使用ガイド
HiAPI API で gpt-image-2.5-sunburst/image-to-image を使い、EC 商品画像を生成する
参照画像、背景置換、ライフスタイルシーン、そして動作する HiAPI リクエスト
このページの内容
EC 商品写真に image-to-image が適している理由
text-to-image は存在しない商品をゼロから作り出すのが得意ですが、カタログチームが必要とするものはほとんどそれではありません。実物の商品、パッケージ、ラベル、配色はすでに手元にあります。足りないのは、各 SKU をあらゆる背景、あらゆるライフスタイルシーンに合わせて撮影するための時間と予算です。
gpt-image-2.5-sunburst/image-to-image は既存の写真をアンカーとして使い、そこに編集指示を適用します。これは商品画像のコスト構造をいくつかの具体的な点で変えます:
- 実物の商品に対する忠実さを保つ。 入力画像には形状、素材、色、ラベルのレイアウトが含まれています。モデルの仕事は、指定した部分を変更しつつこれらの特徴を保持することであり、近似の商品を再構想することではありません。
- より安価な反復。 新しい背景やシーンへの変更は、スタジオを予約するのではなくプロンプトを書き換えるだけです。同じ SKU に対して午後ひとつで複数のライフスタイルシーンの方向性を試し、勝ったものを残せます。
- 素材セット全体の一貫性。 各出力は比較可能な元写真から派生するため、一連の編集結果は類似性を保てますが、まったく新規に生成した画像ではこれがほとんどできません。
いつ使うか——そして、いつ使わないか
商品自体が固定で環境が可変のときは image-to-image を選びます。EC プラットフォームの商品リスティングの背景差し替え、広告やランディングページ用のライフスタイルシーン、季節ごとの衣替え、プロップのローカライズなどです。また、まずまずだが完璧ではない写真を整理するのにも合理的なツールです。
まだ存在しないコンセプトを生成したい場合や、元写真が使えない場合(ひどいピンボケ、商品の大部分が隠れている)、印刷級の精度でラベル文字を正確に再現する必要がある場合は使わないでください。こうしたケースでは、再撮影またはベクター素材がどのモデルよりも優れています。
実用的な枠組み:元写真を事実の根拠、プロンプトを範囲を明確に定めた指示とみなします。書く編集指示はどれも「何を保持し、何を変更するか?」という問いに答えるべきです。これが曖昧になるリクエストでは品質が崩れます。
呼び出すエンドポイントはモデルページに記載されているものと同じです。本ガイドの残りでは、それをうまく機能させる方法を説明します。
編集後も保持できる参照画像を準備する
モデルは見えるものしか保持できません。期待外れの商品編集のほとんどは、プロンプトではなく入力写真に起因します。何かを送る前に、短いチェックリストで元画像を確認してください。
解像度とシャープさ
入手できる最大かつ最もクリーンなバージョンを送ってください。縮小されたサムネイルは、モデルが保持する必要のある細かい構造——ステッチ、テクスチャ、小さな文字組——を失います。画像がぼやけていたりモーションブラーがある場合は、先に修正するか再撮影してください。前処理段階でのシャープ化フィルターはほとんど役に立たず、ハローを生み出してモデルに増幅される可能性があります。
構図と余白
商品のエッジの周囲に空白を残してください。製品がフレームに接していると、モデルは新しい背景を構築する余地がなく、被写体を切り取ったり歪めたりしがちです。四辺に明確なマージンがある単品撮影は、タイトなクロップよりも編集がはるかに信頼でき、新しいシーンで再配置する余地も与えます。
被写体の分離
ピクセルパーフェクトな切り抜きは必要ありませんが、商品と背景のきれいな分離がほとんどの作業を担います。均一でディテールの少ない背景(シームレスペーパー、ニュートラルなグラデーション、無地の壁)で十分です。雑然とした背景は指示と競合し、出力ににじみ出ます。
照明と視点
編集はできるだけそれに合わせようとするため、保持したい光の方向を持つ元画像を撮影または選択してください。左前方から光が当たっている商品は、新しいシーンでもメインライトが左前方から来ることを期待します。また、カテゴリごとにカメラアングルを一貫させてください。同じ商品行内で、真上からのフラットレイと斜め 45 度のヒーローショットが調和することは決してありません。
ラベル、ロゴ、文字
商品に顧客が読む必要のある文字がある場合、元画像で明瞭に読み取れることを確認してください。モデルは保持に努めますが、小さな文字や傾いた文字が最初に劣化します。規制対象やブランド上重要なコピーについては、人的レビュー工程を計画し、文字がある面をカメラに向けることを検討してください。
バッチ処理に関する注意
複数の SKU を準備するときは、それらを標準化してください。同じクロップ比率、同じ余白、同じ背景色調です。この段階でかけた手間は出力の一貫性に直接表れ、プロンプトをカテゴリ全体で安全に再利用できるようになります。
商品背景をきれいに置換する
背景置換は最も一般的な EC 編集であり、最も手抜きなプロンプトが書かれがちな場所でもあります。「新しい背景」は指示ではなく、単なる願望です。モデルは新しい空間がどのようなものか、そして商品がその中でどう配置されるべきかを知る必要があります。
一語ではなく空間を描写する
表面、背景、光を説明してください。「商品をマットな白い表面に置き、柔らかなグラデーション背景、左上方からの大きな拡散メインライト、商品の下に柔らかなコンタクトシャドウ」と書けば、モデルに構築できるシーンを与えられます。「白い背景」では、勝手に推測する余地を与えるだけです。
商品保持条項を明示する
すべての背景プロンプトには保持条項を入れるべきです。商品の形状、比率、色、素材、ラベル文字を変更しないこと。この一文を書くコストはほとんどかかりませんが、特に独特なシルエットの商品ではドリフトを大幅に減らせます。
エッジと影を保護する
きれいな切り抜きは、接地と陰影に言及したプロンプトから生まれます。商品と表面が接する箇所に自然なコンタクトシャドウを要求し、新しい背景でもエッジがシャープであることを指定してください。暗い背景を明るい背景に変える場合は、モデルがリムライトを処理する助けが必要になると想定し、商品エッジの受光が新しい環境と一致するよう明記してください。
商品自体の光に合わせる
元画像が単一のソフトボックスで撮影されている場合、ドラマチックで硬い光のスタジオセットを要求しないでください。光の不一致は、商品リスティングが合成であることの明らかな破綻です。元画像に対して妥当な光を描写し、視覚的変化は背景色と表面テクスチャの変更で得てください。
プラットフォームの制約
対象プラットフォームが純白または単色の背景を要求する場合は、それを明示し、小道具なし、目に見える表面の継ぎ目なしを要求してください。ブランドストア向けなら自由度は高く、グラデーション、微妙なテクスチャ、一致する地面平面が使えます。
一度に一変数だけ反復する
まず背景を変更し、商品が無傷で保持されていることを確認してから、影や照明を調整してください。1 つのプロンプトで同時に複数のことを変えると、どの指示が失敗の原因か判断できず、失敗したリクエストも出力コストを消費します。
商品をライフスタイルシーンに配置する
ライフスタイルシーンは image-to-image が価値を発揮する場面です。商品は識別可能なまま、周囲の世界が変わります。ここでのコツは比率、光、妥当性にあります。
いくつかの具体的なディテールでシーンを固定する
シーンプロンプトには、すべてのピクセルを指定せずに構図を制約するだけの具体性が必要です。環境、商品を置く表面、1〜2 個の補助的な小道具、光の質感を指定してください。「使い込まれたオーク材のキッチンカウンターに置かれ、右側の窓から朝の光が差し込み、背景にぼけたセラミックのカップと折りたたんだリネン」は機能します。長々とした小道具リストは機能しません。モデルの注意を商品と奪い合うからです。
比率を正しく取る
モデルには定規がないため、商品の実世界でのサイズ関係を明示してください。背の高いボトルと小さなリップクリームはそれぞれ単独では妥当ですが、並べると不条理になります。表面と識別可能な参照物(手、標準的なマグカップ、棚板など)に言及することで、比率に根拠が生まれます。
シーンよりも先に元画像の光に合わせる
2 つの照明問題を同時に解決する必要があります。商品がすでに持つ明暗と、新しい環境の照明です。元画像の光が拡散して均一なら、強い夕日のリムライトではなく、柔らかな日光のシーンを選んでください。光の方向を明示し、商品の受光がシーンと一致するよう指定します。両者が衝突すると、他の撮影と合わなくなった再照明の商品、または貼り付けたように見える結果のどちらかになります。
商品を鮮明に、シーンを二次的に保つ
商品を鮮明なフォーカス被写体とし、環境はややピンボケにするよう指定してください。この 1 つの指示は、どんな小道具リストよりもリアリズムを高め、モデルが背景に目を引くディテールを勝手に作り出すのを防ぎます。
商品ではなくシーンを変化させる
カテゴリページでは、シーンテンプレートを固定し、SKU 間で 1 つの要素(季節、表面、小道具)だけを変えてください。共有されたシーン文法により、一連のライフスタイル画像がストックフォトの寄せ集めではなく、同じマーケティングキャンペーンとして読まれます。

動作する HiAPI image-to-image リクエスト
すべては認証が必要な 1 つのエンドポイントを通るため、何を編集する場合でもリクエスト構造は同じです。要点はモデル ID、ソース画像、プロンプトです。
リクエスト
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": "商品の形状、比率、色、素材、ラベル文字は変更しないでください。背景をマットな暖かいグレーの表面と柔らかなグラデーション背景に置き換え、左上方からの大きな拡散メインライト、商品の下に自然なコンタクトシャドウ、商品のエッジはシャープ、商品は鮮明なフォーカス被写体のままにしてください。",
"size": "1024x1024",
"n": 1
}'
image フィールドはホストされた URL、またはアセットが公開アクセスできない場合は base64 データペイロードを受け付けます。base64 なら未公開の SKU を公共 CDN に出さずに済みます。反復中は n を 1 に保ってください。複数の候補はコストを倍増させ、品質の変化をどのプロンプト編集に帰属させるかを難しくします。
レスポンスの解釈
API は data 配列を含む JSON ボディを返します。各要素は結果画像を運びます(アカウント設定に応じて base64 または URL)。レスポンス内の作成タイムスタンプと、レスポンスに含まれる使用量フィールドを確認し、リクエスト ID と一緒に記録して後で照合できるようにしてください。
最小限の Python 呼び出しは次のようになります:
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]
実用的な接続上の注意
- プロンプトを各出力と一緒に保存してください。数週間後、勝った画像を再現できるのは正確なプロンプトと元画像を保持している場合だけです。
- 転送失敗とモデル失敗を分けて処理してください。タイムアウトと 5xx 応答は再試行可能ですが、未対応サイズで拒否されたリクエストは再試行できません。
- 一時 URL に依存せず、出力を即座にダウンロードして永続化してください。
- モデル文字列はコードに散らばせず設定に置き、将来のモデル変更が 1 行で済むようにしてください。
エンドポイントのリファレンスとサポートされるパラメータはモデルページを参照してください。そこでの課金は出力に基づいて計測されるため、失敗する反復を減らすことがコスト管理の主な手段です。

不具合に対処し、出力の一貫性を保つ
入力が良くプロンプトに気を配っても、商品編集は識別可能な形で失敗します。各失敗モードには定番の修正方法があります。
商品形状のドリフト
症状:輪郭がわずかに変わる——取っ手が太くなる、テーパーがまっすぐになる。原因:プロンプトが商品よりもシーンを多く描写し、モデルが被写体を再解釈する。修正:保持条項を先頭に置き、形状を明示し、シーン描写を簡素化する。ドリフトが続く場合、元画像の構図がおそらくタイトすぎます。
ラベル文字の消失または文字化け
症状:ブランド名がもっともらしい意味不明な記号になる。原因:元画像の文字が小さすぎる、傾いている、コントラストが低い。修正:よりクリアで正面を向いた元画像から始める。ラベル文字とロゴが変更されず明瞭に読み取れるよう指定する。ラベル領域の背後に重い背景ディテールを追加しない。規制対象のコピーについては、いずれにせよ人的レビューを計画する。
セット全体の構図の不一致
症状:カテゴリ内の各画像で比率と角度が異なる。原因:元画像のクロップと画像ごとのプロンプトが不一致。修正:編集前に元画像の余白とカメラアングルを統一し、バッチ全体でプロンプトテンプレートを再利用してシーン変数だけを変える。
エッジのハローと浮いた商品
症状:商品の周囲に明るい縁、または影のない物体が貼り付けたように見える。原因:元画像と要求したシーンの間の光の不一致。修正:自然なコンタクトシャドウを明示的に要求し、光の方向を指定し、元画像の撮影に合う照明の環境を選ぶ。
過剰編集によるプラスチック感
症状:テクスチャが平滑化され、布地がきれいすぎる。原因:プロンプトがレタッチを制限せずに「洗練」「プロフェッショナル」を要求する。修正:元のテクスチャ、素材の粒状感、摩耗痕を保持するよう要求する。
一般的なルール
各反復で変えるのは 1 つだけ、各プロンプトに保持条項を 1 つ、そして元写真の基準を固定する。出力が失敗したら、まず入力写真が十分に良いかを問いかけてください。ほとんどの場合、答えは否です。
画像編集をカタログワークフローに組み込む
動作する単発リクエストはパイプラインではありません。カタログ規模の成果にするには、モデル呼び出しを囲むエンジニアリングの規律が主にものを言います。
取り込み時にインプットを標準化する
小さな前処理ステップを構築してください。標準比率へのクロップ、固定余白の追加、そして画像が API に届く前に低解像度またはぼやけた元画像にフラグを付ける。劣悪な入力を拒否するプリチェックは、どんなプロンプト調整よりも多くのコストを節約します。
SKU 単位ではなくテンプレート単位でバッチ処理する
商品をカテゴリに分け、各カテゴリに 1〜2 個のプロンプトテンプレートを与えてください。バッチを実行し、テンプレートごとにサムネイルの一覧を確認します。テンプレートを修正してそのカテゴリを再実行する方が、アイテムごとに手作業でプロンプトを書くよりもはるかに安く、視覚文法も一貫します。
2 段階でレビューする
第 1 段階は素早い排除です。商品はそれ自身に見えるか? 文字は読めるか? エッジはきれいか? 第 2 段階はブランドガイドラインに基づくデザインレビューです。機械的なチェックはできるだけ自動化してください。画像ハッシュで元画像と照合して深刻なドリフトを検出し、納品物の解像度と形式を検証します。
来歴情報を添付する
元画像、プロンプト、モデル ID、タイムスタンプを各出力と一緒に保存してください。プロダクトマネージャーがなぜあるヒーロー画像が違って見えるのかと尋ねたとき、答えは調査ではなく 2 つのプロンプト記録の差分であるべきです。
段階的に展開する
最もリスクの低い編集である背景置換から始め、テンプレートが安定してからライフスタイルシーンに移ってください。まず 1 つのカテゴリで展開し、その後カタログ全体に広げ、任意の単一項目をオンデマンドで再生成する能力は維持してください。
モデルの限界を知る
パイプラインは、フラッグシップ SKU に対するフォトグラファーの必要性や、商品に関する主張に対する法的レビューの必要性を置き換えるものではありません。生成された編集結果を 1 つの制作階層とみなし、スタジオ予算は忠実度が売りの中核となる画像のために残してください。
自分のカタログでテストする準備ができたら、上記のリクエスト構造が HiAPI で gpt-image-2.5-sunburst/image-to-image を使い始めるために必要なすべてです。