Guida all'uso
Flux-2 text-to-image per immagini prodotto e-commerce: ricette di prompt e richiesta HiAPI funzionante
Template di prompt per angolazioni, illuminazione e dettagli fini, più una richiesta HiAPI copiabile e il pattern batch
In questa pagina
Perché flux-2/text-to-image è adatto ai cataloghi e-commerce
La produzione di immagini prodotto ha un problema di curva dei costi: ogni SKU richiede più angolazioni, illuminazione coerente e sfondi puliti, e il costo marginale di "una variante in più" è alto sia in fase di scatto che di post-produzione. Quando disponi di descrizioni prodotto solide e prompt ripetibili, il text-to-image cambia i conti.
Scenari in cui il text-to-image eccelle
- SKU di nicchia e varianti. Colori, taglie e configurazioni che non giustificano uno scatto dedicato possono comunque ottenere immagini subito inseribili in catalogo.
- Concept e segnaposto. Pagine di categoria, test A/B e schede prodotto pre-lancio necessitano di immagini credibili prima che arrivino i campioni fisici.
- Esplorazione dello stile. Puoi testare rapidamente sfondi e direzioni di luce, definendo l'indirizzo visivo prima di prenotare lo shooting ufficiale.
Scenari in cui la fotografia è insostituibile
Se la decisione dell'acquirente dipende da dettagli fisici — cuciture, usura, etichette di certificazione, il colore esatto in luce reale — l'immagine generata è un concept, non una prova. Usa l'output di flux-2/text-to-image come materiale di catalogo solo quando l'immagine rappresenta il prodotto che spedirai effettivamente; per le immagini principali in cui la precisione è il punto di forza, mantieni la fotografia reale.
Rispetto all'image-to-image, il text-to-image richiede prompt più curati: non c'è un'immagine di riferimento a fissare la composizione. Questo è il compromesso. Ottieni il controllo completo su angolazione, illuminazione e sfondo, al prezzo di doverli descrivere esplicitamente. Il resto di questa guida riguarda come rendere questa descrizione ripetibile.

Struttura di prompt di base riutilizzabile in modo stabile tra gli SKU
Un prompt che funziona per un prodotto ma fallisce per un altro di solito mescola fatti specifici del prodotto e decisioni di scena. Sepàrali.
Lo scheletro a sei slot
[soggetto] — [angolazione] — [illuminazione] — [sfondo] — [dettagli] — [stile/vincoli]
- Soggetto: cos'è l'oggetto, materiale, colore e qualsiasi forma distintiva. Mantieni i fatti.
- Angolazione: posizione della camera rispetto al prodotto (frontale a tre quarti, dall'alto, ad altezza occhi).
- Illuminazione: luce principale softbox, luce di contorno, morbidezza delle ombre, direzione.
- Sfondo: superficie, colore e se è a fuoco.
- Dettagli: due o tre caratteristiche che l'acquirente controllerà.
- Stile/vincoli: fotografia di prodotto commerciale, messa a fuoco nitida, senza testo, composizione centrata.
Un esempio compilato
una tazza da caffè in ceramica opaca verde foresta scuro, angolazione frontale a tre quarti, ad altezza occhi,
luce principale morbida e diffusa in alto a sinistra, sottile luce di contorno sul bordo destro, sfondo senza giunture grigio chiaro,
trama della smaltatura opaca e curva pulita del manico visibili, fotografia di prodotto commerciale, messa a fuoco nitida,
senza testo, senza logo, composizione centrata
Mantieni stabili gli slot, sostituisci i fatti
Salva lo scheletro una volta nello script di generazione e inietta per ogni SKU solo gli slot soggetto e dettagli. Angolazione, illuminazione, sfondo e stile restano fissi in un batch: è proprio questo che fa sembrare un insieme di immagini lo stesso catalogo invece di un collage. Quando ti serve una seconda vista (dall'alto, laterale), cambia un solo slot, così qualsiasi differenza visiva sarà attribuibile a quella singola modifica.
Un'abitudine pratica: mantieni lo stesso ordine degli slot in ogni prompt che scrivi. Il modello segue la struttura, e chi rivedrà la tua libreria di prompt tra sei mesi farà lo stesso.
Ricette di prompt per angolazioni e illuminazione
Questi template sono progettati per essere incollati dopo lo slot [soggetto]. Sostituisci il colore di sfondo per adattarlo ai colori del tuo brand.
Ricette di angolazione
Frontale a tre quarti (angolazione predefinita dell'immagine principale)
vista frontale a tre quarti, camera all'altezza media del prodotto, prodotto centrato,
prodotto completo visibile, con un piccolo margine su tutti i lati
Ad altezza occhi / frontale
vista frontale ad altezza occhi, camera parallela al fronte del prodotto,
nessuna distorsione prospettica, prodotto centrato
Dall'alto a piattaforma
vista dall'alto a piombo, camera perpendicolare alla superficie,
prodotto centrato con margini uniformi, ombra piatta sottostante
Leggermente inclinata verso il basso (adatta a prodotti in scatola)
vista da 30 gradi sopra il prodotto, fronte e parte superiore entrambi visibili,
camera inclinata verso il centro del prodotto
Ricette di illuminazione
Luce da studio morbida (predefinita sicura)
luce principale softbox grande in alto a sinistra, pannello riflettente bianco di riempimento a destra,
ombre morbide di contatto sotto il prodotto, nessun riflesso speculare duro
Luce laterale per esaltare la texture
luce laterale radente da sinistra per rivelare la texture della superficie, riempimento morbido frontale,
ombre proiettate verso destra, sfondo illuminato uniformemente
Bianco catalogo pulito
due sorgenti morbide a 45 gradi per un'illuminazione luminosa e uniforme, ombre minime,
sfondo bianco senza giunture, bordi del prodotto nettamente separati
Accento d'atmosfera (vicino al contesto reale)
unica luce principale direzionale in alto a destra, decadimento profondo verso uno sfondo grigio scuro,
luce morbida su un bordo, ombre controllate
Punti di composizione universali
- Specifica l'altezza della camera quando la prospettiva conta; "altezza media" e "dall'alto" producono profili molto diversi.
- Specifica dove cadono le ombre. Le ombre non specificate sono la causa più comune di incoerenza nei batch.
- Fissa la terminologia dei margini ("con un piccolo margine su tutti i lati"), così il prodotto non viene ritagliato in modo diverso in tutto il batch.
Combina una ricetta di angolazione con una di illuminazione e hai una matrice stabile: quattro angolazioni per quattro impostazioni di luce, sedici look da un unico scheletro.

Formule per migliorare la fedeltà al prompt e i dettagli ad alta fedeltà
I problemi di fedeltà di solito derivano da sostantivi vaghi, non da troppi pochi aggettivi. Accumulare "bello, premium, sbalorditivo" aggiunge solo rumore stilistico senza dire al modello cosa renderizzare.
Nomina i materiali con precisione
Sostituisci "buon tessuto" con la superficie reale: alluminio spazzolato, acciaio opaco verniciato a polvere, pelle martellata, vetro smerigliato, tela di cotone non sbiancato. Le parole dei materiali portano texture e riflettanza, quindi sono più utili di qualsiasi aggettivo stilistico.
Vincola ciò che ti interessa
Il modello segue meglio i limiti espliciti che i desideri impliciti. Scrivi i vincoli come affermazioni sull'immagine:
il prodotto occupa circa il 70% della larghezza del fotogramma
area del logo vuota e senza marchi
il testo dell'etichetta è reso come area vuota, senza lettere
un solo prodotto nell'inquadratura, nessun oggetto di scena
Ogni riga elimina un grado di libertà. Mantieni i vincoli brevi e letterali: lunghi blocchi di testo proibitivo tendono a confondersi.
Indica i dettagli invece di elogiarli
- Debole:
estremamente dettagliato e di alta qualità - Forte:
cuciture visibili sul bordo superiore, texture fine sulla superficie in pelle, fibbia metallica con finitura spazzolata
I dettagli ad alta fedeltà derivano dal nominare le due o tre caratteristiche su cui l'acquirente ingrandirà, poi lasciare che il renderer gestisca il resto. Se un dettaglio conta, descrivi la sua posizione e il materiale, non la sua importanza.
Controlla la deriva tramite le parole di scena
Le parole di stile non sono gratuite. Drammatico, cinematografico e di lusso cambiano tutti l'illuminazione e il contrasto. Se il tuo catalogo è pulito e neutro, o rimuovile o abbinale a correzioni esplicite come illuminazione commerciale pulita, senza ombre drammatiche. La fedeltà migliora quando ogni istruzione di stile ha una descrizione fisica corrispondente.
Un'altra abitudine che vale la pena adottare: registra per categoria di prodotto quali righe di vincolo hai aggiunto. Quando l'output deriva, puoi confrontare le differenze dei prompt invece di tirare a indovinare.
Elenchi di negative prompt per prevenire i fallimenti comuni nelle immagini prodotto
Il negative prompt è un bisturi, non un secchio. Un elenco breve mirato ai modelli di fallimento che hai effettivamente osservato vale più di un muro di esclusioni generiche che potrebbe sopprimere rendering validi.
Un elenco iniziale essenziale
testo, filigrana, logo, arti in più, prodotto duplicato, sfondo disordinato,
riflessi speculari bruciati, motion blur, deformazione geometrica, bordo del prodotto tagliato
Perché vale la pena mantenere ogni voce
- testo, filigrana, logo — le lettere generate sono raramente utilizzabili e spesso illeggibili; uno spazio vuoto è meglio di un errore.
- prodotto duplicato — le scene multi-oggetto si insinuano quando lo slot dello sfondo è vago.
- sfondo disordinato — protegge l'aspetto pulito del catalogo.
- riflessi speculari bruciati — i prodotti lucidi perdono dettagli superficiali a causa del clipping delle alte luci.
- deformazione geometrica — manici, beccucci e bordi si piegano quando lo slot dell'angolazione è sottodescritto.
- bordo del prodotto tagliato — collabora con la terminologia dei margini per mantenere l'intero profilo nell'inquadratura.
Differenzia per categoria
Aggiungi, non accumulare. Per il vetro è adatto aggiungere doppio riflesso, vetro opaco. Per l'abbigliamento manichino, modello umano, indumento piegato. Per i prodotti alimentari condensa, guarnizione decorativa, oggetti di scena. Una volta che una categoria è stabile, rimuovi le voci corrispondenti; un elenco negativo più corto mantiene dominante il prompt positivo.
Regola pratica
Se non riesci a indicare il fallimento che hai visto in un output specifico, non aggiungerlo all'elenco negativo. Lascia che l'elenco cresca dalla revisione, non dalle ipotesi.
Una richiesta HiAPI flux-2/text-to-image funzionante
La richiesta seguente invia un prompt a flux-2/text-to-image attraverso l'interfaccia unificata HiAPI. Sostituisci la stringa del prompt e hai la tua prima immagine prodotto.
Richiesta
curl -X POST "https://api.hiapi.ai/v1/images/generations" \
-H "Authorization: Bearer $HIAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "flux-2/text-to-image",
"prompt": "una tazza da caffè in ceramica opaca verde foresta scuro, vista frontale a tre quarti, camera all'altezza media del prodotto, prodotto centrato con un piccolo margine su tutti i lati, luce principale softbox grande in alto a sinistra, pannello riflettente bianco di riempimento a destra, ombre morbide di contatto sotto il prodotto, sfondo senza giunture grigio chiaro, trama della smaltatura opaca e curva pulita del manico visibili, fotografia di prodotto commerciale, messa a fuoco nitida, senza testo, senza logo",
"negative_prompt": "testo, filigrana, logo, prodotto duplicato, sfondo disordinato, riflessi speculari bruciati, deformazione geometrica, bordo del prodotto tagliato",
"aspect_ratio": "1:1",
"n": 1
}'
Spiegazione campo per campo
- model — mantiene la chiamata instradata al text-to-image di flux-2. Fissalo esplicitamente, così i futuri cambiamenti dei valori predefiniti non alterino silenziosamente l'aspetto del tuo catalogo.
- prompt — lo scheletro a sei slot introdotto prima, assemblato con una ricetta di angolazione e una di illuminazione.
- negative_prompt — l'elenco di esclusioni essenziale; ritaglialo per categoria durante la revisione degli output.
- aspect_ratio — fissa per canale (quadrato per le tile della griglia, verticale per le card di listino mobile), così un batch resta uniforme.
- n — mantienilo a 1 durante l'ottimizzazione del prompt, alzalo quando vuoi varianti tra cui scegliere.
Leggere la risposta
L'API restituisce un oggetto JSON contenente i dati dell'immagine generata e i metadati della richiesta. Analizza il payload dell'immagine, scrivilo nello storage con una chiave che includa lo SKU e la combinazione angolazione/illuminazione (ad esempio mug-green__front34__soft-studio), e registra il prompt esatto accanto al file. Questa associazione "nome file più prompt" rende operativi i controlli QA e la rigenerazione successivi. La fatturazione segue la metrica standard della piattaforma per la generazione di immagini; consulta il pannello prezzi del tuo account per le tariffe attuali, invece di codificare ipotesi negli script.
Generazione batch di prompt su elenchi di SKU
Una volta che una singola richiesta funziona, l'elaborazione batch è iniezione di template più un ciclo. Lo scheletro sta nel codice, i fatti del prodotto nei dati.
Il pattern
ANGLES = {
"front34": "vista frontale a tre quarti, camera all'altezza media del prodotto, prodotto centrato con un piccolo margine su tutti i lati",
"flat": "vista dall'alto a piombo, camera perpendicolare alla superficie, prodotto centrato con margini uniformi, ombra piatta sottostante",
}
LIGHTING = "luce principale softbox grande in alto a sinistra, pannello riflettente bianco di riempimento a destra, ombre morbide di contatto sotto il prodotto"
STYLE = "fotografia di prodotto commerciale, messa a fuoco nitida, senza testo, senza logo, composizione centrata"
def build_prompt(sku, angle_key):
return f"{sku['subject']}, {ANGLES[angle_key]}, {LIGHTING}, {sku['background']}, {sku['detail']}, {STYLE}"
Per ogni SKU, itera sulle chiavi di angolazione che ti servono, costruisci il prompt, chiama l'API e memorizza i risultati con nomi di file deterministici. Fai una breve pausa tra le chiamate e riprova con backoff in caso di errori transitori; l'elaborazione batch del catalogo non è sensibile alla latenza, la stabilità batte la velocità.
Cosa controllare prima di scalare
- L'assemblaggio del prompt è deterministico. Lo stesso SKU e la stessa angolazione devono produrre sempre la stessa stringa di prompt. Se ti serve una prova, registra l'hash di ogni prompt.
- I valori degli slot fissi sono davvero fissi. Sfondo, illuminazione e stile devono provenire da costanti, non da dati per elemento mescolati.
- Il rapporto d'aspetto è impostato per canale, non per punto di chiamata. Un unico punto nella configurazione, non sparso nel ciclo.
- La chiave di archiviazione porta angolazione e illuminazione. Rigenererai singole celle in futuro; rendile indirizzabili.
- Esegui prima un progetto pilota su piccola scala. Dieci SKU che coprono tutte le angolazioni, da rivedere prima di elaborare l'elenco completo.
Aspettative di costo e tempo
Il tempo di generazione cresce con il numero di immagini, non con il numero di prompt, quindi previeni una chiamata per immagine e pianifica il batch di conseguenza. Mantieni n a 1 durante le esecuzioni batch e genera varianti solo per gli SKU che non superano la revisione: lo stesso prompt con un n più alto è più facile da ragionare di una seconda angolazione di cui non hai affatto bisogno.
Rivedere gli output prima di entrare in catalogo
Un'immagine generata che sembra buona ma rappresenta male il prodotto è peggio di nessuna immagine. Esegui un controllo QA breve e coerente su ogni output prima della pubblicazione.
Checklist
- L'angolazione corrisponde all'etichetta. Un file chiamato
front34deve essere davvero una vista frontale a tre quarti. Anche se ogni immagine singolarmente è buona, un'angolazione non corrispondente rompe la coerenza della griglia. - Il prodotto completo è nell'inquadratura. Nessun bordo tagliato, il prodotto non tocca i bordi dell'inquadratura.
- Nessun testo. Qualsiasi lettera, filigrana o artefatto di logo significa rigenerare o ricorrere a un'alternativa.
- Aderenza al brand. Colore di sfondo, morbidezza delle ombre e contrasto devono armonizzarsi con il catalogo esistente, non stonare.
- Rappresentatività. Il prodotto mostrato deve corrispondere a ciò che spedisci effettivamente: colore corretto, materiale corretto, proporzioni corrette.
Rigenerare o ricorrere a un'alternativa
Quando il fallimento è estetico e correggibile tramite prompt (direzione delle ombre sbagliata, deriva dello sfondo, oggetti di scena in più), rigenera. Stringi lo slot problematico e riesegui. Quando il fallimento è fattuale — il modello ha inventato caratteristiche, il materiale sembra una finitura sbagliata, la forma del prodotto non è fedele — ricorri alla fotografia, all'image-to-image o a un segnaposto. Nessuna modifica del prompt può correggere in modo affidabile una discrepanza con l'oggetto reale.
Mantieni basso il costo della revisione
Rivedi creando contact sheet per SKU su tutte le angolazioni, invece di guardare un'immagine alla volta. Le discrepanze invisibili in isolamento — ombre capovolte, sfondo spostato — diventano evidenti affiancate. Registra l'hash del prompt per ogni rifiuto, così i problemi ricorrenti emergono come problemi di prompt, non come rumore isolato. Facendolo su un batch, scoprirai che la maggior parte dei fallimenti si concentra su pochi valori di slot ricorrenti, ed è proprio quelli che vale la pena correggere una volta per tutte.
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