Guida all'uso
Ricette di prompt per la generazione di immagini di prodotti e-commerce con flux-2-klein-9b
Strutture di prompt copiabili per il rendering del testo e dettagli ad alta fedeltà, con richieste curl e Python tramite l'API hiapi
In questa pagina
Perché la struttura del prompt conta più della lunghezza
La maggior parte dei rendering di prodotto scadenti non nasce da una scarsità di aggettivi, ma dal fatto che il prompt mescola soggetto, inquadratura, luce e requisiti testuali in un ammasso indistinguibile di parole. Quando il risultato è sbagliato, non riesci a capire quale frase lo abbia causato, così riscrivi l'intero blocco perdendo anche le parti che funzionavano.
Un prompt strutturato risolve questo problema, perché ogni parte della descrizione ha una collocazione precisa. Ogni volta modifichi un solo slot e rirenderizzi. Se il testo dell'etichetta è distorto, cambi lo slot del testo. Se la bottiglia sembra plastica invece che vetro smerigliato, cambi la descrizione del materiale. Tutto il resto resta invariato, il che rende l'iterazione economica e i buoni risultati riproducibili.
Un prompt più lungo non migliora automaticamente la fedeltà. Oltre una certa lunghezza, gli aggettivi extra iniziano a farsi concorrenza: nello stesso passaggio ci sono sia "glossy" sia "matte", compaiono due direzioni di luce diverse, tre tonalità di sfondo tutte plausibili. Il modello può solo fare una media, e un prompt mediato produce immagini mediocri. Un prompt breve con slot ben separati fornisce al modello istruzioni chiare e non ambigue.
Questa guida usa ovunque il formato di ricetta a cinque slot:
- Soggetto — il prodotto e le sue proprietà fisiche determinanti
- Composizione — inquadratura, angolazione, disposizione, sfondo
- Luce — direzione, qualità, comportamento delle ombre
- Testo — testo esatto, posizione, gerarchia
- Negativi — una breve lista di artefatti da sopprimere
Ogni sezione che segue fornisce stringhe copiabili per uno slot specifico. Le assembli, le esegui su flux-2-klein-9b/text-to-image tramite l'API hiapi, e regoli un solo slot per ogni ciclo di iterazione.
Lo scheletro della ricetta: soggetto, composizione, luce, testo, negativi
Il template è il seguente. Tratta le parti tra parentesi quadre come campi da compilare, non come suggerimenti.
Subject: [nome prodotto], [materiale principale], [finitura superficiale], [un dettaglio distintivo]
Composition: [tipo di scatto] di [disposizione soggetto], [descrizione sfondo], [angolazione camera]
Light: [direzione] luce [qualità], [descrizione ombre]
Text: le parole "[testo esatto]" in [stile carattere], posizionate [posizione], dimensionate [dimensione relativa]
Negatives: [artefatto], [artefatto], [artefatto]
Un esempio compilato per un prodotto skincare:
Subject: amber glass dropper bottle, frosted glass body, matte black cap, a thin label band near the base
Composition: product hero shot, bottle centered on a light stone surface, soft neutral background with slight gradient, eye-level camera angle
Light: large softbox from the upper left, gentle falloff toward the right, soft contact shadow under the bottle
Text: the words "DAILY SERUM" in a clean geometric sans-serif, positioned on the label band, sized to span most of the label width
Negatives: warped lettering, duplicate labels, harsh specular hotspots
Due regole mantengono affidabile questo scheletro. Primo, l'ordine conta meno della separazione: le etichette (Subject:, Light:) servono a mantenere disciplina quando modifichi tu stesso il prompt, e possono essere rimosse una volta che il prompt è stabile. Secondo, mantieni solo pochi descrittori concreti per slot. Se uno slot richiede più di due righe, probabilmente stai descrivendo due immagini diverse.
Punta a quindici-venti parole per ogni slot di contenuto. Questo intervallo basta a fissare la realtà fisica del prodotto senza lasciare al modello spazio per inventare interpretazioni concorrenti.
Ricette per rendere il testo dell'immagine nitido e leggibile
Il rendering del testo è dove la disciplina del prompt ripaga di più. Tre abitudini migliorano sensibilmente i risultati: citare il testo esatto, specificare la posizione e mantenere il conteggio delle parole molto basso.
Cita una sola volta, ed esattamente
Metti il testo desiderato tra virgolette e dichiaralo una sola volta. Ripetere la stessa stringa in slot diversi induce il modello a renderizzarla due volte.
Text: le parole "AURORA" in un sans-serif condensato in grassetto, centrate sul pannello frontale, abbastanza grandi da dominare il terzo superiore
Specifica esplicitamente la gerarchia
Quando ci sono due elementi testuali, indica quale è primario e quale secondario, e descrivi le loro dimensioni relative.
Text: riga primaria "COLD BREW" in un serif pesante, centrata; riga secondaria "single origin" in un sans-serif leggero più piccolo direttamente sotto, circa un quarto dell'altezza della riga primaria
Ancora la posizione a caratteristiche fisiche
"Centrato" è troppo debole. "Centrato sull'etichetta frontale, tra il bordo superiore e l'anello del collo della bottiglia" dà al modello una geometria utilizzabile.
Text: le parole "SPF 30" in un sans-serif arrotondato, posizionate nell'angolo in basso a destra dell'etichetta, piccole rispetto al prodotto
Mantieni il testo breve
Da una a quattro parole si renderizzano in modo affidabile. Frasi complete, claim di prodotto ed elenchi di ingredienti sono esattamente il punto in cui la leggibilità crolla in glifi fusi. Se il tuo packaging richiede davvero un paragrafo, genera prima un'immagine pulita del prodotto e poi componi la tipografia reale — il modello non è un motore di layout.
Pattern efficaci per etichette e-commerce
- Breve marchio:
le parole "NORD" in un sans-serif geometrico maiuscolo, spaziatura ampia, centrate sulla spalla della bottiglia - Capacità o volume:
le parole "250ml" in un piccolo sans-serif regolare, bordo inferiore dell'etichetta, allineate a destra - Parola di categoria:
le parole "BODY LOTION" in un sans-serif di peso medio, una riga, che coprono la larghezza dell'etichetta
Se il rendering produce caratteri illeggibili, accorcia prima la stringa, prima di considerare qualsiasi altra modifica. La lunghezza è l'asse di fallimento più comune.
Ricette per dettagli di prodotto ad alta fedeltà
La fedeltà deriva dalla concretezza fisica, non dalla densità di aggettivi. Tre slot fanno la maggior parte del lavoro: materiale, finitura superficiale e inquadratura.
Materiale
Nomina la sostanza e uno o due risultati visibili.
Subject: tazza in ceramica, corpo spesso in gres, leggera irregolarità lungo il bordo, argilla maculata visibile attraverso lo smalto
Confrontalo con una bella tazza di alta qualità, che non dice al modello nulla di renderizzabile.
Finitura superficiale
La finitura è il punto in cui il rendering sbaglia più spesso, perché "lucido" e "premium" non sono istruzioni eseguibili. Descrivi come la luce si comporta sulla superficie.
Subject: thermos in acciaio inossidabile, grana orizzontale spazzolata, finitura satinata che diffonde i riflessi in ampie bande morbide invece che in punti netti
Subject: flacone di profumo in vetro, vetro trasparente a pareti spesse, sfaccettature lucidate che producono bordi netti e una rifrazione visibile attraverso il corpo
Inquadratura
Prendi in prestito termini fotografici. Questo dà al modello un modello coerente dello spazio dell'obiettivo.
product hero shot, altezza occhi, centrato, profondità di campo ridotta con lo sfondo che sfuma dolcementeangolazione a tre quarti, leggermente sopra l'altezza occhi, prodotto che occupa i due terzi inferiori dell'inquadraturaflat lay, direttamente dall'alto, prodotto allineato ai bordi dell'inquadratura con margini uniformi
Descrittori di texture davvero utili
Usa questi termini solo quando il prodotto è effettivamente così: brushed, frosted, matte, satin, polished, woven, knurled, embossed, anodized. Ognuno corrisponde a una specifica risposta alla luce, ed è per questo che battono gli elogi generici.
Una riga completa del soggetto orientata al dettaglio:
Subject: barattolo per candela in ceramica opaca, esterno non smaltato con grana fine, bordo interno liscio smaltato, sottile coperchio in legno leggermente socchiuso
Nota che non ci sono superlativi. Ogni parola vincola la geometria o la luce.

Pesi e brevi liste negative
Enfatizzare e attenuare parole
Quando uno slot viene ignorato, hai due leve: spostare la parola più avanti nel prompt, oppure darle un peso. La sintassi dei pesi varia da strumento a strumento, quindi prima di affidarti a una notazione specifica in carichi di produzione, verifica cosa accetta flux-2-klein-9b/text-to-image sull'API hiapi. In pratica, riordinare è la correzione più portabile — le parole vicine all'inizio di uno slot hanno più influenza di quelle sepolte alla fine.
Usa i pesi per conflitti reali, non per l'enfasi quotidiana. Se il testo dell'etichetta continua a rimpicciolirsi, dai peso allo slot del testo, non a ogni parola nel soggetto.
Basa la lista negativa sull'evidenza
La lista negativa è una lista di patch, non una lista dei desideri. Parti da vuota. Renderizza. Quando vedi un artefatto specifico, aggiungilo. Quando non lo vedi più, valuta di rimuoverlo.
Un set di partenza pratico per il lavoro sulle immagini di prodotto:
Negatives: warped lettering, duplicate text, extra fingers, distorted reflections
Per la maggior parte dei prompt e-commerce questo è più o meno il limite utile. Le liste negative troppo lunghe causano due problemi. Primo, consumano budget di prompt che potrebbe essere speso per descrivere il prodotto. Secondo, negativi ampi come blurry o low quality possono spingere il modello lontano dagli sfondi a fuoco morbido e dalle texture superficiali delicate che in realtà vuoi.
Aggiungi negativi per categoria di artefatto:
- Fallimenti del testo:
warped lettering,duplicate text,misspelled labels - Fallimenti strutturali:
asymmetric bottle,floating product,missing lid - Fallimenti di illuminazione:
harsh specular hotspots,double shadows - Fallimenti dello sfondo:
cluttered background,visible seams
Rivedi la lista ogni pochi rendering. Se una voce non compare da molto tempo, rimuovila e spendi le parole altrove.
Eseguire sull'API hiapi: curl e Python
L'ID del modello è flux-2-klein-9b/text-to-image. Entrambi i client inviano la stessa forma di richiesta: l'identificatore del modello più un oggetto parametri contenente il prompt assemblato. Sostituisci la API key e il base URL con i valori del tuo account hiapi.
curl
curl -X POST "$HIAPI_BASE_URL/v1/images/generations" \
-H "Authorization: Bearer $HIAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "flux-2-klein-9b/text-to-image",
"prompt": "Subject: amber glass dropper bottle, frosted glass body, matte black cap, thin label band near the base. Composition: product hero shot, bottle centered on a light stone surface, soft neutral gradient background, eye-level camera angle. Light: large softbox from the upper left, gentle falloff toward the right, soft contact shadow. Text: the words \"DAILY SERUM\" in a clean geometric sans-serif, on the label band, spanning most of the label width. Negatives: warped lettering, duplicate labels, harsh specular hotspots."
}'
Python
import os
import requests
payload = {
"model": "flux-2-klein-9b/text-to-image",
"prompt": (
"Subject: amber glass dropper bottle, frosted glass body, matte black cap, "
"thin label band near the base. "
"Composition: product hero shot, bottle centered on a light stone surface, "
"soft neutral gradient background, eye-level camera angle. "
"Light: large softbox from the upper left, gentle falloff toward the right, "
"soft contact shadow. "
"Text: the words \"DAILY SERUM\" in a clean geometric sans-serif, on the label band, "
"spanning most of the label width. "
"Negatives: warped lettering, duplicate labels, harsh specular hotspots."
),
}
response = requests.post(
f"{os.environ['HIAPI_BASE_URL']}/v1/images/generations",
headers={
"Authorization": f"Bearer {os.environ['HIAPI_API_KEY']}",
"Content-Type": "application/json",
},
json=payload,
timeout=120,
)
response.raise_for_status()
print(response.json())
Regolare il payload
Mantieni il prompt come un'unica stringa assemblata costruita da variabili di slot — a meno che la documentazione API non lo supporti esplicitamente, non inviare un campo per ogni slot. Nel codice, memorizza ogni slot come variabile separata e poi concatenali, così puoi cambiare sfondo o testo dell'etichetta per SKU senza toccare il resto della ricetta. Consulta il riferimento API per confermare il percorso esatto dell'endpoint e i parametri accettati nel tuo account; aggiungi lì anche controlli su dimensioni di output o seed casuale, se la tua integrazione ne ha bisogno.

Un esempio end-to-end di immagine di prodotto e-commerce
Ecco un esempio completo e riutilizzabile, adatto a un marchio di caffè che lancia caffè in sacchetto. Ogni slot è compilato, la lista negativa è breve e il testo è abbastanza corto da renderizzarsi in modo affidabile.
Subject: sacchetto di caffè in carta kraft opaca con fondo piatto, parte superiore ripiegata con chiusura a linguetta, grana fine della carta visibile, pannello rettangolare per etichetta sul davanti
Composition: product hero shot, sacchetto in piedi leggermente a destra del centro su una superficie in noce scuro, sfondo caldo attenuato, angolazione a tre quarti leggermente sopra l'altezza occhi
Light: luce morbida da finestra da sinistra, gradiente delicato sulla faccia del sacchetto, lunga ombra morbida che cade a destra
Text: le parole "NIGHT ROAST" in un serif condensato in grassetto sul pannello dell'etichetta, centrate; le parole "250g" in un piccolo sans-serif sotto
Negatives: warped lettering, duplicate text, torn paper edges, harsh specular hotspots
Invialo usando la stessa forma di richiesta mostrata sopra, sostituendo solo la stringa del prompt:
prompt = " ".join([
"Subject: sacchetto di caffè in carta kraft opaca con fondo piatto, parte superiore ripiegata con chiusura a linguetta,",
"grana fine della carta visibile, pannello rettangolare per etichetta sul davanti.",
"Composition: product hero shot, sacchetto in piedi leggermente a destra del centro su una superficie in noce scuro,",
"sfondo caldo attenuato, angolazione a tre quarti leggermente sopra l'altezza occhi.",
"Light: luce morbida da finestra da sinistra, gradiente delicato sulla faccia del sacchetto, lunga ombra morbida che cade a destra.",
"Text: le parole \"NIGHT ROAST\" in un serif condensato in grassetto sul pannello dell'etichetta, centrate;",
"le parole \"250g\" in un piccolo sans-serif sotto.",
"Negatives: warped lettering, duplicate text, torn paper edges, harsh specular hotspots.",
])
payload = {"model": "flux-2-klein-9b/text-to-image", "prompt": prompt}
Leggi il primo rendering come una checklist. Il testo è nitido e scritto correttamente? Se no, accorcia il testo o semplifica la descrizione del carattere. La grana della carta è visibile? Se il sacchetto sembra plastica, rafforza lo slot del materiale e aggiungi descrittori di finitura. La direzione delle ombre è coerente? Se vedi due ombre, lo slot della luce è in conflitto — rimuovi una sorgente.
Fai una sola modifica per ogni iterazione e conserva la versione che migliora lo slot target senza peggiorare gli altri. Salva ogni prompt accettato insieme al suo output, così la ricetta per uno SKU non va mai persa.
Iterazione: dal primo rendering a un set di immagini coerente
Un singolo buon rendering è solo una demo. Ciò di cui ha bisogno un catalogo e-commerce è un set di immagini coerente. L'obiettivo è variare la composizione mantenendo fissi soggetto, logica di illuminazione e gestione del testo.
Congela lo slot dell'identità
Mantieni Subject e Light identici byte per byte in tutto il set di immagini. Definiscono cos'è il prodotto e come è illuminato. Cambiarli tra uno scatto e l'altro è esattamente ciò che fa sembrare un set di immagini provenire da marchi diversi. Nel codice, bloccali come costanti e costruisci le variazioni sopra di essi.
Varia la composizione con intenzione
Scrivi in anticipo due o tre stringhe di composizione e riusale tra gli SKU:
product hero shot, centrato, altezza occhi, sfondo a gradiente neutroangolazione a tre quarti dall'alto, prodotto nei due terzi inferiori, superficie visibileflat lay, direttamente dall'alto, margini uniformi su tutti i lati
Alternare un vocabolario di composizione fisso produce un set di immagini che sembra progettato intenzionalmente, non casuale.
Sostituisci solo lo slot del testo per ogni variante
Se una linea di prodotti condivide il packaging, tra uno SKU e l'altro di solito cambia solo lo slot del testo. Parametrizzalo e lascia tutto il resto invariato. È anche lo slot che fallisce più facilmente, quindi testalo da solo con una singola composizione prima di generare l'intero set.
Traccia le modifiche come differenze
Metti i prompt sotto controllo di versione. Ogni commit dovrebbe cambiare un solo slot e includere il rendering che ha prodotto. Quando una variante successiva presenta una regressione — per esempio l'etichetta che improvvisamente si distorce — puoi risalire alla modifica specifica dello slot invece di ricostruire l'intera ricetta.
Sapere quando smettere di regolare
Se tre modifiche consecutive a uno slot non portano miglioramenti visibili, il problema è probabilmente fuori dal prompt: la richiesta stessa, oppure un dettaglio fisico che il modello non riesce a risolvere con l'inquadratura attuale. Sposta quel dettaglio fuori dal prompt e gestiscilo in post-produzione, oppure cambia composizione in modo che non sia più critico.
Una volta che le tue costanti e il vocabolario di composizione sono stabili, generare un set completo di prodotti diventa un ciclo su stringhe di testo e composizione, invece di un esercizio di riscrittura del prompt ogni volta. Mantieni fisso lo scheletro della ricetta e il catalogo può crescere con esso.
Articoli correlati
Vedi tutti gli articoli →-
Guida all'uso
Guida introduttiva a gpt-6.2-sol: limiti delle capacità, integrazione API e note sui prezzi per token
Punti decisionali e pratici per l'integrazione rivolti ai team di ingegneria
-
Guida all'uso
Guida introduttiva a gpt-6.2-astra: confini delle capacità del modello testuale, punti di integrazione e controllo dei costi
-
Guida all'uso
Guida introduttiva a Tripo H3.1: come scegliere tra tre modalità di input, parametri e prezzi
Guida pratica per sviluppatori: decisioni di integrazione e controllo dei costi nella generazione 3D