Ricette di prompt per Qwen Image 3.0: prompt pronti da copiare e output reali

L'endpoint text-to-image di Qwen Image 3.0 eccelle in una cosa che la maggior parte dei modelli di immagini fatica ancora a gestire: rendere il testo in modo accurato — anche mescolando cinese e inglese — così pulito da poter essere consegnato senza ritocchi. Questo merita un manuale di prompt dedicato, non l'ennesimo articolo generico su "come scrivere prompt per l'IA".

Qui sotto trovi 6 prompt completi e pronti da copiare, che abbiamo scritto noi e eseguito realmente su qwen-image-3.0/text-to-image, ciascuno accompagnato da un output reale non modificato. Ogni prompt è affiancato alla sua immagine, così puoi usarlo così com'è o sostituire il soggetto con il tuo.

In cosa eccelle davvero questo modello

Prima di passare alle ricette, ci sono tre cose da sapere per non sprecare una generazione:

• Rendering preciso del testo. Se scrivi tra virgolette i caratteri esatti che vuoi — cinese, inglese o entrambi nella stessa immagine — il modello riesce a renderizzarli in modo leggibile nella maggior parte dei casi. Controlla sempre prima di pubblicare; tratti o lettere errati restano possibili.
• La lista di aspect ratio supportati è più ristretta di quanto pensi. L'API accetta solo 1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16 e 21:9. Rapporti comuni come 4:5 o 5:4 restituiscono un 400 pulito prima della fatturazione — vedi sotto.
• Prezzo uniforme per immagine. Al momento della stesura, l'endpoint delle attività fattura $0.0358 per immagine, indipendentemente dall'aspect ratio (verificato con i prezzi in tempo reale di hiapi).

6 ricette di prompt

1. Insegna bilingue di un negozio

Foto di strada cinematografica, una piccola libreria indipendente in uno stretto vicolo di Kyoto al crepuscolo, una calda luce al tungsteno che si riversa dalle alte vetrate sul selciato bagnato. Sulla porta è appesa un'insegna in legno dipinta a mano con solo gli esatti caratteri cinesi "纸间", e direttamente sotto, in piccole lettere di rame spazzolato, le esatte parole inglesi "PAPER ROOM". Pile di libri visibili attraverso le vetrine, morbido bokeh delle luci a stringa sopra. Un gatto appollaiato sul davanzale. Stile fotografia di strada documentaria, composizione asimmetrica naturale, palette morbida tra verde acqua e ambra, sottile grana della pellicola, profondità di campo ridotta, composizione verticale 3:4.

Perché funziona: mettere le stringhe esatte in cinese e in inglese tra virgolette, ciascuna in una frase separata, dà al modello un obiettivo testuale chiaro invece di seppellirlo in lunghe subordinate descrittive. Il formato verticale 3:4 corrisponde anche a come vengono di solito composte le vere foto di insegne di negozi.

2. Immagine principale di un prodotto e-commerce

Fotografia di prodotto in studio minimalista, un dripper per caffè in ceramica opaca, caldo color terracotta, appoggiato su una base circolare in travertino, con uno sfondo a gradiente morbido dal sabbia chiaro al bianco caldo. Un softbox direzionale singolo in alto a sinistra crea un morbido riflesso sul bordo nelle scanalature del dripper, con un'ombra delicata sotto. Nessun testo, nessun oggetto di scena, nessuna mano. Fotografia commerciale pulita per e-commerce, messa a fuoco nitida su tutto, bilanciamento cromatico neutro, composizione quadrata 1:1.

Perché funziona: scrivere esplicitamente "nessun testo, nessun oggetto di scena, nessuna mano" contrasta la tendenza del modello ad aggiungere elementi di disturbo nelle immagini di prodotto. 1:1 è il formato predefinito più sicuro per le immagini di prodotto sulle piattaforme e-commerce, e indicare la direzione della luce garantisce un aspetto coerente e riproducibile su tutto il catalogo.

3. Ritratto concettuale di un personaggio

Ritratto concept art a mezzo busto, un guardiano del faro segnato dalle intemperie sulla sessantina, che indossa un pesante cappotto cerato con bottoni in ottone, capelli argentati raccolti all'indietro sotto un berretto di lana, profonde rughe di espressione attorno a occhi grigi calmi. Porta un vecchio cannocchiale in ottone sulla spalla. Sfondo con una costa tempestosa sfocata, un raggio di faro luminoso che trafigge la nebbia. Illustrazione digitale in stile pittorico, pennellate materiche, palette morbida di blu-grigio freddo con calda luce ambrata del faro, luce di contorno drammatica, composizione verticale 3:4.

Perché funziona: dettagli di età, abbigliamento e oggetti ("pesante cappotto cerato con bottoni in ottone", "vecchio cannocchiale in ottone") danno al modello oggetti concreti da renderizzare invece di aggettivi vaghi. Nota la composizione qui — il nostro primo tentativo usava 4:5, che non è nella lista degli aspect ratio accettati dal modello, e ha restituito un 400 non fatturato. Passando a 3:4 (il formato verticale supportato più vicino), il tentativo successivo è riuscito.

4. Interno architettonico in stile editoriale

Fotografia architettonica grandangolare, una sala di lettura universitaria inondata di sole, con alti soffitti a volta e file di alte finestre ad arco. Lunghi tavoli in quercia si estendono lungo il centro, ognuno con una lampada da lettura in ottone, alcuni studenti che studiano in silenzio in una sfocatura morbida. La polvere fluttua visibilmente nei grossi fasci di luce pomeridiana. Legno caldo color miele, sedie morbide verde salvia, composizione simmetrica a punto di fuga unico, texture ultra dettagliate, alta gamma dinamica, composizione hero 16:9.

Perché funziona: indicare direttamente la tecnica compositiva ("simmetrica a punto di fuga unico") è uno dei controlli più affidabili nella fotografia architettonica e d'interni — è un'istruzione concreta che il modello può seguire, non solo una parola d'atmosfera. 16:9 è adatto come immagine hero editoriale grandangolare o come intestazione di un blog.

5. Fotografia gastronomica dall'alto

Foto macro dall'alto, una ciotola fumante di ramen tonkotsu su un tavolo in ardesia scura, il brodo denso e torbido che riflette una morbida luce della finestra, fette lucide di chashu disposte a ventaglio sui noodles, un uovo semi-cotto tagliato a metà che mostra il tuorlo morbido, cipollotti verdi sparsi e un foglio di nori appoggiato sul bordo della ciotola. Sottili volute di vapore visibili che salgono. Bastoncini appoggiati su un piccolo poggia-bastoncini in ceramica accanto alla ciotola. Luce naturale del giorno, profondità di campo ridotta ai bordi, styling gastronomico editoriale appetitoso, composizione quadrata 1:1.

Perché funziona: i prompt gastronomici traggono vantaggio dall'aggiungere parole di texture ("lucide", "morbido", "torbido") sopra i dettagli di impiattamento — è questa combinazione a fare la differenza tra un rendering appetitoso e uno piatto. "Sottili volute di vapore visibili che salgono" fa molto qui; il vapore è uno dei dettagli più stabili che il modello renderizza bene.

6. Poster di lancio di un'app bilingue

Poster di lancio moderno e pulito per un'app mobile, sfondo a gradiente morbido dal lilla al blu pallido. Un mockup di smartphone fluttua leggermente inclinato verso destra al centro, con sullo schermo un'interfaccia app astratta semplificata con morbide schede ad angoli arrotondati. A sinistra, un titolo grande in grassetto sans-serif con solo gli esatti caratteri cinesi "轻装上阵", e direttamente sotto, con un peso minore, le esatte parole inglesi "TRAVEL LIGHT". Attorno al telefono, forme geometriche minimali e ombre morbide per aggiungere profondità. Design marketing moderno e piatto, molto spazio bianco, composizione verticale 9:16.

Perché funziona: la stessa tecnica della ricetta #1 — isolare il testo esatto del titolo in una subordinata separata e indicare peso/dimensione relativi ("direttamente sotto, con un peso minore") permette al modello di cogliere non solo il testo ma anche la gerarchia. 9:16 corrisponde a come questa immagine verrà effettivamente distribuita su un app store mobile o come promozione social.

Aspect ratio effettivamente supportati

qwen-image-3.0/text-to-image accetta solo otto aspect ratio: 1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16 e 21:9. Qualsiasi valore al di fuori di questa lista — 4:5 e 5:4 sono i due che la gente usa più spesso per abitudine — restituisce immediatamente un 400 INVALID_REQUEST, non un rendering scadente, quindi non pagherai per questo errore. Se stai migrando prompt da un modello con una lista di aspect ratio più ampia, mappa al valore supportato più vicino prima di inviare (4:5 → 3:4, 5:4 → 4:3).

Domande frequenti

qwen-image-3.0/text-to-image supporta la modifica image-to-image? Questa guida riguarda specificamente l'endpoint text-to-image. Prima di costruire un flusso di lavoro basato sulla modifica delle immagini, consulta la pagina del modello per la lista aggiornata delle modalità supportate.

Quanto costa ogni immagine? Al momento della stesura, l'endpoint delle attività costa $0.0358 per immagine. I prezzi possono cambiare, quindi prima di stimare i costi su larga scala verifica la cifra attuale sulla pagina dei prezzi di hiapi.

Perché la mia richiesta restituisce 400 invece di un'immagine? La causa più comune è un valore aspect_ratio non supportato — la lista esatta degli accettati è sopra. L'API rifiuta la richiesta prima che inizi la generazione, quindi un 400 qui non ti costa nulla.

Posso mescolare cinese e inglese nella stessa immagine? Sì — le ricette #1 e #6 sopra lo fanno entrambe. Metti il testo esatto di ciascuna lingua tra virgolette in subordinate separate, invece di unirle in un'unica frase, e controlla sempre il rendering prima di usarlo in qualsiasi contenuto pubblico.

Provalo tu stesso

Tutti e sei i prompt sopra possono essere copiati direttamente nella tua richiesta. Inizia dalla guida rapida per effettuare la tua prima chiamata, oppure vai alla pagina del modello qwen-image-3.0/text-to-image per il riferimento completo dei parametri.