Qwen Image 3.0图生图：convierte una foto de producto en todo un conjunto de materiales para e-commerce

La mayoría de los catálogos de productos siguen incluyendo una sola foto limpia de estudio por SKU. Eso basta para la miniatura de un listado, pero en cuanto necesitas una imagen lifestyle para un anuncio, una imagen de banner de temporada o una imagen de listado para un marketplace que exige mostrar el producto «en uso en casa», esa única foto se queda corta. Volver a fotografiar para cada escenario implica fotógrafo, estudio y varios días de plazo por producto.

Hicimos una pequeña prueba real para ver si qwen-image-3.0/image-to-image puede cerrar esa brecha: partiendo de una foto de producto de estudio, colocarlo mediante edición image-to-image en tres escenarios lifestyle distintos sin una segunda sesión de fotos. Estos son los resultados, los prompts exactos que usamos y un flujo de trabajo por lotes que se puede escalar a varios productos.

Por qué image-to-image supera a volver a fotografiar cada escenario

Si le pides a un modelo text-to-image que «dibuje un goteador de café sobre una encimera de cocina», dibujará algún goteador de café, pero no necesariamente el tuyo, ni con las mismas proporciones, materiales e identidad de marca. Los modelos image-to-image resuelven otro problema: toman una foto real como referencia y generan una imagen nueva que cambia el entorno, la iluminación o el estilismo manteniendo el sujeto reconocible.

Para el e-commerce, esta diferencia es clave. Los compradores comparan la imagen lifestyle con la foto del producto en la misma página: si la forma no coincide, lo interpretan como un montaje o como un producto que no es el que se entrega. La prueba siguiente verifica si el modo image-to-image de qwen-image-3.0 mantiene esa coherencia en tres escenarios realmente distintos.

La prueba: una foto de producto, tres escenarios listos para usar

Primero generamos con gpt-image-2/text-to-image una foto de estudio casera de un goteador de café de cerámica blanca sobre fondo blanco puro: el tipo de foto base que ya tiene la mayoría de los vendedores en su archivo.

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.»

Después pasamos esa foto a qwen-image-3.0/image-to-image tres veces, una por escenario, manteniendo la imagen de referencia sin cambios y modificando solo el prompt.

Escenario 1: encimera de cocina, luz de la mañana

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

Es la foto de uso cotidiano: la que responde a «cómo se vería esto en mi encimera».

Escenario 2: mesa de cafetería

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

Un escenario más editorial y aspiracional, más adecuado para anuncios en redes sociales o banners de la página de inicio.

Escenario 3: estilo de regalo navideño

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

El mismo producto con un empaque de temporada: útil para listas de guías de regalos sin esperar a una sesión fotográfica navideña dedicada.

Qué demuestra realmente la prueba

• La identidad del producto se mantuvo en los tres escenarios. La forma del goteador, el soporte de abedul y el color de la cerámica se mantuvieron coherentes: la característica más importante para el e-commerce, porque una discrepancia en la foto del producto daña la confianza del comprador.
• Cada edición tardó menos de un minuto. Los tres escenarios se completaron dentro del típico tiempo de espera de un solo dígito de minutos, así que un catálogo pequeño de 20-30 productos es trabajo para una tarde, no para varios días de sesión fotográfica.
• La concreción del prompt importa más que su longitud. Los prompts anteriores son deliberadamente breves: nombrar el material, el objeto y el escenario basta. En nuestras primeras pruebas improvisadas, los prompts vagos (como «hazlo acogedor») producían variaciones de escenario menos predecibles.
• Para este producto, una imagen de referencia fue suficiente. qwen-image-3.0/image-to-image acepta hasta tres imágenes de referencia por llamada; para un sujeto protagonista sencillo como este, una foto de referencia limpia ya da resultados estables, así que no necesitamos gastar en referencias adicionales.

Nivel básico vs. nivel Pro: cuál elegir

Ambos niveles funcionan igual (misma imagen de referencia, misma estructura de prompt), pero los tres escenarios anteriores los hicimos con el nivel básico y se mantuvo fiel al modelo en todo momento. Elige Pro cuando el producto tenga materiales complejos (vidrio, tejidos estampados, texturas metálicas finas) o composiciones recargadas, y necesites más fidelidad de materiales que velocidad. Sobre el precio (verificado en la página de precios en tiempo real de hiapi): el nivel básico cuesta aproximadamente $0.036 por imagen, más una pequeña tarifa por imagen de referencia; el nivel Pro es alrededor de un 40% más caro por imagen, con la misma tarifa por imagen de referencia; en cualquier caso, sale más barato que volver a fotografiar.

Escalar a todo el catálogo de productos

La clave de image-to-image aquí no es una sola foto, sino convertir una imagen base en toda una biblioteca de escenarios. El patrón es un ciclo sencillo: mantener fija la imagen de referencia e iterar los prompts.

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

Sustituye tus propias fotos de producto y un conjunto de descripciones de escenario, y el mismo ciclo genera un conjunto completo de imágenes de escenario para cada SKU. Cada URL de salida es temporal, así que descarga y almacena el resultado en cuanto termine la tarea (en tu propio CDN o donde tengas alojadas las imágenes de tu catálogo).

Preguntas frecuentes

¿Puedo usar una foto que ya tengo como referencia o hace falta una foto de estudio? Las fotos limpias y bien iluminadas funcionan mejor, porque el modelo reproduce lo que ve: una referencia desordenada o mal iluminada traslada ese desorden a cada escenario. Una foto de estudio con fondo liso como la usada en esta prueba da los resultados más predecibles.

¿Cuántas imágenes de referencia debo enviar por llamada? qwen-image-3.0/image-to-image acepta de 1 a 3. Para un único sujeto protagonista, en nuestra prueba una referencia bastó. Las referencias múltiples son más útiles cuando necesitas que el modelo coordine un producto desde varios ángulos a la vez.

¿Conserva mi logo o el texto de la etiqueta? El texto impreso pequeño y los logos son lo más difícil de conservar con exactitud en la edición de cualquier modelo de imagen. Trata este flujo de trabajo como fiable en forma, color y material, y revisa manualmente cualquier etiqueta o texto de logo en el resultado antes de publicar, como harías con cualquier imagen generada por IA (la comparativa de image-to-image de hiapi también aborda este compromiso en otros modelos).

¿Esto sustituye por completo la fotografía de producto? No: sigues necesitando una foto base fiable de cada producto. Lo que sustituye es la segunda, tercera y cuarta sesión de fotos para cada variante lifestyle que quieras.

¿Y si un escenario no sale bien? Vuelve a ejecutar el mismo prompt (el resultado de cada ejecución no es idéntico) o afina el prompt con detalles de escenario más concretos, como hacen los prompts anteriores, que especifican la superficie y las condiciones de luz exactas en lugar de una atmósfera vaga.

Conclusiones clave

• Una foto de producto de estudio más qwen-image-3.0/image-to-image genera tres escenarios distintos y fieles al modelo sin una segunda sesión de fotos.
• En esta prueba, la identidad del producto (forma, material, color) se mantuvo coherente en los tres escenarios.
• Los prompts breves y concretos, que nombran el objeto y el escenario, superan a los prompts vagos basados en la atmósfera.
• Para sujetos protagonistas sencillos, una imagen de referencia basta; ahorra las referencias adicionales salvo que el producto necesite coordinación desde varios ángulos.
• El mismo patrón de ciclo escala de forma lineal: una imagen base y un conjunto de prompts de escenario generan un conjunto completo de imágenes de escenario para cada SKU.

¿Listo para probarlo en tu propio catálogo de productos? Empieza en la página del modelo qwen-image-3.0/image-to-image, prueba la edición de escenarios con tus propias fotos de producto, o consulta cómo se compara con otros modelos de edición en el resumen de image-to-image de hiapi.