Blogue

Guia de uso

Gerar imagens de produtos de e-commerce com gpt-image-2.5-sunburst/image-to-image via API HiAPI

Imagens de referência, substituição de fundo, cenas de lifestyle e uma requisição funcional no HiAPI

Nov 20, 2026
Arte de capa minimalista com pontos verde-menta sobre fundo quase preto, mais densos à direita como um conjunto de dados em meio-tom, para o guia de imagens de produtos de e-commerce.
Nesta página

Por que a geração de imagem para imagem é ideal para fotos de produtos de e-commerce

A geração de texto para imagem é excelente para criar produtos que não existem do zero, mas isso quase nunca é o que uma equipe de catálogo precisa. Você já tem o produto físico, a embalagem, os rótulos e a paleta de cores — o que falta é tempo e orçamento para fotografar cada SKU com cada fundo e cada cena de lifestyle.

gpt-image-2.5-sunburst/image-to-image usa uma foto existente como âncora e aplica instruções de edição a ela. Isso muda a estrutura de custos das imagens de produtos em vários aspectos concretos:

  • Fidelidade ao produto real. A imagem de entrada carrega forma, material, cor e layout do rótulo. A tarefa do modelo é preservar essas características enquanto altera o que você pediu, em vez de reimaginar um produto aproximado.
  • Iteração mais barata. Trocar o fundo ou a cena é uma questão de editar o prompt, não de reservar um estúdio. Você pode testar várias direções de cenas de lifestyle para o mesmo SKU em uma tarde e manter a vencedora.
  • Consistência em todo o conjunto de materiais. Como cada saída deriva de uma foto original comparável, um lote de edições mantém similaridade — algo que imagens geradas do zero raramente conseguem.

Quando usar — e quando não usar

Escolha imagem para imagem quando o produto em si é fixo e o ambiente é variável: substituir fundos para listagens de marketplaces, criar cenas de lifestyle para anúncios e landing pages, trocas sazonais ou localização de adereços. Também é uma ferramenta razoável para organizar uma foto aceitável, mas imperfeita.

Não a use quando for gerar conceitos que nunca existiram, quando a foto de origem for inutilizável (muito desfocada, produto majoritariamente ocluído) ou quando precisar de reprodução exata de texto de rótulo com precisão de impressão. Nesses casos, uma nova sessão fotográfica ou vetores superam qualquer modelo.

Uma estrutura prática: trate a foto de origem como a fonte da verdade e o prompt como instruções de escopo bem definido. Cada instrução de edição que você escrever deve responder à pergunta: “O que quero preservar e o que quero mudar?”. Se a requisição deixar isso ambíguo, a qualidade despenca.

O endpoint que você chama é o mesmo descrito na página do modelo; o restante deste guia trata de como alimentá-lo bem.

Preparar imagens de referência que sobrevivam à edição

O modelo só consegue preservar o que consegue ver. A maioria dos resultados decepcionantes de edição de produtos remonta à foto de entrada, não ao prompt. Antes de enviar qualquer coisa, passe a imagem de origem por uma lista de verificação curta.

Resolução e nitidez

Envie a versão maior e mais limpa que tiver. Miniaturas reduzidas perdem estruturas finas que o modelo precisa manter — costuras, texturas, tipografia pequena. Se a imagem estiver mole ou com desfoque de movimento, corrija ou refaça primeiro; filtros de nitidez no pré-processamento raramente ajudam e podem introduzir halos que o modelo amplifica depois.

Enquadramento e espaço negativo

Deixe espaço em branco ao redor das bordas do produto. Se o item tocar a moldura, o modelo não terá espaço para construir um novo fundo e tenderá a cortar ou distorcer o sujeito. Fotos de produto isolado com margem clara ao redor são muito mais confiáveis de editar do que cortes apertados, e ainda dão espaço para reposicionar em uma nova cena.

Separação do sujeito

Você não precisa de uma máscara perfeita em nível de pixel, mas uma separação limpa entre produto e fundo já resolve a maior parte. Um fundo uniforme e de baixo detalhe (papel infinito, gradiente neutro, parede lisa) é suficiente. Fundos bagunçados competem com suas instruções e vazam para o resultado.

Iluminação e ângulo

Fotografe ou escolha uma origem cuja direção de luz você aceite manter, pois a edição tentará acompanhá-la. Um produto iluminado pela frente-esquerda vai querer uma luz principal também pela frente-esquerda na nova cena. Além disso, mantenha o ângulo de câmera consistente dentro da mesma categoria — uma foto de cima e uma visão de três quartos nunca parecerão coerentes na mesma linha de produtos.

Rótulos, logotipos e texto

Se houver texto no produto que o cliente precise ler, confirme que ele está nítido na origem. O modelo faz o possível para preservar, mas textos pequenos ou inclinados são os primeiros a degradar. Para textos regulamentados ou críticos para a marca, planeje uma etapa de revisão humana e considere deixar o lado com o texto voltado para a câmera.

Uma nota sobre processamento em lote

Ao preparar vários SKUs, padronize-os: mesma proporção de corte, mesmo espaço negativo, mesmo tom de fundo. O esforço investido nessa etapa se reflete diretamente na consistência das saídas e permite reutilizar o prompt com segurança em toda a categoria.

Substituir o fundo de produtos com precisão

A substituição de fundo é a edição de e-commerce mais comum e também onde os prompts são escritos com mais preguiça. “Novo fundo” não é uma instrução — é apenas um desejo. O modelo precisa saber como é o novo espaço e como o produto deve se inserir nele.

Descreva o espaço, não apenas uma palavra

Especifique superfície, fundo e iluminação. “O produto sobre uma superfície branca fosca, com fundo de gradiente suave, luz principal difusa ampla vinda do canto superior esquerdo, e uma sombra de contato suave sob o produto” dá ao modelo uma cena construível. “Fundo branco” deixa espaço para ele adivinhar.

Explicite a cláusula de preservação do produto

Todo prompt de fundo deve carregar a cláusula de preservação: manter inalterados o formato, as proporções, a cor, o material e o texto do rótulo do produto. Escrever isso custa quase nada e reduz significativamente o desvio, especialmente em itens com silhueta distinta.

Proteja as bordas e as sombras

Um recorte limpo vem de prompts que mencionam contato e sombreamento. Exija uma sombra de contato natural onde o produto toca a superfície e que as bordas permaneçam nítidas contra o novo fundo. Se estiver trocando um fundo escuro por um claro, espere que o modelo precise de ajuda com a luz de contorno — indique que a incidência de luz nas bordas do produto é consistente com o novo ambiente.

Combine com a iluminação do próprio produto

Se a origem foi fotografada com um único softbox, não peça um cenário de estúdio com luz dura e dramática. Incompatibilidade de luz é a marca mais óbvia de uma listagem composta. Descreva uma iluminação plausível para a origem e varie a cor do fundo e a textura da superfície para obter diversidade visual.

Restrições de plataforma

Se a plataforma de destino exigir fundo branco puro ou sólido, diga isso explicitamente e peça sem adereços e sem emendas visíveis na superfície. Se o destino for uma loja da marca, você tem mais liberdade — gradientes, texturas sutis e um plano de chão coerente são permitidos.

Itere uma variável por vez

Altere o fundo primeiro, confirme que o produto foi preservado e depois ajuste sombra ou iluminação. Mudar várias coisas em um único prompt impede saber qual instrução causou a falha, e toda requisição malsucedida ainda consome seu custo de saída.

Posicionar produtos em cenas de lifestyle

É nas cenas de lifestyle que a geração de imagem para imagem mostra seu valor: o produto permanece reconhecível como ele mesmo enquanto o mundo ao redor muda. A arte aqui está em proporção, iluminação e plausibilidade.

Ancore a cena com alguns detalhes concretos

Prompts de cena precisam de especificidade suficiente para restringir a composição, sem ditar cada pixel. Especifique o ambiente, a superfície onde o produto está, um ou dois adereços de apoio e a qualidade da luz. “Sobre uma bancada de cozinha em carvalho envelhecido, luz da manhã entrando por uma janela à direita, uma caneca de cerâmica desfocada e linho dobrado ao fundo” funciona. Uma lista longa de adereços não funciona — ela disputa a atenção do modelo com o produto.

Acerte a proporção

Indique as relações de tamanho do produto no mundo real, pois o modelo não tem régua. Uma garrafa alta e um batom pequeno são plausíveis isoladamente, mas absurdos juntos. Mencionar a superfície e uma referência reconhecível (uma mão, uma caneca padrão, uma prateleira) dá base à proporção.

Combine primeiro a luz da origem, depois a da cena

Você resolve dois problemas de iluminação ao mesmo tempo: o sombreamento que o produto já tem e a luz do novo ambiente. Se a origem tem luz difusa e uniforme, escolha uma cena de luz do dia suave, não um contraluz forte de pôr do sol. Declare a direção da luz e indique que a incidência sobre o produto deve ser consistente com a cena. Quando os dois entram em conflito, você obtém um produto reiluminado que não combina com as demais fotos ou um efeito de colagem.

Mantenha o produto nítido e a cena secundária

Declare o produto como sujeito focal nítido e o ambiente levemente desfocado. Essa única instrução melhora o realismo mais do que qualquer lista de adereços e impede que o modelo invente detalhes chamativos no fundo.

Varie a cena, não o produto

Para páginas de categoria, mantenha o template de cena e mude apenas um elemento entre SKUs — estação, superfície, adereço. Uma gramática de cena compartilhada faz um conjunto de imagens de lifestyle parecer uma mesma campanha, não uma colagem de fotos de banco de imagens.

Um aglomerado isolado de produto em matriz de pontos se ramifica para três ambientes de cena de lifestyle com densidade e proporção correspondentes.

Uma requisição funcional de imagem para imagem no HiAPI

Tudo passa por um único endpoint autenticado, então a estrutura da requisição permanece a mesma independentemente do que você editar. Os pontos essenciais são o ID do modelo, a imagem de origem e o prompt.

Requisição

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": "Mantenha inalterados o formato, as proporções, a cor, o material e o texto do rótulo do produto. Substitua o fundo por uma superfície cinza-quente fosca e um fundo de gradiente suave, luz principal difusa ampla vinda do canto superior esquerdo, sombra de contato natural sob o produto, bordas nítidas, produto mantido como sujeito focal nítido.",
    "size": "1024x1024",
    "n": 1
  }'

O campo image aceita URL hospedada ou payload de dados base64 quando seus materiais não podem ser acessados publicamente — o base64 mantém SKUs não publicados fora do CDN público. Mantenha n em 1 durante a iteração; vários candidatos multiplicam o custo e dificultam atribuir mudanças de qualidade a uma edição específica de prompt.

Interpretar a resposta

A API retorna um corpo JSON com um array data; cada elemento carrega a imagem resultante (base64 ou URL, dependendo das configurações da sua conta). Verifique o timestamp de criação na resposta e quaisquer campos de uso retornados, e registre-os junto com o ID da requisição para conferência futura.

Uma chamada mínima em Python é assim:

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]

Notas práticas de integração

  • Armazene o prompt junto com cada saída. Semanas depois, só será possível reproduzir a imagem vencedora se o prompt exato e a imagem de origem tiverem sido guardados.
  • Trate falhas de transporte separadamente das falhas do modelo. Timeouts e respostas 5xx são repetíveis; requisições rejeitadas por tamanho não suportado não são.
  • Baixe e persista as saídas imediatamente, em vez de depender de URLs temporárias.
  • Mantenha a string do modelo em configuração, não espalhada pelo código, para que trocar de modelo no futuro seja uma alteração de uma linha.

Consulte a página do modelo para a referência do endpoint e os parâmetros suportados; a cobrança ali é por saída, então reduzir iterações malsucedidas é a principal alavanca para controlar despesas.

Duas entradas — a matriz de pontos da imagem de origem e o traço do prompt — passam por um único canal de API e se resolvem em uma matriz de pontos de saída refinada.

Lidar com defeitos e manter a consistência das saídas

Mesmo com boas entradas e prompts cuidadosos, edições de produto ainda falham de maneiras reconhecíveis. Cada modo de falha tem uma correção padrão.

Desvio de forma do produto

Sintoma: o contorno muda ligeiramente — alças engrossam, afunilamentos ficam retos. Causa: o prompt descreve mais a cena do que o produto, e o modelo reinterpreta o sujeito. Correção: coloque a cláusula de preservação no início, nomeie explicitamente a forma e simplifique a descrição da cena. Se o desvio persistir, o enquadramento da origem provavelmente está apertado demais.

Texto do rótulo perdido ou corrompido

Sintoma: nomes de marca viram símbolos sem sentido plausíveis. Causa: texto pequeno, inclinado ou de baixo contraste na origem. Correção: comece com uma origem mais nítida e mais frontal; indique que o texto do rótulo e o logotipo permanecem inalterados e legíveis; evite adicionar detalhes pesados de fundo atrás da área do rótulo. Para textos regulamentados, planeje revisão humana de qualquer forma.

Composição inconsistente no conjunto de materiais

Sintoma: cada imagem da categoria tem proporção e ângulo diferentes. Causa: recortes de origem e prompts individuais inconsistentes. Correção: padronize o espaço negativo e o ângulo de câmera das origens antes de editar, e reutilize um template de prompt no lote, mudando apenas as variáveis de cena.

Halos nas bordas e produtos flutuantes

Sintoma: bordas claras ao redor do produto, ou objetos sem sombra que parecem colados. Causa: incompatibilidade de luz entre a origem e a cena solicitada. Correção: exija explicitamente sombra de contato natural, declare a direção da luz e escolha ambientes cuja iluminação combine com a da origem.

Aspecto plástico de edição excessiva

Sintoma: texturas alisadas, tecidos limpos demais. Causa: prompts que pedem “refinado” ou “profissional” sem limitar o retoque. Correção: peça a preservação da textura original, do grão do material e das marcas de uso.

Regra geral

Mude uma variável por iteração, inclua uma cláusula de preservação em cada prompt e fixe o padrão das fotos de origem. Quando uma saída falhar, pergunte primeiro se a foto de entrada é boa o suficiente — na maioria das vezes, a resposta é não.

Uma requisição funcional isolada não é um pipeline. Para transformá-la em produção em escala de catálogo, a disciplina de engenharia em torno da chamada ao modelo é o principal fator.

Padronize as entradas na ingestão

Crie uma pequena etapa de pré-processamento: corte para proporções padrão, adicione espaço negativo fixo e sinalize origens de baixa resolução ou desfocadas antes que cheguem à API. Uma verificação prévia que rejeita entradas ruins economiza mais do que qualquer ajuste de prompt.

Processe em lote por template, não por SKU

Agrupe produtos em categorias e dê a cada categoria um ou dois templates de prompt. Execute o lote e revise a visão geral de miniaturas por template. Alterar o template e reprocessar a categoria é muito mais barato do que escrever prompts item por item, e mantém a gramática visual consistente.

Revisão em duas rodadas

A primeira rodada é uma triagem rápida: o produto parece ele mesmo? O texto está legível? As bordas estão limpas? A segunda rodada é uma revisão de design conforme as diretrizes da marca. Automatize as verificações mecânicas sempre que possível — use hash de imagem contra a origem para detectar desvios graves e valide resolução e formato dos entregáveis.

Anexe informações de proveniência

Armazene a imagem de origem, o prompt, o ID do modelo e o timestamp junto com cada saída. Quando o gerente de produto perguntar por que uma imagem principal está diferente, a resposta deve ser um diff entre dois registros de prompt, não uma investigação.

Implantação em fases

Comece pela substituição de fundo, a edição de menor risco; passe para cenas de lifestyle quando os templates estiverem estáveis. Expanda primeiro por uma categoria e depois para o catálogo inteiro, mantendo a capacidade de regenerar qualquer item sob demanda.

Saiba onde o modelo termina

Um pipeline não substitui a necessidade de um fotógrafo para SKUs principais, nem a revisão jurídica de alegações sobre o produto. Trate as edições geradas como um nível de produção e reserve o orçamento de estúdio para as imagens em que a fidelidade é o principal argumento de venda.

Se você está pronto para testar com seu próprio catálogo, a estrutura de requisição acima é tudo o que você precisa para começar a usar gpt-image-2.5-sunburst/image-to-image no HiAPI.

Artigos relacionados

Ver todos os artigos →

Comece a criar com artefactos de IA persistentes

Obtenha a sua chave de API e chame modelos de imagem, vídeo e áudio através de uma única API baseada em tasks.

Ler a documentação da API