API per immagini di prodotto GPT Image 2: casi pratici testati

Le immagini di prodotto sono la voce più voluminosa e ripetitiva del lavoro sulle immagini per la maggior parte dei team: un'immagine principale pulita su sfondo bianco per ogni SKU, un'immagine in contesto per la landing page, un'immagine di packaging per la presentazione di lancio. È anche il lavoro in cui le API generative ripagano più rapidamente, perché i requisiti sono concreti e le esecuzioni si contano a centinaia. Questa guida mostra tre immagini di prodotto di livello produttivo generate tramite l'API GPT Image 2 su hiapi — ciascuna con il prompt preciso, i parametri, l'ID dell'attività e il costo — insieme al pattern API a singola chiamata che sta alla base.

GPT Image 2 è la scelta predefinita consigliata da hiapi per il lavoro sulle immagini di prodotto, perché esegue con precisione le richieste: l'oggetto specificato, il materiale della superficie, la direzione della luce e il testo sul packaging finiscono tutti dove li chiedi. A $0,03 per immagine, è abbastanza economico da estendere all'intero catalogo in batch.

La stessa chiamata dietro ogni immagine

Ognuna delle immagini seguenti è una singola chiamata POST /v1/tasks: crea l'attività, esegui il polling (o ricevi la callback), scarica il risultato. Nessun fine-tuning, nessuna immagine di riferimento, nessuna post-produzione.

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2/text-to-image",
    "input": {
      "prompt": "Professional e-commerce packshot of a matte-white ceramic pour-over dripper on a pure-white background, soft softbox lighting",
      "aspect_ratio": "1:1"
    }
  }'

L'unico parametro che influisce sulla fatturazione è la risoluzione: $0,03 per 1K, $0,04 per 2K, $0,06 per 4K. Il rapporto d'aspetto non ha costi aggiuntivi: scegli 1:1 per le miniature del catalogo, 4:3 o 16:9 per le immagini in contesto, 3:4 o 9:16 per il formato verticale.

Immagine 1: immagine principale su sfondo bianco

L'immagine di catalogo più basilare: prodotto centrato su uno sfondo bianco senza giunzioni, ombra morbida, nessun elemento di disturbo. È l'immagine che generi SKU per SKU.

Professional e-commerce packshot of a matte-white ceramic pour-over coffee
dripper on a seamless pure-white studio background, soft even softbox lighting,
subtle contact shadow, crisp focus, centered, high detail, catalog product
photography.

• Modello: gpt-image-2 · aspect_ratio: 1:1 · ID attività: tk-hiapi-01KVQJ250WGS0V3CDQ14N8J86C · Costo: $0,03
• Da riutilizzare: Le espressioni decisive sono "seamless pure-white background" (sfondo bianco puro senza giunzioni), "soft even softbox lighting" (illuminazione morbida e uniforme da softbox) e "subtle contact shadow" (ombra di contatto tenue). Mantengono lo sfondo pulito e fanno appoggiare saldamente il prodotto, invece di farlo fluttuare.

Immagine 2: immagine in contesto / situazionale

Lo stesso prodotto, ma inserito in un contesto: è l'immagine che metti nell'hero section per trasmettere un'atmosfera, non solo per mostrare lo SKU. Cambia il rapporto d'aspetto in 4:3 e descrivi la scena e la luce.

Lifestyle product photo of the same matte-white ceramic pour-over coffee dripper
sitting on a light oak kitchen counter, morning window light from the left, a
blurred plant and a linen towel in the background, warm natural tones, shallow
depth of field, premium homeware editorial look.

• Modello: gpt-image-2 · aspect_ratio: 4:3 · ID attività: tk-hiapi-01KVQJ4GPRM5WJ0QDYS3HPKQZD · Costo: $0,03
• Da riutilizzare: Specifica la superficie ("light oak kitchen counter", piano di lavoro in cucina in quercia chiara), la direzione della luce ("morning window light from the left", luce mattutina dalla finestra a sinistra) e cosa viene sfocato sullo sfondo. "Shallow depth of field" (profondità di campo ridotta) la fa sembrare scattata con una fotocamera reale, non un render.

Immagine 3: immagine di packaging con testo stampato

L'immagine su cui la maggior parte dei generatori fallisce: un prodotto con testo stampato chiaramente leggibile. È proprio qui il punto di forza di GPT Image 2: rende in modo pulito titoli brevi ed etichette, quindi è la scelta più sicura per mockup di packaging, cartellini e qualsiasi oggetto che riporti un nome di marca.

A minimalist product packaging box for specialty coffee on a cream backdrop,
soft studio light. The kraft-paper box has a clean printed label with two crisp
lines of text: a large headline reading "AURORA ROAST" and a smaller subtitle
"Single Origin · 250g". Photoreal product photography, centered, legible text.

• Modello: gpt-image-2 · aspect_ratio: 3:4 · ID attività: tk-hiapi-01KVQJ7MJNKT9XZPF5GVWG3KNC · Costo: $0,03
• Da riutilizzare: Metti il testo esatto tra virgolette e specifica dove va ("a large headline reading...", un grande titolo che recita...; "a smaller subtitle...", un sottotitolo più piccolo). Il testo tra virgolette è il fattore più importante per rendere correttamente le parole. Controlla sempre l'output e rilancia se ci sono caratteri errati.

Passare alla produzione

Tre immagini, tre chiamate singole, $0,09 in totale. Lo stesso pattern scala allo stesso modo su scala di catalogo:

• Stima precisa della fattura. A $0,03 fissi per immagine 1K, le immagini principali su sfondo bianco per 500 SKU costano $15. Nessuna fatturazione a token, nessuna sorpresa.
• Itera prima, poi estendi. Blocca il prompt su un SKU, poi trasformalo in modello: sostituisci il nome del prodotto e il testo del packaging per ogni articolo.
• Usa le callback per i grandi lotti. Per le esecuzioni in batch, passa l'oggetto callback invece di fare polling su ogni attività.

Per una pipeline e-commerce più approfondita (varianti in batch, sostituzione dello sfondo, routing dei modelli), consulta Workflow e-commerce con GPT Image 2. Per altri prompt copiabili in diversi casi d'uso, consulta Template di prompt per GPT Image 2.

Pronto a generare immagini per i tuoi prodotti? Prova un prompt sulla pagina del modello GPT Image 2, poi integra l'API con il pattern a singola chiamata qui sopra.