使用ガイド
hiapi API で Nano-Banana を使ってEC商品画像を生成する
商品撮影はECにおいて最も繰り返しの多い画像作業です。同じ商品を何度も何度も撮影します——白背景の商品画像、ライフスタイルシーン、パッケージ画像、モデル画像、季節ごとのバリエーション画像。難しいのは、見栄えのする1枚を生成することではありません。難しいのは、すべての画像で同じ商品を生成することです。そうでなければ、商品詳細ページが少しずつ異なる5本のボトルを販売しているように見えてしまいます。
本ガイドでは、hiapi の Nano Banana API 上でこれを実現する実用的な方法を、同じシリーズの2つのモデルを使って示します：
nano-banana— 高速で安価なテキストから画像生成、1枚 $0.021。アンカー画像の作成に使用します。Nano-Banana-2—image_input配列を通じて参照画像を受け付けます（1K画像1枚あたり $0.036）。アンカー画像を他のすべてのシーンに再配置しつつ、商品——さらには実在のモデルまで——を完全に一致させるために使用します。
以下の各画像は執筆時点で生成されたもので、隣に正確なプロンプトを記載しています。商品は本記事用に架空のブランド（「LUMA」）です。
TL;DR
nano-banana（$0.021）でクリーンな白背景のアンカー画像を生成します。- それを公開URL（S3/R2/CDN——どこでも可）にホストします。
- そのURLを
image_inputとしてNano-Banana-2に入力し、各新しいシーンを記述します。ボトルの形状、ラベル、タイポグラフィはそのまま維持されます。 - モデル画像についても同じ手法を人物に適用します。モデル画像を1枚生成し、それを参照してキャンペーン全体で同じ顔を維持します。
- 非同期の
/v1/tasksエンドポイントでプロセス全体をバッチ処理します——コードは下部にあります。
ステップ1——アンカー画像（nano-banana、$0.021）
マーケットプレイスの商品画像から始めます。商品を中央に配置し、純白の背景にします。これが後続のすべての画像が継承する画像でもあるため、展開する前にしっかり作り込みます。
Professional e-commerce product photograph of a 30ml amber glass serum bottle
with a matte black dropper cap, minimalist off-white label with the word LUMA
in small black sans-serif letters and a thin gold accent line, centered on a
pure white seamless background, soft even studio lighting, gentle shadow under
the bottle, crisp focus, high-end skincare catalog style
400エラーを回避するためのスキーマの詳細：nano-banana はテキストから画像生成のみをサポートします。入力は3つのフィールドのみを受け付けます——prompt、aspect_ratio、output_format。もし resolution や画像フィールドを送信すると、API は additional properties not allowed でリクエストを拒否します。参照画像は次のモデルの役割です。
ステップ2——同じボトル、新しいシーン（Nano-Banana-2 + image_input）
アンカー画像を公開場所にアップロードし、そのURLを Nano-Banana-2 に渡します。image_input フィールドは画像URLの配列（ファイル内容ではない）を受け付け、プロンプトで新しいシーンを記述します。効果的なキーフレーズは次のとおりです：「この正確なボトル、変更なしで。」
Place this exact serum bottle, unchanged — same amber glass, same black
dropper cap, same off-white LUMA label with the thin gold line — on a
white marble bathroom counter next to a folded beige linen towel and a
small eucalyptus sprig, soft warm morning window light from the left,
shallow depth of field, premium skincare lifestyle photography
ラベルをアンカー画像と比較してください。同じワードマーク、同じ金色のライン、同じキャップの質感です。これが、顧客から指摘される「AI商品画像」と、実際に撮影されたように見える画像との違いです。
パッケージも同様の方法で——ボックスを参照画像の延長として記述します：
Product family shot: this exact serum bottle — same amber glass, black dropper
cap, off-white LUMA label with thin gold line — standing next to its matching
retail packaging, a matte off-white rectangular box with the same LUMA wordmark
and thin gold accent line, both centered on a pale warm-grey studio background
with soft shadows, symmetrical composition, premium skincare packaging photography
ステップ3——顔の一致したモデル画像
ECチームが同じモデルで撮り直すのには理由があります。写真ごとに異なる人物が写っているキャンペーンはストック画像のように見えてしまいます。参照テクニックは人物にも適用できます。まず、商品を含むモデル画像を生成します（これはアンカーボトルを参照しています）：
A young woman with shoulder-length dark hair, wearing a plain sand-colored knit
sweater, holding this exact serum bottle — same amber glass, same black dropper
cap, same off-white LUMA label with the thin gold line — up near her cheek at a
slight angle, looking at the camera with a soft natural smile, clean warm beige
studio background, soft diffused beauty lighting, e-commerce model shot for a
skincare brand
次に、その画像を次のシーンの参照として使用し、「同じ女性」を要求します：
The same woman from the reference image — identical face, same shoulder-length
dark hair, same sand-colored knit sweater — now standing at a bright bathroom
mirror, applying one drop of serum from the same amber LUMA dropper bottle onto
the back of her hand, seen in a relaxed three-quarter view, soft morning light,
candid lifestyle e-commerce campaign photo
同じ顔、同じ髪型、同じセーター、新しいシーン。キャンペーンに必要なだけ連鎖させられます。受け入れられた出力はそれぞれ次のショットの参照になります。
API エンドツーエンド
すべては hiapi の統一された非同期タスクエンドポイントを通じて実行されます。タスクを作成し、ポーリングし、出力をダウンロードします。curl でのアンカー画像：
curl -X POST "https://api.hiapi.ai/v1/tasks" \
-H "Authorization: Bearer $HIAPI_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "nano-banana",
"input": {
"prompt": "Professional e-commerce product photograph of ...",
"aspect_ratio": "1:1",
"output_format": "png"
}
}'
# -> {"code": 200, "data": {"taskId": "tk-hiapi-01KWK4E5WG..."}, "message": "success"}
再配置の呼び出しはモデル名と image_input 配列が異なるだけです：
curl -X POST "https://api.hiapi.ai/v1/tasks" \
-H "Authorization: Bearer $HIAPI_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "Nano-Banana-2",
"input": {
"prompt": "Place this exact serum bottle, unchanged — ... on a white marble bathroom counter ...",
"image_input": ["https://your-cdn.example.com/luma/anchor.jpg"],
"aspect_ratio": "4:3",
"resolution": "1K",
"output_format": "png"
}
}'
GET /v1/tasks/{taskId} を data.status が success（または fail）になるまでポーリングし、その後 data.output[0].url をダウンロードします。本番運用上の2つの注意点：
- 出力URLは一時的です——レスポンスには
expireAtタイムスタンプが含まれます。すぐにバイトをダウンロードして自分のストレージに置いてください。ホットリンクしないでください。（この障害モードの詳細：hiapi の出力URLが期限切れ：期限前にダウンロードする。） - 実際のパイプラインでは、ポーリングの代わりに作成リクエストに最上位の
callback.urlを渡してください——タスクが最終状態に達すると、hiapi があなたのエンドポイントを呼び出します。
本記事の背後にある実行は、いずれも2分もかからずに完了しました。
バッチスクリプト：1つのアンカー画像からカタログ全体へ
このパターンは線形にスケールします。各SKUについて、1つのアンカー画像 + N回の再配置です。以下はコンパクトで実行可能なバージョンです：
import requests, time, pathlib
API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": "Bearer YOUR_API_KEY", "Content-Type": "application/json"}
SCENES = {
"lifestyle": ("Place this exact product, unchanged — same bottle, same label — on a "
"white marble bathroom counter, soft morning window light, shallow depth "
"of field, premium lifestyle photography", "4:3"),
"packaging": ("Product family shot: this exact product next to its matching retail box "
"with the same wordmark, pale warm-grey studio background, symmetrical "
"composition, premium packaging photography", "3:2"),
"hand": ("A hand with neutral manicure holding this exact product, unchanged, "
"against a clean warm beige background, soft diffused light", "3:4"),
}
def create(model, inp):
r = requests.post(API, headers=HEADERS, json={"model": model, "input": inp}, timeout=60)
r.raise_for_status()
return r.json()["data"]["taskId"]
def wait(task_id, timeout=600):
deadline = time.time() + timeout
while time.time() < deadline:
d = requests.get(f"{API}/{task_id}", headers=HEADERS, timeout=30).json()["data"]
if d["status"] == "success":
return d["output"][0]["url"]
if d["status"] == "fail":
raise RuntimeError(f"{task_id}: {d.get('error')}")
time.sleep(5)
raise TimeoutError(task_id)
def shoot_sku(sku: str, anchor_url: str, outdir="shots"):
"""anchor_url: your hosted white-background shot for this SKU."""
tasks = {name: create("Nano-Banana-2", {
"prompt": prompt, "image_input": [anchor_url],
"aspect_ratio": ar, "resolution": "1K", "output_format": "png"})
for name, (prompt, ar) in SCENES.items()}
pathlib.Path(outdir).mkdir(exist_ok=True)
for name, tid in tasks.items(): # tasks run server-side in parallel
url = wait(tid) # download before the URL expires
img = requests.get(url, timeout=120).content
pathlib.Path(f"{outdir}/{sku}-{name}.png").write_bytes(img)
print(f"{sku}/{name}: {len(img)} bytes")
shoot_sku("luma-serum-30ml", "https://your-cdn.example.com/luma/anchor.jpg")
タスクは事前に作成され、hiapi 側で並行して生成されます。その後、ループが順番に収集します。作成ペイロードに callback.url を追加すれば、webhook レシーバーができた時点で wait() を完全に削除できます。
実際のカタログのコスト計算
以下の価格は執筆時点で最新の hiapi の料金ページ から取得しています——このページを真実の情報源として扱ってください：
| モデル | このワークフローにおける役割 | 価格 |
|---|---|---|
nano-banana |
アンカー画像、クイックドラフト（テキストから画像のみ） | $0.021 / 画像 |
Nano-Banana-2 |
参照ベースの再配置（image_input） |
1K は1枚 $0.036、4K は1枚 $0.086 |
Nano-Banana-Pro |
最高忠実度の編集、最大8枚の参照画像 | 1K は1枚 $0.057 |
40 SKU のカタログで、SKU ごとにアンカー画像1枚と再配置ショット4枚の場合：
- アンカー画像 40枚 × $0.021 = $0.84
- 再配置 160回 × $0.036 = $5.76
- 合計：$6.60 で、200枚の画像からなる視覚的に一貫したカタログ——スタジオ撮影日も不要、シーンを変更するときの再撮影も不要です。
ストア向けの実用的なアドバイスを2つ。まず、出力は納品される通常の画像ファイルです——それらを自分の CDN でホストするため、スタック内の何もあなたの商品リストをサードパーティのビューアに縛り付けません。次に、生成された「モデル」画像は合成です：上記の女性は存在せず、これによりモデルリリースの物流を回避できます——ただし、生成画像を実際のストアフロントに宣伝する前に、基盤プロバイダー（Google）の現行の利用規約と、あなたの市場における AI 画像ポリシーを確認してください。
まとめ
Nano Banana をECに有用たらしめるワークフローは、単一の魔法のプロンプトではありません——アンカーと再配置のループです。nano-banana から $0.021 で良い商品画像を1枚手に入れ、次に Nano-Banana-2 でその正確な商品（およびその正確な顔）を、ストアが必要とするすべてのシーンに展開します。gpt-image-2 でEC商品画像：hiapi 上のバッチワークフロー では、異なるモデルで同じループを実行しました。コミットする前に出力を比較したい場合はご覧ください。
このループを自分で試すには、API キーを取得し、1つの SKU から始めて、上記のバッチスクリプトを実行してください——Nano Banana モデルページ にはライブプレイグラウンドとコピー＆ペーストの例があり、1分以内に最初のアンカー画像を出力できます。
