gpt-image-2 图像 de produto para e-commerce: fluxo de trabalho em lote no hiapi

TL;DR

• O que é isto: um fluxo de trabalho executável e reproduzível que usa gpt-image-2/text-to-image no hiapi para gerar imagens de produto para e-commerce. Cada imagem nesta página foi renderizada com o prompt original impresso ao lado dela — nenhuma foto de banco de imagens, nenhuma demonstração emprestada.
• Um modelo, três usos: imagens de catálogo em fundo branco limpo, variantes de ângulo/detalhe do mesmo produto e cenas de lifestyle — tudo a partir da mesma interface de tarefas de texto para imagem.
• Fatos da API (verificados na plataforma): gpt-image-2/text-to-image roda em uma interface de tarefas assíncrona (/v1/tasks). O objeto input exige prompt, aspect_ratio (1:1 para listagens, 4:5 para redes sociais, 16:9 para banners) e resolution (1K / 2K / 4K). A imagem resultante fica em output[0].url.
• Preço: gpt-image-2/text-to-image tem valor único de US$ 0,03 por imagem. Um catálogo de 20 SKUs com 3 imagens cada, totalizando 60 imagens, custa US$ 1,80. Consulte os preços em tempo real na página de preços.
• Como executar: faça POST na API de tarefas, consulte até success e então baixe a imagem de output[0].url — essa URL expira, então salve os bytes imediatamente. No final da página há os scripts completos de envio/consulta/download e o loop em lote prontos para copiar e colar.

Por que usar gpt-image-2 para imagens de produto

O pipeline de imagens de produto tem uma especificação monótona mas rigorosa: mesmo produto, apresentação limpa, fundo consistente, proporção adequada à listagem. gpt-image-2/text-to-image é adequado para isso por três motivos.

Primeiro, ele consegue manter a descrição do produto estável em um lote de tarefas — descreva o item uma vez, reutilize essa descrição e mude apenas o ângulo da câmera. É exatamente isso que transforma "uma imagem principal" em um conjunto completo de imagens de listagem.

Segundo, é uma tarefa assíncrona por imagem. Envie a tarefa, consulte o id da tarefa, recupere o arquivo concluído — o mesmo protocolo de tarefas de todos os outros modelos de geração do hiapi, então, se você já chama outros modelos, o fluxo de controle aqui é idêntico.

Terceiro, é barato o suficiente para iterar repetidamente. A US$ 0,03 por imagem, você pode renderizar três ângulos para cada SKU e descartar os que não ficarem bons.

A única regra: escreva a especificação do produto uma vez e reutilize-a

O segredo para um conjunto de imagens de listagem consistente é: mantenha fixa a metade do produto no prompt e mude apenas a metade da câmera. Esta é a especificação de produto fixa usada em cada imagem abaixo:

a matte ceramic pour-over coffee dripper in sage green with a short conical body and a small pouring spout

Todo o resto — ângulo, fundo, iluminação, composição — é acrescentado por tomada. Coloque isso em uma variável e concatene.

Tomada 1 — imagem de listagem em fundo branco

Esta é a tomada que os marketplaces querem: branco puro, luz suave e uniforme, uma sombra tênue, nada mais no quadro.

Prompt: Studio e-commerce product photo of a matte ceramic pour-over coffee dripper in sage green with a short conical body and a small pouring spout, front three-quarter angle, centered on a pure white seamless background (#ffffff), soft even box lighting, subtle soft shadow directly beneath, sharp focus, true-to-life color, catalog listing style, no props, no text.

Configurações: aspect_ratio: 1:1, resolution: 1K

Tomadas 2 e 3 — variantes do mesmo produto

Agora reutilize exatamente a mesma especificação de produto e mude apenas a instrução de câmera. Como a metade do produto no prompt é idêntica, o gotejador continua sendo o mesmo item reconhecível em todo o conjunto de imagens.

Prompt (ângulo): …high side angle looking down into the cone, pure white seamless background (#ffffff), soft even box lighting, subtle soft shadow, sharp focus, true-to-life color, catalog listing style, no props, no text.

Prompt (detalhe): Close-up… focus on the spout and rim texture, pure white seamless background (#ffffff), soft even box lighting, subtle soft shadow, sharp focus, macro detail, catalog listing style, no props, no text.

Tomada 4 — variante lifestyle / social

Listagens precisam de recortes limpos; anúncios e redes sociais precisam de cenário. A mesma especificação de produto, um novo cenário e o formato vertical 4:5 adequado ao feed.

Prompt: Lifestyle e-commerce scene of a matte ceramic pour-over coffee dripper in sage green with a short conical body and a small pouring spout sitting on a light oak kitchen counter beside a glass carafe and a small pile of coffee beans, warm morning window light, shallow depth of field, cozy Scandinavian interior blurred in the background, natural color, premium social-media product shot, no text.

Configurações: aspect_ratio: 4:5, resolution: 1K

API de ponta a ponta

Três chamadas: enviar a tarefa, consultar, baixar o arquivo.

1. Enviar — POST com o modelo e o objeto input:

curl -s -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": "Studio e-commerce product photo ... no text.",
      "aspect_ratio": "1:1",
      "resolution": "1K"
    }
  }'
# -> {"data": {"taskId": "task_abc123"}}

2. Consultar — GET na tarefa até que status seja success:

curl -s https://api.hiapi.ai/v1/tasks/task_abc123 \
  -H "Authorization: Bearer $HIAPI_TOKEN"
# -> {"data": {"status": "success", "output": [{"url": "https://.../image.png"}]}}

3. Baixar — output[0].url é temporária, então salve imediatamente:

curl -s -o dripper-front.jpg "<output[0].url>"

Script em lote: um produto, várias imagens

Abaixo está um loop Python pronto para copiar e colar que renderiza um conjunto completo de imagens de listagem a partir de uma única especificação de produto. Ele mantém a descrição do produto fixa e itera sobre as instruções de tomada.

import os, time, requests

BASE = "https://api.hiapi.ai/v1/tasks"
TOKEN = os.environ["HIAPI_TOKEN"]
HEAD = {"Authorization": f"Bearer {TOKEN}", "Content-Type": "application/json"}

# Fixed product spec — write it once.
PRODUCT = ("a matte ceramic pour-over coffee dripper in sage green with a short "
           "conical body and a small pouring spout")

# Vary only the shot half.
SHOTS = {
    "front":     ("1:1", "front three-quarter angle, pure white seamless background (#ffffff), "
                         "soft even box lighting, subtle soft shadow, catalog listing style, no text"),
    "angle":     ("1:1", "high side angle looking into the cone, pure white background, "
                         "soft even lighting, catalog listing style, no text"),
    "detail":    ("1:1", "close-up macro on the spout and rim, pure white background, "
                         "soft even lighting, catalog listing style, no text"),
    "lifestyle": ("4:5", "on a light oak kitchen counter with a glass carafe and coffee beans, "
                         "warm morning window light, shallow depth of field, no text"),
}

def submit(prompt, ratio):
    body = {"model": "gpt-image-2/text-to-image",
            "input": {"prompt": prompt, "aspect_ratio": ratio, "resolution": "1K"}}
    r = requests.post(BASE, headers=HEAD, json=body, timeout=60)
    return r.json()["data"]["taskId"]

def wait(task_id, timeout=600):
    deadline = time.time() + timeout
    while time.time() < deadline:
        d = requests.get(f"{BASE}/{task_id}", headers=HEAD, timeout=30).json()["data"]
        if d["status"] == "success":
            return d["output"][0]["url"]
        if d["status"] == "fail":
            raise RuntimeError(d.get("error"))
        time.sleep(5)
    raise TimeoutError(task_id)

for name, (ratio, shot) in SHOTS.items():
    prompt = f"Studio e-commerce product photo of {PRODUCT}, {shot}."
    url = wait(submit(prompt, ratio))
    img = requests.get(url, timeout=120).content   # URL expires — save now
    open(f"dripper-{name}.jpg", "wb").write(img)
    print(f"saved dripper-{name}.jpg  (cost $0.03)")

Troque PRODUCT pelo seu SKU, mantenha o mapeamento SHOTS e envolva tudo em um loop que percorra o catálogo de produtos para renderizar cada produto da mesma forma.

Cálculo de custo para um catálogo real

gpt-image-2/text-to-image cobra um valor único de US$ 0,03 por imagem (verificado na plataforma; para os números atuais, consulte a página de preços). Portanto:

Tamanho do catálogo	Tomadas por SKU	Número de imagens	Custo
20 SKUs	3	60	US$ 1,80
100 SKUs	3	300	US$ 9,00
100 SKUs	4 (incluindo lifestyle)	400	US$ 12,00

É barato o suficiente para que, quando você mudar o padrão de fundo, possa renderizar novamente o catálogo inteiro em vez de refotografar.

Resumo

O fluxo de trabalho é deliberadamente enxuto: especificação de produto fixa, variação da tomada, envio → consulta → download, e salvar os bytes de saída antes que a URL expire. Uma tarefa gpt-image-2/text-to-image por imagem, US$ 0,03 por imagem, usando o mesmo protocolo de tarefas que você já usa com outros modelos do hiapi. Aponte o loop em lote para o seu catálogo de produtos e ele escala linearmente.