Ideogram V4 para imágenes de productos de comercio electrónico: un flujo de trabajo práctico

Si el éxito de tus visuales de producto depende del texto que contienen —ángulos promocionales, indicaciones de precio, textos de etiquetas, titulares de banners— entonces en hiapi, Ideogram V4 es el modelo que debes elegir. Es el especialista en tipografía de la plataforma, y en los tres materiales independientes de comercio electrónico generados para esta guía (un banner promocional, un mockup de etiqueta de producto y un gráfico de oferta flash), cada palabra se renderizó con claridad y corrección en el primer intento, más allá de las decisiones de copy propias del diseño. A continuación encontrarás lo que realmente funciona, los prompts reales detrás de cada imagen y un script por lotes que convierte toda tu lista de productos en gráficos coherentes con la identidad de marca.

Por qué elegir Ideogram V4 para visuales de comercio electrónico

La mayoría de los modelos de imagen de propósito general todavía fallan con titulares de varias palabras, etiquetas de precio o textos de etiquetas: letras de más, espaciado distorsionado o palabras cortadas a mitad. Ese es justamente el tipo de fallo que los gráficos de comercio electrónico no pueden tolerar: un banner con texto ilegible parece roto, no estilizado. Ideogram V4 está construido en torno al texto preciso dentro de la imagen, por lo que es más adecuado que los modelos generales para los siguientes casos:

• Banners promocionales con titular + subtítulo (por ejemplo, «SUMMER SALE» / «UP TO 40% OFF»)
• Mockups de etiquetas de producto donde el nombre de la marca y el texto del producto deben ser legibles y correctos
• Gráficos de promoción y de cuenta atrás con anotaciones de texto breves y de alto contraste

Es un modelo puramente de texto a imagen —no tiene modo imagen a imagen—, así que es adecuado para generar gráficos a partir de un brief textual, no para editar fotos de producto existentes. Si necesitas editar fotos existentes o componer sobre ellas, eso es trabajo de un modelo i2i; consulta el esquema completo de entradas en la página del modelo Ideogram V4.

Precios de Ideogram V4: tres niveles de velocidad

Ideogram V4 ofrece tres niveles de rendering_speed, con precios que varían según el nivel —a fecha de 2026-09, según la página de precios de hiapi:

Nivel	Precio por imagen	Casos de uso
TURBO	$0.05	Borradores rápidos, prueba de variantes de prompts
BALANCED	$0.10	Predeterminado — banners y etiquetas de nivel producción
QUALITY	$0.17	Materiales visuales finales, cuando los detalles tipográficos pequeños son lo más importante

Los tres ejemplos siguientes se generaron con BALANCED, que ya ofrece resolución y fidelidad de texto suficientes para banners y etiquetas de producto estándar. Reserva QUALITY para imágenes principales que vayas a ampliar mucho (por ejemplo, un banner de portada) y usa TURBO mientras iteras sobre el copy y el diseño.

Tres resultados reales

1. Banner promocional con texto de titular

Prompt utilizado (rendering_speed: BALANCED, aspect_ratio: 16:9):

Un banner promocional de comercio electrónico limpio, 16:9. En la parte superior, un titular en negrita con tipografía sans serif moderna y grande: «SUMMER SALE»; debajo, un subtítulo con un peso tipográfico menor: «UP TO 40% OFF». Fondo con estilo de fotografía de producto minimalista, degradado suave en tonos pastel (de melocotón a crema), con unos auriculares inalámbricos blancos y un smartwatch negro mate dispuestos sobre una tarima discreta en la parte inferior derecha. Deja mucho espacio negativo a la izquierda para el texto. Iluminación de estudio, sombras suaves, acabado de catálogo minorista premium.

Las dos líneas de copy fueron legibles y estaban bien escritas desde el primer intento, sin necesidad de reintentar. La instrucción de espacio negativo del prompt sí marcó la diferencia: sin ella, Ideogram V4 tiende a centrar el titular sobre la fotografía de producto, lo que perjudica la legibilidad en cuanto colocas el banner en el diseño real de una página.

2. Mockup de etiqueta de producto

Prompt utilizado (rendering_speed: BALANCED, aspect_ratio: 1:1):

Un mockup de etiqueta de producto para un tarro de cuidado de la piel, cuadrado 1:1. Tarro de cerámica blanca centrado sobre un fondo beige claro; la etiqueta que envuelve el tarro lleva en la parte superior el nombre de la marca «AURELIA» con una elegante tipografía serif y, debajo, en una tipografía sans serif limpia y de menor tamaño, el texto «HYDRATING FACE CREAM — 50ML». Iluminación de estudio suave, sombra tenue bajo el tarro, estilo de fotografía de packaging minimalista para cuidado de la piel.

Este es el caso más difícil: el texto pequeño de etiqueta sobre una superficie curva es precisamente donde el renderizado de texto suele romperse. Ideogram V4 mantuvo legibles tanto el nombre de la marca como la línea descriptiva más pequeña del producto en el primer intento —aun así, conviene una revisión humana (ver la nota más abajo), porque el texto sobre etiquetas curvas es el diseño más propenso a errores que hemos probado.

3. Banner de oferta flash

Prompt utilizado (rendering_speed: BALANCED, aspect_ratio: 16:9):

Un banner de oferta flash para una tienda online, 16:9. Texto grande y en negrita «FLASH SALE» en rojo anaranjado brillante sobre un fondo azul marino oscuro con un sutil patrón de rayos de luz diagonales. Debajo, un texto más pequeño en blanco: «24 HOURS ONLY». En la esquina inferior derecha, una etiqueta de precio roja con el texto «-50%». Estilo de marketing minorista moderno, de alto contraste y con sensación de urgencia; formas geométricas limpias, sin desorden.

Tres elementos de texto independientes en una sola composición (titular, subtítulo y anotación de la etiqueta de precio), todos legibles con claridad. Una paleta de alto contraste como este azul marino oscuro con rojo anaranjado parece ayudar: aquí las tres generaciones siguieron el mismo patrón, y un fuerte contraste entre fondo y primer plano se asoció con bordes de texto más limpios.

Una regla, por muy buenos que sean los resultados del modelo: revisa cada palabra renderizada antes de publicar. La precisión del renderizado de texto de Ideogram V4 es muy alta, pero no del 100 %: de vez en cuando una ejecución aún recorta una letra o calcula mal el interletrado en líneas largas. Compara cada generación con el copy previsto antes de publicarla; no publiques texto renderizado por IA en una tienda online sin revisarlo.

Llamar a Ideogram V4 desde la API de hiapi

Ideogram V4 se ejecuta en el endpoint de tareas asíncronas de hiapi. Envías una tarea, haces sondeos hasta que se completa y luego descargas la salida; no hay respuesta síncrona de imagen.

import time
import requests

API_KEY = "YOUR_API_KEY"
BASE_URL = "https://api.hiapi.ai/v1/tasks"

def generate_image(prompt, rendering_speed="BALANCED", aspect_ratio="16:9"):
    payload = {
        "model": "ideogram-v4",
        "input": {
            "prompt": prompt,
            "rendering_speed": rendering_speed,
            "aspect_ratio": aspect_ratio,
        },
    }
    response = requests.post(
        BASE_URL,
        headers={
            "Authorization": f"Bearer {API_KEY}",
            "Content-Type": "application/json",
        },
        json=payload,
    )
    response.raise_for_status()
    task_id = response.json()["data"]["taskId"]

    while True:
        poll = requests.get(
            f"{BASE_URL}/{task_id}",
            headers={"Authorization": f"Bearer {API_KEY}"},
        ).json()["data"]
        if poll["status"] == "success":
            return poll["output"][0]["url"]
        if poll["status"] == "fail":
            raise RuntimeError(poll.get("error"))
        time.sleep(5)

image_url = generate_image('Bold headline text "FLASH SALE" on a dark navy banner')
print(image_url)

Solo acepta tres campos de entrada: prompt (obligatorio), rendering_speed (obligatorio —uno de TURBO, BALANCED, QUALITY) y aspect_ratio (opcional, por ejemplo 16:9, 1:1, 9:16, 4:3, 3:4). Este modelo no tiene negative_prompt, seed ni campos de entrada de imagen; consulta la referencia completa de parámetros en la página del modelo Ideogram V4.

Generar todo el catálogo de productos por lotes

Para un catálogo real no vas a llamar a una sola imagen a la vez: vas a pasar una lista de productos o campañas por la misma tubería durante toda la noche. Aquí tienes una versión por lotes que lee un CSV de prompts y descarga cada resultado:

import csv
import os
import time
import requests

API_KEY = os.environ["HIAPI_API_KEY"]
BASE_URL = "https://api.hiapi.ai/v1/tasks"
OUT_DIR = "output"

def create_task(prompt, rendering_speed, aspect_ratio):
    payload = {
        "model": "ideogram-v4",
        "input": {
            "prompt": prompt,
            "rendering_speed": rendering_speed,
            "aspect_ratio": aspect_ratio,
        },
    }
    resp = requests.post(
        BASE_URL,
        headers={"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"},
        json=payload,
    )
    resp.raise_for_status()
    return resp.json()["data"]["taskId"]

def wait_for_result(task_id, timeout_s=300, poll_interval=5):
    deadline = time.time() + timeout_s
    while time.time() < deadline:
        data = requests.get(
            f"{BASE_URL}/{task_id}",
            headers={"Authorization": f"Bearer {API_KEY}"},
        ).json()["data"]
        if data["status"] == "success":
            return data["output"][0]["url"]
        if data["status"] == "fail":
            raise RuntimeError(f"task {task_id} failed: {data.get('error')}")
        time.sleep(poll_interval)
    raise TimeoutError(f"task {task_id} did not finish in {timeout_s}s")

def run_batch(csv_path):
    os.makedirs(OUT_DIR, exist_ok=True)
    with open(csv_path, newline="", encoding="utf-8") as f:
        reader = csv.DictReader(f)
        for row in reader:
            name = row["name"]
            prompt = row["prompt"]
            rendering_speed = row.get("rendering_speed") or "BALANCED"
            aspect_ratio = row.get("aspect_ratio") or "16:9"
            print(f"generating {name}...")
            task_id = create_task(prompt, rendering_speed, aspect_ratio)
            url = wait_for_result(task_id)
            image_bytes = requests.get(url, timeout=60).content
            with open(os.path.join(OUT_DIR, f"{name}.jpg"), "wb") as out:
                out.write(image_bytes)
            print(f"  saved {name}.jpg")

if __name__ == "__main__":
    run_batch("products.csv")

products.csv solo necesita las columnas name y prompt, y puede sobrescribir opcionalmente rendering_speed / aspect_ratio fila por fila:

name,prompt,rendering_speed,aspect_ratio
summer-sale-banner,"Bold headline ""SUMMER SALE"" on pastel gradient background",BALANCED,16:9
label-aurelia-cream,"Skincare jar label reading ""AURELIA"" and ""HYDRATING FACE CREAM""",BALANCED,1:1
flash-sale-24h,"Dark navy flash sale banner with ""24 HOURS ONLY"" and a ""-50%"" price tag",BALANCED,16:9

Déjalo ejecutarse durante la noche sobre una lista completa de productos o campañas y luego revisa en bloque la carpeta de salida antes de publicar nada; el paso de corrección no desaparece porque generes por lotes.

Trucos de prompting para una tipografía limpia

Estos patrones se mantuvieron en las tres imágenes de prueba:

• Pon el copy exacto entre comillas. Encierra entre comillas el texto literal que quieres renderizar (text "SUMMER SALE") en lugar de describirlo de forma indirecta. Es el factor individual más importante para obtener la redacción exacta.
• Separa claramente titular y subtítulo. Describir las dos líneas de copy como dos instrucciones distintas («titular en negrita… debajo, un texto más pequeño…») produjo una jerarquía más clara que una sola frase larga y encadenada.
• Pide contraste, no solo color. Las combinaciones de fondo y primer plano de alto contraste (azul marino oscuro + rojo anaranjado, pastel + texto oscuro) renderizaron de forma consistente glifos más nítidos que las paletas de bajo contraste.
• Indica explícitamente el espacio negativo. Si necesitas que el copy esté en una zona concreta, dilo («deja mucho espacio negativo a la izquierda para el texto»); de lo contrario, el modelo puede colocar el texto donde le parezca mejor para la composición, y eso no tiene por qué coincidir con lo que necesita tu diseño.
• Mantén breve el texto de las etiquetas. Los mockups de etiquetas curvas son el diseño menos tolerante al texto; los nombres de marca cortos y los textos secundarios breves pasan la revisión con mucha más frecuencia que un párrafo entero de copy de packaging.

Preguntas frecuentes

¿Puede Ideogram V4 editar fotos de producto existentes en lugar de generar banners nuevos? No; es solo texto a imagen, sin entrada de imagen a imagen. Si necesitas colocar texto sobre una foto de producto existente, genera el elemento de texto por separado o usa un modelo compatible con i2i en ese paso.

¿Admite Ideogram V4 relaciones de aspecto verticales o cuadradas para publicaciones de Instagram o redes sociales? Sí; además de 16:9, aspect_ratio también acepta valores como 9:16 y 1:1, por lo que el mismo método de prompting sirve para tarjetas de producto cuadradas o banners sociales verticales.

¿Qué rendering_speed debería usar por defecto en una ejecución por lotes de un catálogo real? BALANCED: todos los ejemplos de esta guía usan ese nivel y es suficientemente fiable para banners y etiquetas estándar. Reserva QUALITY para materiales principales de gran tamaño y TURBO para cuando todavía estés ajustando el copy y necesites iterar a bajo coste.

Si el texto se renderiza bien la mayoría de las veces, ¿aun así hay que corregirlo? Sí. La precisión de texto de Ideogram V4 es muy alta, pero no está garantizada: trata cada gráfico generado como una prueba de imprenta y revísalo antes de publicar, no después de que un cliente señale una errata.

¿Listo para generar tu propio catálogo de imágenes? Consigue una API key y prueba un prompt en la página del modelo Ideogram V4, o si vas a integrarlo en la tubería de tu catálogo de productos actual, consulta la guía de inicio rápido de la documentación de la API de hiapi. Si además estás comparando modelos específicamente para fotografía de producto (en lugar de gráficos con mucha tipografía), Best AI Models for E-Commerce Product Images compara Ideogram V4 con las opciones orientadas a fotografía, mientras que Building an E-Commerce Product Image Workflow With GPT Image 2 cubre el patrón de tubería por lotes en el que se basa el script de esta guía.