "2K":

Gleiche Silhouette, gleicher Schatten, gleicher Hintergrund – nur die Glasurfarbe hat sich geändert. Es hat sogar einen goldenen Standfuß hinzugefügt, der den Tassenrand aufgreift; wir hatten das nicht verlangt, aber behalten.

Rezept 4 – Hintergrundaustausch mit Neuausleuchtungs-Klausel

Den Hintergrund austauschen, ohne das Motiv neu auszuleuchten, ergibt ein Komposit, das wie eine Pappscheibe aussieht. Die Lösung ist, explizit eine Neuausleuchtung zu verlangen und gleichzeitig die Identität zu fixieren:

Swap the plain concrete wall behind the woman for a rain-soaked city street at night
glowing with neon signs, cyan and magenta reflections and soft distant bokeh. The
woman herself — face, short black hair, silver hoop earrings, expression, pose, grey
sweatshirt — stays exactly as she is, identity preserved. Add a subtle cool neon rim
light so she blends naturally into the night scene.

aspect_ratio: "3:4", resolution: "2K":

Beachte den magenta­farbenen Lichtschein an ihrer rechten Seite und die cyanfarbenen Kanten am Sweatshirt – genau hier wirkt die Neuausleuchtungs-Klausel. Dasselbe Gesicht, dieselben Ohrringe, eine völlig andere Welt.

Rezept 5 – Stiltransfer: Foto zu Aquarell

Die Stilisierung ist die lockerste Bearbeitungsart, also gibt der Prompt sein Budget für das aus, was erhalten bleiben muss: Komposition und Stimmung.

Repaint this photograph as a loose watercolor illustration: visible paper grain, soft
pigment bleeds, delicate hand-drawn ink outlines. Keep the composition, the window,
the vase and the morning-light mood. Pastel palette dominated by warm yellows and
soft blues.

aspect_ratio: "3:2", resolution: "2K". Erste Generierung:

Rezept 6 – Verkettete Bearbeitung: Film-Grading auf Rezept 3

Die Ausgabe ist die Eingabe. Wir nehmen die schwarz-goldene Tasse aus Rezept 3 – bereits auf unser eigenes CDN hochgeladen – direkt als Referenzbild für die nächste Stimmungs-Runde:

Turn this product photo into a moody cinematic hero shot: dramatic low-key lighting,
background falling off into deep shadow, a gentle wisp of steam rising from the mug,
subtle film grain, teal-and-orange colour grade. Keep the mug's black-and-gold design,
shape and camera angle exactly identical.

aspect_ratio: "1:1", resolution: "2K". Erste Generierung:

Pro Schritt nur eine Sache ändern schlägt einen einzigen riesigen Prompt: Das Ergebnis der Farbänderung ist ab dem ersten Schritt fixiert, und die Grading-Runde muss nur noch das Licht betrachten. Verkettete Bearbeitung kostet $0.15 mehr, aber jeder Schritt lässt sich unabhängig wiederholen – und wiederverwenden.

Die drei Prompt-Muster, die die eigentliche Arbeit leisten

1. Gib den Referenzbildern Rollen. „Die Kaffeetasse aus dem ersten Bild“, „die Arbeitsplatte aus dem zweiten Bild“ – die Reihenfolge in image_urls ist die Reihenfolge, auf die sich der Prompt bezieht. Unklarheit hier ist die häufigste Ursache dafür, dass das Modell das Falsche ändert.
2. Ziel → Änderung → Erhaltungsliste. Sag zuerst, was du bearbeitest, dann die eine Änderung, und zähle dann alles auf, was sich nicht bewegen darf. Die Erhaltungsliste ist der Schlüssel zum Fixieren von Identität, Licht und Komposition – lässt man sie weg, „optimiert“ das Modell Dinge, die man nicht verlangt hat.
3. Füge eine Neuausleuchtungs-Klausel hinzu, wenn das Motiv in eine andere Welt wandert. „Leuchte sie mit einem kühlen Neon-Konturlicht leicht neu aus“ ist der Unterschied zwischen Komposit und Foto.

Worüber wir tatsächlich gestolpert sind

• Ein TASK_FAILED ohne Details ist meist vorübergehend. Drei unserer sechs Rezepte scheiterten beim ersten Einreichen so – derselbe Payload lief beim erneuten Versuch durch (eines war ein identisches erneutes Einreichen, zwei waren leicht umformulierte Formulierungen). Erst neu einreichen, dann ans Umschreiben denken.
• Das Schema ist ernst gemeint. Kein n, kein seed, kein size – genau vier Felder, alles zusätzliche ergibt 400. Wenn man Code von einem lockereren Modell migriert, den Payload entschlacken.
• Nur 1K/2K werden unterstützt. Wer für diese Reihe 4K braucht – das ist eine Funktion der Text-zu-Bild-Stufe, nicht dieses Endpunkts.
• Referenzbild-URLs müssen öffentlich sein. Die Plattform ruft sie serverseitig ab; vorab signierte URLs, die mitten im Polling ablaufen, bringen dir Ärger.
• Lade die Ausgabe sofort herunter. output[0].url läuft ab. Bevor du irgendetwas anderes tust, die Bytes in deinen eigenen Speicher ziehen.

Häufige Fragen

Wann ist Pro das 4-fache des Lite-Preises wert? seedream-5.0-lite/image-to-image kostet $0.035 und eignet sich gut für lokale Bearbeitungen mit einem einzigen Motiv. In unseren Tests liegt Pro bei Mehrfachreferenz-Aufgaben deutlich vorn – es bewahrt Kleidungsdetails beim Kleidungstransfer und die Identität beim vollständigen Hintergrundaustausch. Wenn eine Bearbeitung zwei oder mehr Referenzbilder umfasst oder es um ein Gesicht geht, das auf keinen Fall abweichen darf, dann Pro.

Wie schlägt es sich im Vergleich zu anderen Bearbeitungsmodellen? Im Vergleich der Bild-zu-Bild-APIs haben wir dieselbe Bearbeitung mit drei Modellen laufen lassen – das ist ein anderer Artikel mit echten direkten Gegenüberstellungen.

Kann ich die Referenzbilder mit derselben API erzeugen? Ja – jedes Referenzbild in diesem Artikel stammt von gpt-image-2/text-to-image für $0.03 pro Bild, über denselben /v1/tasks-Endpunkt. Ein Schlüssel für beide Phasen des Workflows.

---

Gesamtkosten aller Bearbeitungen in diesem Artikel: sechs Pro-Bearbeitungen zu $0.15 plus vier Referenzbilder zu $0.03 – knapp über einem Dollar. Nimm einen Schlüssel, prüfe das Vier-Felder-Schema in der Dokumentation und beginne mit dem Erhaltungslisten-Muster aus Rezept 3 – das wirst du täglich brauchen. Die vollständige Parameterreferenz steht auf der Modellseite von seedream-5.0-pro/image-to-image.