Guía de uso
Generación de imágenes de productos de comercio electrónico con gpt-image-2.5-sunburst/image-to-image mediante la API de HiAPI
Imágenes de referencia, sustitución de fondos, escenas de estilo de vida y una solicitud funcional de HiAPI
En esta página
Por qué la generación de imagen a imagen encaja con las fotos de productos de comercio electrónico
La generación de texto a imagen destaca creando productos que no existen, algo que casi nunca es lo que necesita un equipo de catálogo. Ya tienes el producto físico, el envase, la etiqueta y la paleta de colores; lo que te falta es el tiempo y el presupuesto para fotografiar cada SKU con cada fondo y cada escena de estilo de vida.
gpt-image-2.5-sunburst/image-to-image toma una foto existente como ancla y le aplica instrucciones de edición. Esto cambia la estructura de costes de las imágenes de producto en varios aspectos concretos:
- Fidelidad al artículo real. La imagen de entrada aporta la forma, el material, el color y la maquetación de la etiqueta. La tarea del modelo es conservar esos rasgos mientras cambia lo que le pides modificar, en lugar de reimaginar un producto aproximado.
- Iteración más económica. Cambiar de fondo o de escena es solo cuestión de modificar el prompt, no de reservar un estudio. Puedes probar varias direcciones de escena de estilo de vida para el mismo SKU en una tarde y quedarte con la que gane.
- Coherencia en todo el conjunto de materiales. Como cada salida parte de una foto original comparable, un lote de ediciones mantiene una similitud que las imágenes generadas desde cero rara vez logran.
Cuándo usarlo — y cuándo no
Elige imagen a imagen cuando el producto en sí es fijo y el entorno es variable: sustituir fondos para fichas de producto en marketplaces, crear escenas de estilo de vida para anuncios y landing pages, cambiar la ambientación según la temporada o localizar atrezo. También es una herramienta razonable para adecentar una foto aceptable pero imperfecta.
No lo uses cuando quieras generar conceptos que nunca existieron, cuando la foto de origen no sea utilizable (desenfoque grave, producto mayormente oculto) o cuando necesites reproducir con precisión de nivel imprenta el texto de una etiqueta. En esos casos, volver a fotografiar o usar material vectorial supera a cualquier modelo.
Un marco práctico: trata la foto de origen como la fuente de verdad y el prompt como instrucciones con alcance definido. Cada instrucción de edición que escribas debe responder a esta pregunta: «¿qué quiero conservar y qué quiero cambiar?». Si la petición deja esto ambiguo, la calidad se derrumba.
El endpoint que invocas es el mismo que describe la página del modelo; el resto de esta guía trata sobre cómo alimentarlo bien.
Preparar imágenes de referencia que sobrevivan a la edición
El modelo solo puede conservar lo que ve. La mayoría de las ediciones de producto decepcionantes se remontan a la foto de entrada, no al prompt. Antes de enviar nada, revisa la imagen de origen con una lista de comprobación breve.
Resolución y nitidez
Envía la versión más grande y limpia de la que dispongas. Las miniaturas reducidas pierden la estructura fina que el modelo necesita mantener: costuras, texturas, tipografías de cuerpo pequeño. Si la imagen está blanda o tiene desenfoque de movimiento, corrígela o vuelve a fotografiar; un filtro de enfoque en el preprocesado rara vez ayuda y puede introducir halos que el modelo amplificará después.
Composición y espacio libre
Deja espacio en blanco alrededor de los bordes del producto. Si el artículo toca el marco, el modelo no tiene espacio para construir un fondo nuevo y tenderá a recortar o deformar el sujeto. Una toma de producto aislado con márgenes limpios alrededor se edita de forma mucho más fiable que un encuadre ajustado, y además te da margen para recolocarlo en la nueva escena.
Separación del sujeto
No necesitas un recorte perfecto a nivel de píxel, pero una separación limpia entre el producto y el fondo hace la mayor parte del trabajo. Un fondo uniforme y con poco detalle (papel sin costuras, degradado neutro, pared de color liso) es suficiente. Los fondos recargados compiten con tus instrucciones y se filtran en el resultado.
Iluminación y ángulo de cámara
Fotografía o elige una imagen de origen cuya dirección de luz estés dispuesto a conservar, porque la edición intentará igualarla. Un producto iluminado desde la parte frontal izquierda querrá que la luz principal de la nueva escena venga también de la parte frontal izquierda. Además, mantén un ángulo de cámara coherente dentro de cada categoría: una vista cenital plana y una toma principal a tres cuartos nunca quedarán bien en la misma fila de producto.
Etiquetas, logotipos y texto
Si el producto lleva texto que el cliente debe leer, confirma que se vea con claridad en la imagen de origen. El modelo hará lo posible por conservarlo, pero el texto pequeño o inclinado es lo primero que se degrada. Para textos regulados o críticos para la marca, prevé una revisión humana y considera orientar hacia la cámara la cara que lleva el texto.
Una nota sobre el procesamiento por lotes
Cuando prepares varios SKU, estandarízalos: mismo ratio de recorte, mismo espacio libre, mismo tono de fondo. El esfuerzo que inviertas en esta fase se traduce directamente en la coherencia de las salidas y permite reutilizar los prompts de forma segura en toda la categoría.
Sustituir el fondo del producto con limpieza
La sustitución de fondo es la edición de comercio electrónico más habitual y también donde más se descuida la redacción del prompt. «Nuevo fondo» no es una instrucción: es un deseo. El modelo necesita saber cómo es el nuevo espacio y cómo debe situarse el producto en él.
Describe el espacio, no solo una palabra
Indica la superficie, el fondo y la luz. «Producto colocado sobre una superficie blanca mate con fondo de degradado suave, luz principal difusa y amplia desde la parte superior izquierda, sombra de contacto suave bajo el producto» da al modelo una escena que construir. «Fondo blanco» le deja adivinar.
Cláusula explícita de conservación del producto
Toda instrucción de fondo debe incluir la cláusula de conservación: mantener sin cambios la forma, las proporciones, el color, el material y el texto de la etiqueta del producto. Escribirla apenas cuesta y reduce notablemente la deriva, sobre todo en artículos con siluetas distintivas.
Protege los bordes y las sombras
Un recorte limpio procede de prompts que mencionan el contacto y el sombreado. Pide una sombra de contacto natural donde el producto se une a la superficie y exige que los bordes se mantengan nítidos sobre el nuevo fondo. Si vas a pasar de un fondo oscuro a uno claro, cuenta con que el modelo necesitará ayuda con la luz de contorno: especifica que la luz sobre el borde del producto concuerde con el nuevo entorno.
Iguala la luz del propio producto
Si la foto de origen se tomó con un solo softbox, no pidas un decorado de estudio con luces duras y dramáticas. El desajuste de iluminación es la señal más evidente de que una ficha de producto ha sido compuesta. Describe una luz plausible para la imagen de origen y varía el color del fondo y la textura de la superficie para conseguir diversidad visual.
Restricciones de la plataforma
Si la plataforma de destino exige fondo blanco puro o de color liso, indícalo de forma explícita y pide que no haya atrezo ni juntas visibles en la superficie. Si el destino es una tienda de marca, tienes más libertad: degradados, texturas sutiles y un plano de suelo coherente son aceptables.
Itera una variable cada vez
Cambia primero el fondo, confirma que el producto se conserva intacto y luego ajusta la sombra o la iluminación. Si cambias varias cosas en un mismo prompt, no podrás saber qué instrucción causó el fallo, y cada solicitud fallida sigue consumiendo tu coste de salida.
Colocar el producto en escenas de estilo de vida
Las escenas de estilo de vida son donde la generación de imagen a imagen aporta valor: el producto conserva su identidad reconocible mientras el mundo que lo rodea cambia. La clave aquí está en la escala, la luz y la verosimilitud.
Ancla la escena con unos pocos detalles concretos
Un prompt de escena necesita la suficiente especificidad para acotar la composición, sin dictar cada píxel. Indica el entorno, la superficie donde se coloca el producto, uno o dos elementos de atrezo auxiliares y la calidad de la luz. «Sobre una encimera de cocina de roble desgastado, luz matinal entrando por una ventana a la derecha, con una taza de cerámica desenfocada y una tela de lino doblada al fondo» es viable. Una lista interminable de atrezo no lo es: compite con el producto por la atención del modelo.
Ajusta bien la escala
Indica la relación de tamaño del producto en el mundo real, porque el modelo no tiene regla. Una botella alta y un pintalabios pequeño son plausibles por separado y absurdos juntos. Mencionar la superficie y una referencia reconocible (una mano, una taza estándar, un estante) ancla la escala.
Iguala primero la luz de la imagen de origen y luego la de la escena
Resuelves dos problemas de iluminación a la vez: el sombreado que ya tiene el producto y la luz del nuevo entorno. Si la imagen de origen tiene luz difusa y uniforme, elige una escena con luz diurna suave en lugar de un contraluz intenso de atardecer. Especifica la dirección de la luz y señala que la iluminación del producto debe concordar con la de la escena. Cuando ambas entran en conflicto, obtienes un producto reiluminado que ya no coincide con el resto de tomas, o un efecto de calcomanía pegada.
Mantén el producto nítido y la escena secundaria
Indica que el producto es el sujeto nítido y el entorno ligeramente desenfocado. Esta sola instrucción mejora el realismo más que cualquier lista de atrezo y evita que el modelo invente detalles llamativos en el fondo.
Varía la escena, no el producto
Para las páginas de categoría, mantén la plantilla de escena y cambia solo un elemento entre SKU: la estación, la superficie, el atrezo. Una gramática de escena compartida hace que un conjunto de imágenes de estilo de vida se lea como una misma campaña de marketing, no como un collage de fotos de banco de imágenes.

Una solicitud funcional de imagen a imagen en HiAPI
Todo pasa por un único endpoint que requiere autenticación, así que la estructura de la solicitud no cambia independentemente de lo que edites. Lo esencial es el ID del modelo, la imagen de origen y el prompt.
Solicitud
curl -X POST "https://api.hiapi.ai/v1/images/edits" \
-H "Authorization: Bearer $HIAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-image-2.5-sunburst/image-to-image",
"image": "https://your-cdn.example.com/products/sku-1042-source.jpg",
"prompt": "Mantén sin cambios la forma, las proporciones, el color, el material y el texto de la etiqueta del producto. Sustituye el fondo por una superficie gris cálida mate con un fondo de degradado suave, luz principal difusa y amplia desde la parte superior izquierda, sombra de contacto natural bajo el producto y bordes nítidos, manteniendo el producto como sujeto nítido.",
"size": "1024x1024",
"n": 1
}'
El campo image acepta una URL alojada o, si tu material no es de acceso público, una carga de datos en base64; base64 permite que los SKU no publicados no pasen por una CDN pública. Mantén n en 1 durante la iteración; varios candidatos multiplican el coste y dificultan atribuir un cambio de calidad a una edición concreta del prompt.
Interpretar la respuesta
La API devuelve un cuerpo JSON con un array data; cada elemento lleva la imagen resultante (en base64 o como URL, según la configuración de tu cuenta). Revisa la marca temporal de creación de la respuesta y cualquier campo de uso que incluya, y regístralos junto con el ID de la solicitud para poder verificarlos más adelante.
Una llamada mínima en Python tiene este aspecto:
import os, requests
resp = requests.post(
"https://api.hiapi.ai/v1/images/edits",
headers={"Authorization": f"Bearer {os.environ['HIAPI_API_KEY']}"},
json={
"model": "gpt-image-2.5-sunburst/image-to-image",
"image": source_url,
"prompt": prompt,
"size": "1024x1024",
"n": 1,
},
timeout=180,
)
resp.raise_for_status()
item = resp.json()["data"][0]
Consideraciones prácticas de integración
- Guarda el prompt junto con cada salida. Semanas después, la imagen ganadora solo podrá reproducirse si se conservan el prompt exacto y la imagen de origen.
- Trata por separado los fallos de transporte y los fallos del modelo. Los tiempos de espera agotados y las respuestas 5xx se pueden reintentar; las solicitudes rechazadas por un tamaño no admitido no.
- Descarga y conserva las salidas de inmediato en lugar de depender de URL temporales.
- Coloca la cadena del modelo en la configuración, no dispersa por el código, para que cambiar de modelo en el futuro sea cuestión de una línea.
La referencia del endpoint y los parámetros admitidos están en la página del modelo; allí la facturación se mide por salida, así que reducir las iteraciones fallidas es la palanca principal para controlar el gasto.

Gestionar imperfecciones y mantener la coherencia de las salidas
Incluso con una buena entrada y un prompt cuidado, la edición de producto falla de formas reconocibles. Cada patrón de fallo tiene una corrección estándar.
Deriva de la forma del producto
Síntoma: el contorno cambia ligeramente —un asa más gruesa, una conicidad más recta. Causa: el prompt describe más la escena que el producto, y el modelo reinterpreta el sujeto. Corrección: pon la cláusula de conservación al principio, nombra explícitamente la forma y simplifica la descripción de la escena. Si la deriva persiste, lo más probable es que el encuadre de la imagen de origen sea demasiado ajustado.
Texto de etiqueta perdido o distorsionado
Síntoma: el nombre de la marca se convierte en signos verosímiles pero ilegibles. Causa: el texto de la imagen de origen es demasiado pequeño, está inclinado o tiene poco contraste. Corrección: parte de una imagen de origen más nítida y más frontal; especifica que el texto de la etiqueta y el logotipo se mantengan sin cambios y legibles; evita añadir detalles de fondo densos detrás de la zona de la etiqueta. Para textos regulados, prevé de todos modos una revisión humana.
Composición incoherente en el conjunto de materiales
Síntoma: cada imagen de la categoría tiene proporciones y ángulos distintos. Causa: recortes de origen y prompts por imagen inconsistentes. Corrección: unifica el espacio libre y el ángulo de cámara de las imágenes de origen antes de editar y reutiliza una plantilla de prompt en el lote, cambiando solo las variables de escena.
Halos en los bordes y productos flotantes
Síntoma: bordes brillantes alrededor del producto, u objetos sin sombra que parecen pegados. Causa: desajuste de iluminación entre la imagen de origen y la escena solicitada. Corrección: pide explícitamente una sombra de contacto natural, especifica la dirección de la luz y elige entornos cuya iluminación coincida con la de la toma original.
Aspecto plástico por sobredición
Síntoma: texturas alisadas, telas demasiado limpias. Causa: prompts que piden «refinado» o «profesional» sin límites al retoque. Corrección: exige conservar la textura original, el grano del material y las marcas de desgaste.
Regla general
Cambia una sola variable por iteración, incluye una cláusula de conservación en cada prompt y fija un estándar de fotos de origen. Cuando una salida falle, pregúntate primero si la foto de entrada es lo bastante buena; la mayoría de las veces la respuesta es no.
Integrar la edición de imágenes en el flujo de trabajo del catálogo
Una solicitud individual que funciona no es un pipeline. Para convertirlo en producción a escala de catálogo, lo principal es la disciplina de ingeniería en torno a la llamada al modelo.
Estandariza las entradas en el momento de la ingesta
Crea un pequeño paso de preprocesado: recorta a un ratio estándar, añade un espacio libre fijo y marca las imágenes de origen de baja resolución o borrosas antes de que lleguen a la API. Un control previo que rechace entradas deficientes ahorra más gasto que cualquier ajuste de prompt.
Procesa por lotes según plantillas, no por SKU
Agrupa los productos en categorías y asigna a cada una una o dos plantillas de prompt. Ejecuta lotes y luego revisa una hoja de miniaturas por plantilla. Modificar la plantilla y volver a ejecutar la categoría es mucho más económico que redactar prompts a mano elemento por elemento, y mantiene coherente la gramática visual.
Revisión en dos rondas
La primera ronda es un descarte rápido: ¿el producto se parece a sí mismo? ¿el texto es legible? ¿los bordes están limpios? La segunda ronda es una revisión de diseño según las guías de marca. Automatiza en lo posible las comprobaciones mecánicas: hash de imagen contra la imagen de origen para detectar derivas graves y validación de resolución y formato de los entregables.
Adjunta la información de procedencia
Guarda la imagen de origen, el prompt, el ID del modelo y la marca temporal junto con cada salida. Cuando el responsable de producto pregunte por qué una imagen principal concreta se ve distinta, la respuesta debería ser la diferencia entre dos registros de prompt, no una investigación.
Despliegue por fases
Empieza por la sustitución de fondo, la edición de menor riesgo; pasa a las escenas de estilo de vida cuando las plantillas se estabilicen. Extiende primero a una categoría y luego a todo el catálogo, y conserva la capacidad de regenerar cualquier elemento concreto bajo demanda.
Saber dónde termina el modelo
Un pipeline no sustituye la necesidad de un fotógrafo para los SKU insignia ni la revisión legal de las declaraciones sobre el producto. Trata las ediciones generadas como un nivel de producción y reserva el presupuesto de estudio para aquellas imágenes en las que la fidelidad es el argumento de venta principal.
Si estás listo para probarlo con tu propio catálogo, la estructura de solicitud anterior es todo lo que necesitas para empezar a usar gpt-image-2.5-sunburst/image-to-image en HiAPI.
Artículos relacionados
Ver todos los artículos →-
Guía de uso
Guía de inicio de Tripo H3.1: cómo elegir entre tres modos de entrada, parámetros y precios
Guía práctica de decisiones de integración y control de costes de la generación 3D para desarrolladores
-
Guía de uso
Generación de imágenes de productos de comercio electrónico con qwen-image-2.1-turbo mediante la API de HiAPI
Flujo de trabajo visual de catálogo rápido para desarrolladores: salida PNG transparente y una solicitud de API ejecutable
-
Guía de uso
Uso de topaz-upscale/video con la API de HiAPI: flujo de trabajo para mejorar la calidad de videos cortos
Interpolación de fotogramas, ajustes de mejora y una solicitud de HiAPI funcional para video vertical