Guide d'utilisation
Générer des images de produits e-commerce avec gpt-image-2.5-sunburst/image-to-image via l'API HiAPI
Images de référence, remplacement d'arrière-plan, scènes de vie, et une requête HiAPI fonctionnelle
Sur cette page
Pourquoi l'image-à-image convient aux photos de produits e-commerce
La génération texte-à-image excelle à inventer des produits qui n'existent pas, ce dont une équipe catalogue n'a presque jamais besoin. Vous disposez déjà du produit physique, de l'emballage, des étiquettes et de la palette de couleurs — ce qui vous manque, c'est le temps et le budget nécessaires pour photographier chaque SKU avec chaque arrière-plan et chaque scène de vie.
gpt-image-2.5-sunburst/image-to-image utilise une photo existante comme point d'ancrage et lui applique des instructions de modification. Cela change la structure de coûts des images produits sur plusieurs points concrets :
- Fidélité au produit réel. L'image d'entrée porte la forme, la matière, la couleur et la mise en page des étiquettes. Le modèle doit préserver ces caractéristiques tout en modifiant ce que vous demandez, plutôt que de réinventer un produit approximatif.
- Itérations moins coûteuses. Changer d'arrière-plan ou de scène ne demande qu'une modification de prompt, pas la réservation d'un studio. Vous pouvez tester plusieurs directions de scènes de vie pour un même SKU en un après-midi et conserver celle qui gagne.
- Cohérence sur l'ensemble du catalogue. Comme chaque sortie dérive d'une photo originale comparable, une série de retouches conserve une similarité que des images entièrement générées atteignent rarement.
Quand l'utiliser — et quand ne pas l'utiliser
Choisissez l'image-à-image lorsque le produit lui-même est fixe et que seul l'environnement est variable : remplacer l'arrière-plan d'une fiche produit sur une place de marché, créer des scènes de vie pour la publicité et les landing pages, changer l'habillage saisonnier ou localiser les accessoires. C'est aussi un outil raisonnable pour nettoyer une photo correcte mais imparfaite.
Ne l'utilisez pas pour inventer un concept qui n'a jamais existé, lorsque la photo source est inutilisable (fortement floue, produit largement masqué), ou lorsque vous devez restituer le texte d'une étiquette avec une précision d'impression. Dans ces cas, une nouvelle prise de vue ou des visuels vectoriels valent mieux que n'importe quel modèle.
Un cadre pratique : considérez la photo source comme la référence factuelle et le prompt comme un ensemble d'instructions au périmètre bien défini. Chaque instruction de modification que vous écrivez doit répondre à la question : « Que veux-je conserver, que veux-je changer ? » Si la requête rend cela ambigu, la qualité s'effondre.
Le point de terminaison que vous appelez est celui décrit sur la page du modèle ; le reste de ce guide explique comment bien l'alimenter.
Préparer des images de référence qui survivent à la modification
Le modèle ne peut préserver que ce qu'il voit. La plupart des retouches de produits décevantes remontent à la photo d'entrée, pas au prompt. Avant d'envoyer quoi que ce soit, passez l'image source au crible d'une courte liste de vérification.
Résolution et netteté
Envoyez la version la plus grande et la plus propre dont vous disposez. Une vignette réduite perd les structures fines que le modèle doit conserver — coutures, textures, petites typographies. Si l'image est molle ou présente un flou de mouvement, corrigez-la ou reprenez la photo ; un filtre de netteté en prétraitement aide rarement et peut introduire des halos que le modèle amplifiera ensuite.
Cadrage et espace négatif
Laissez de l'espace vide autour des bords du produit. Si l'objet touche le cadre, le modèle n'a pas de place pour construire un nouvel arrière-plan et a tendance à recadrer ou déformer le sujet. Une prise de vue isolée avec une marge nette sur les quatre côtés est bien plus fiable à retoucher qu'un cadrage serré, et vous donne de la latitude pour repositionner le produit dans une nouvelle scène.
Séparation du sujet
Vous n'avez pas besoin d'un détourage parfait au pixel près, mais une séparation propre entre le produit et l'arrière-plan fait l'essentiel du travail. Un arrière-plan uniforme et peu détaillé (fond papier sans raccord, dégradé neutre, mur uni) suffit. Un arrière-plan encombré entre en concurrence avec vos instructions et contamine le résultat.
Éclairage et angle de vue
Photographiez ou choisissez une source dont vous acceptez de conserver la direction de l'éclairage, car la retouche s'y alignera autant que possible. Un produit éclairé en avant-gauche attendra une lumière principale venant aussi de l'avant-gauche dans la nouvelle scène. De plus, maintenez un angle de caméra cohérent au sein de chaque catégorie — une vue à plat vue de dessus et une vue à trois quarts ne seront jamais harmonieuses dans la même gamme de produits.
Étiquettes, logos et texte
Si le produit porte un texte que le client doit lire, vérifiez qu'il est nettement lisible sur l'image source. Le modèle fera de son mieux pour le préserver, mais les textes petits ou inclinés se dégradent en premier. Pour les mentions réglementées ou essentielles à la marque, prévoyez une étape de relecture humaine et envisagez d'orienter vers l'appareil la face portant le texte.
Une remarque sur le traitement par lots
Lorsque vous préparez plusieurs SKU, standardisez-les : même ratio de recadrage, même marge, même tonalité d'arrière-plan. L'effort investi à ce stade se traduit directement par la cohérence des sorties et permet de réutiliser le prompt sans risque sur toute la catégorie.
Remplacer proprement l'arrière-plan d'un produit
Le remplacement d'arrière-plan est la retouche e-commerce la plus courante, et aussi l'endroit où l'on rédige le prompt le plus paresseusement. « Nouvel arrière-plan » n'est pas une instruction — c'est un vœu pieux. Le modèle doit savoir à quoi ressemble le nouvel espace et comment le produit doit y être intégré.
Décrivez l'espace, au lieu d'écrire un seul mot
Précisez la surface, l'arrière-plan et la lumière. « Produit posé sur une surface blanche mate avec un arrière-plan en dégradé doux, grande lumière principale diffuse en haut à gauche, ombre de contact douce sous le produit » donne au modèle une scène à construire. « Fond blanc » lui laisse la liberté de deviner.
Énoncez explicitement la clause de préservation du produit
Chaque prompt d'arrière-plan doit comporter une clause de préservation : conserver la forme, les proportions, la couleur, la matière et le texte de l'étiquette du produit. Cette phrase ne coûte presque rien à écrire mais réduit nettement les dérives, en particulier pour les objets à silhouette distinctive.
Protégez les contours et les ombres
Un détourage propre vient de prompts qui mentionnent le contact et les ombres. Exigez une ombre de contact naturelle là où le produit touche la surface, et demandez que les bords restent nets sur le nouvel arrière-plan. Si vous passez d'un fond sombre à un fond clair, attendez-vous à ce que le modèle ait besoin d'aide pour le liseré — précisez que la lumière sur les bords du produit correspond au nouvel environnement.
Faites correspondre la lumière propre au produit
Si la source a été prise avec un seul softbox, ne demandez pas un décor de studio à l'éclairage dur et dramatique. Une incohérence d'éclairage est le signe évident d'une fiche produit composée. Décrivez une lumière plausible pour la source, et variez plutôt la couleur de l'arrière-plan et la texture de la surface pour obtenir de la diversité visuelle.
Contraintes de plateforme
Si la plateforme cible exige un fond blanc pur ou uni, précisez-le clairement et demandez l'absence d'accessoires et de raccords visibles sur la surface. Si la cible est une boutique de marque, vous avez plus de liberté — dégradés, textures subtiles et plan de sol assorti sont acceptables.
Ne faites varier qu'un paramètre à la fois
Changez d'abord l'arrière-plan, vérifiez que le produit est bien préservé, puis ajustez les ombres ou l'éclairage. Si vous modifiez plusieurs choses dans un même prompt, vous ne pourrez pas identifier quelle instruction a causé l'échec, et chaque requête ratée consomme tout de même votre budget de sortie.
Intégrer le produit dans une scène de vie
C'est dans les scènes de vie que l'image-à-image prend toute sa valeur : le produit reste reconnaissable en lui-même tandis que le monde qui l'entoure change. L'astuce réside dans l'échelle, l'éclairage et la vraisemblance.
Ancrez la scène avec quelques détails précis
Un prompt de scène doit être suffisamment spécifique pour contraindre la composition, sans dicter chaque pixel. Précisez l'environnement, la surface sur laquelle repose le produit, un ou deux accessoires et la qualité de la lumière. « Posé sur un plan de travail de cuisine en chêne patiné, lumière du matin entrant par une fenêtre à droite, tasse en céramique floue et linge en lin plié à l'arrière-plan » fonctionne. Une longue liste d'accessoires ne fonctionne pas — elle dispute l'attention du modèle au produit.
Respectez les proportions
Précisez les rapports de taille du produit dans le monde réel, car le modèle n'a pas de règle graduée. Une grande bouteille et un petit baume à lèvres paraissent chacun plausibles isolément, mais absurdes ensemble. Mentionner la surface et un repère identifiable (une main, une tasse standard, une étagère) donne un ancrage aux proportions.
Faites d'abord correspondre la lumière de la source, puis celle de la scène
Vous devez résoudre deux problèmes d'éclairage à la fois : l'ombrage déjà présent sur le produit et l'éclairage du nouvel environnement. Si la source est éclairée de façon diffuse et uniforme, choisissez une scène en lumière douce du jour plutôt qu'un contre-jour de coucher de soleil marqué. Écrivez explicitement la direction de la lumière et précisez que l'éclairage du produit doit correspondre à celui de la scène. En cas de conflit, vous obtiendrez soit un produit rééclairé qui ne correspond plus aux autres prises de vue, soit un rendu qui semble collé.
Gardez le produit net et la scène secondaire
Précisez que le produit est le sujet net au point focal et que l'environnement est légèrement hors foyer. Cette seule instruction améliore le réalisme plus que n'importe quelle liste d'accessoires, et elle empêche le modèle d'inventer des détails accrocheurs dans l'arrière-plan.
Variez la scène, pas le produit
Pour une page de catégorie, gardez le modèle de scène fixe et ne changez qu'un élément entre les SKU — saison, surface, accessoires. Une grammaire de scène partagée fait lire un ensemble de scènes de vie comme une même campagne marketing, et non comme un collage de photos de banque d'images.

Une requête HiAPI image-à-image fonctionnelle
Tout passe par un point de terminaison authentifié, donc la structure de la requête reste la même quel que soit ce que vous modifiez. L'essentiel est l'ID du modèle, l'image source et le prompt.
Requête
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": "Conserver la forme, les proportions, la couleur, la matière et le texte de l'étiquette du produit. Remplacer l'arrière-plan par une surface gris chaud mat et un arrière-plan en dégradé doux, grande lumière principale diffuse en haut à gauche, ombre de contact naturelle sous le produit, bords du produit nets, le produit restant le sujet net au point focal.",
"size": "1024x1024",
"n": 1
}'
Le champ image accepte une URL hébergée, ou une charge utile base64 lorsque vos assets ne sont pas accessibles publiquement — le base64 permet de garder des SKU non publiés hors d'un CDN public. Gardez n à 1 pendant les itérations ; plusieurs candidats multiplient le coût et rendent plus difficile l'attribution d'un changement de qualité à une modification de prompt.
Interpréter la réponse
L'API renvoie un corps JSON contenant un tableau data ; chaque élément porte l'image de résultat (en base64 ou sous forme d'URL selon les paramètres de votre compte). Vérifiez l'horodatage de création dans la réponse ainsi que tout champ d'usage renvoyé, et consignez-les avec l'ID de requête pour pouvoir les rapprocher plus tard.
Un appel Python minimal ressemble à ceci :
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]
Points d'attention pratiques pour l'intégration
- Stockez le prompt avec chaque sortie. Des semaines plus tard, une image gagnante ne pourra être reproduite que si vous avez conservé le prompt exact et l'image source.
- Distinguez les échecs de transport des échecs du modèle. Les délais dépassés et les réponses 5xx sont réessayables ; une requête rejetée pour une taille non prise en charge ne l'est pas.
- Téléchargez et conservez immédiatement les sorties, au lieu de dépendre d'URL temporaires.
- Placez la chaîne du modèle dans la configuration plutôt que disséminée dans le code, afin qu'un futur changement de modèle ne demande qu'une ligne.
La référence du point de terminaison et les paramètres pris en charge figurent sur la page du modèle ; la facturation y est mesurée à la sortie, donc réduire les itérations ratées est le principal levier de maîtrise des coûts.

Traiter les défauts et maintenir la cohérence des sorties
Même avec une bonne entrée et un prompt soigné, les retouches de produits échouent de manières reconnaissables. Chaque mode de défaillance a son correctif standard.
Dérive de la forme du produit
Symptôme : la silhouette change légèrement — une poignée s'épaissit, un galbe se redresse. Cause : le prompt décrit la scène plus que le produit, et le modèle réinterprète donc le sujet. Correctif : placez la clause de préservation au début, nommez explicitement la forme et simplifiez la description de la scène. Si la dérive persiste, le cadrage de la source est probablement trop serré.
Texte d'étiquette perdu ou brouillé
Symptôme : le nom de la marque devient des symboles plausibles mais illisibles. Cause : le texte est trop petit, incliné ou peu contrasté sur la source. Correctif : partez d'une source plus nette et plus frontale ; précisez que le texte de l'étiquette et le logo restent inchangés et nettement lisibles ; évitez d'ajouter des détails d'arrière-plan chargés derrière la zone de l'étiquette. Pour les mentions réglementées, prévoyez de toute façon une relecture humaine.
Composition incohérente sur l'ensemble du catalogue
Symptôme : chaque image de la catégorie a des proportions et un angle différents. Cause : recadrages sources et prompts par image incohérents. Correctif : unifiez la marge et l'angle de caméra des sources avant l'édition, et réutilisez un modèle de prompt unique pour le lot, en ne changeant que la variable de scène.
Halos sur les bords et produits flottants
Symptôme : un liseré clair autour du produit, ou des objets sans ombre qui semblent collés. Cause : inadéquation de la lumière entre la source et la scène demandée. Correctif : exigez explicitement une ombre de contact naturelle, précisez la direction de la lumière et choisissez un environnement dont l'éclairage correspond à la prise de vue source.
Aspect plastique sur-retouché
Symptôme : les textures sont lissées, les tissus trop propres. Cause : un prompt demandant un rendu « raffiné » ou « professionnel » sans limite sur la retouche. Correctif : demandez de conserver les textures d'origine, le grain des matières et les traces d'usure.
Règle générale
Ne modifiez qu'une variable à la fois, incluez une clause de préservation dans chaque prompt et figez les standards des photos sources. Quand une sortie échoue, demandez-vous d'abord si la photo d'entrée est assez bonne — la plupart du temps, la réponse est non.
Intégrer la retouche d'images dans le flux de travail du catalogue
Une requête unique fonctionnelle n'est pas une chaîne de production. En faire une production à l'échelle du catalogue repose principalement sur la discipline d'ingénierie autour de l'appel au modèle.
Standardiser les entrées à l'ingestion
Mettez en place une petite étape de prétraitement : recadrage à un ratio standard, ajout d'une marge fixe, et signalement des sources basse résolution ou floues avant qu'elles n'atteignent l'API. Un contrôle préalable qui rejette les mauvaises entrées économise plus que n'importe quel réglage de prompt.
Traiter par lots selon des modèles, et non par SKU
Regroupez les produits par catégorie, avec un ou deux modèles de prompt par catégorie. Lancez les lots, puis examinez une planche de vignettes par modèle. Modifier le modèle et relancer la catégorie coûte bien moins cher que de rédiger des prompts à la main pour chaque article, et cela préserve la cohérence de la grammaire visuelle.
Deux tours de relecture
Le premier tour est une élimination rapide : le produit ressemble-t-il à lui-même ? Le texte est-il lisible ? Les bords sont-ils nets ? Le second tour est une relecture design selon les directives de la marque. Automatisez autant que possible les contrôles mécaniques — détection de dérive forte par hachage d'image comparé à la source, validation de résolution et de format des livrables.
Joindre les informations de provenance
Stockez l'image source, le prompt, l'ID du modèle et l'horodatage avec chaque sortie. Quand un chef de produit demande pourquoi une image principale particulière diffère, la réponse doit être la différence entre deux enregistrements de prompt, non une enquête.
Déploiement progressif
Commencez par le remplacement d'arrière-plan, la retouche au risque le plus faible ; passez aux scènes de vie une fois les modèles stabilisés. Déployez d'abord sur une catégorie, puis sur l'ensemble du catalogue, en conservant la possibilité de régénérer à la demande n'importe quel élément individuel.
Savoir où le modèle s'arrête
Une chaîne de production ne remplace ni le photographe pour les SKU phares, ni la relecture juridique des allégations produit. Traitez les retouches générées comme un niveau de production, et réservez le budget studio aux images dont la fidélité est l'argument de vente central.
Si vous êtes prêt à le tester sur votre propre catalogue, la structure de requête ci-dessus est tout ce dont vous avez besoin pour commencer à utiliser gpt-image-2.5-sunburst/image-to-image sur HiAPI.
Articles similaires
Voir tous les articles →-
Guide d'utilisation
Guide de prise en main de Tripo H3.1 : trois modes d'entrée, paramètres et choix tarifaires
Décision d'intégration et maîtrise des coûts de la génération 3D pour les développeurs
-
Guide d'utilisation
Générer des images de produits e-commerce avec qwen-image-2.1-turbo via l'API HiAPI
Workflow de visuels catalogue rapide pour développeurs : sortie PNG transparente et requête API exécutable
-
Guide d'utilisation
Utiliser topaz-upscale/video via l'API HiAPI : un flux de travail pour améliorer la qualité des vidéos courtes
Interpolation d'images, réglages d'amélioration et une requête HiAPI exploitable pour une vidéo verticale