Руководство по использованию
muse-image-1.0/text-to-image для изображений товаров электронной коммерции: руководство по рабочему процессу разработчика
Шаблоны промптов для ракурсов и освещения, выбор размеров и пакетные запросы через API HiAPI
На этой странице
Почему text-to-image подходит для рабочих нагрузок с товарами электронной коммерции
Работа с каталогом по своей сути повторяющаяся: один и тот же товар, снятый с нескольких ракурсов, при одном и том же освещении, на одном и том же фоне, в нескольких размерах. Именно эта повторяемость — то, с чем модели text-to-image справляются хорошо: не заменяя студийную съёмку флагманских товаров, а дешёвым и единообразным способом заполняя длинный хвост каталога.
Сценарии, где генерация действительно полезна:
- Крупные партии вариантов. Цветовые схемы, незначительные различия SKU и изменения упаковки — случаи, когда стоимость пересъёмки превышает ценность самого изображения.
- Заглушки и материалы до запуска. Страницы листингов, материалы для внутренних обзоров и A/B-тесты нуждаются в правдоподобном контенте до того, как будут готовы финальные фотографии.
- Исследование композиции. Попробовать съёмку сверху в стиле флэтлей и главное изображение под углом 45 градусов, прежде чем задействовать фотографа и студию.
Неподходящие сценарии: регулируемые маркетинговые заявления, текст на упаковке, который должен быть чётким и точным, и главные изображения, где клиенты будут сравнивать мелкие детали текстуры материала. Для этого по-прежнему нужны камера и человек.
Для разработчика ментальная модель — это конвейер. На входе структурированное описание товара, рендеринг шаблона промпта, модель возвращает одно или несколько изображений, а проверка QA решает, что можно выложить в магазин. Каждый раздел ниже посвящён тому, как сделать этот конвейер скучно воспроизводимым, а не умным.

Вызов muse-image-1.0/text-to-image через HiAPI
Все запросы идут через один интерфейс HiAPI, поэтому вы аутентифицируетесь один раз и сохраняете одного клиента для всех вызываемых моделей. Идентификатор модели — muse-image-1.0/text-to-image; ваш запрос несёт промпт, выбранный выходной размер и любые параметры одной генерации, которые вы хотите зафиксировать.
На структурном уровне одна генерация — это: построить полезную нагрузку запроса, отправить её POST-запросом через клиент HiAPI, прочитать возвращённый объект результата и сохранить ссылку на изображение вместе с идентификатором товара, к которому оно относится. Две привычки, которые стоит выработать с первого вызова:
- Храните промпт в переменной, а не встраивайте его в запрос. Вы будете переиспользовать и сравнивать его сотни раз.
- Записывайте точный отрендеренный промпт для каждого вывода. Когда через три недели изображения будут выглядеть неправильно, промпт — ваша единственная опора для отладки.
import os
from hiapi import HiAPI
client = HiAPI(api_key=os.environ["HIAPI_API_KEY"])
prompt = render_product_prompt(product, angle="three-quarter", light="softbox-left")
result = client.images.generate(
model="muse-image-1.0/text-to-image",
prompt=prompt,
size="1024x1024",
)
save_asset(product_id=product.id, angle="three-quarter", result=result)
Относитесь к size как к части шаблона, а не как к тому, о чём думают постфактум — один и тот же промпт при разных соотношениях сторон может перекомпоновать объект. Следующие разделы охватывают как структуру промпта, так и решения о размере.

Шаблоны промптов для единообразных ракурсов съёмки
Единообразие в каталоге достигается фиксированным каркасом промпта, в котором заменяется лишь несколько слотов. Если каждый промпт пишется с нуля, каждое изображение будет смещаться. Постройте один шаблон на каждый тип съёмки и держите язык описания камеры побайтово идентичным для всех товаров.
Рабочий каркас:
{subject_block}. {camera_block}. {light_block}. {background_block}. {style_block}
Меняется только subject_block в зависимости от товара. camera_block — константа для каждого ракурса:
- Главное изображение / вид в три четверти:
product photographed at a 45-degree three-quarter view, slightly above eye level, full product in frame with even margins - Фронтальный вид:
straight-on front view, camera at product mid-height, centered, no perspective tilt - Флэтлей сверху:
directly overhead top-down view, product centered, flat lay composition - Крупный план деталей:
close-up macro view of the product surface, shallow depth of field
Два правила делают это работающим на практике:
- Указывайте ракурс дважды. Явный угол плюс формулировка о композиции (например, "full product in frame with even margins") надёжнее, чем любое из них по отдельности.
- Избегайте относительных ссылок. "Same angle as the last image" ничего не значит для модели text-to-image; каждый промпт должен существовать самостоятельно.
Храните шаблоны в системе контроля версий вместе с кодом рендеринга. Когда вы меняете camera_block, повышайте версию и перед коммитом перегенерируйте небольшую выборку — изменение формулировки означает изменение всего каталога.
Шаблоны промптов для освещения и фона
Освещение и фон — это то, что заставляет сгенерированную группу изображений выглядеть как одна съёмка, а не как набор несвязанных картинок. Оба относятся к константной части шаблона и требуют явного направления и мягкости.
Язык освещения, который надёжно переносится:
- Направление:
key light from camera left,light from upper right,soft overhead light. Направление — самый наглядный рычаг единообразия — зафиксируйте его для каждого типа съёмки. - Качество:
soft diffused light,large softbox, gentle shadows,hard directional light with defined shadow edge. - Заполняющий свет и блики:
subtle fill from the right, low-contrast shadows,clean highlight on the top surface.
Язык фона:
- Бесшовная студия:
on a seamless light grey studio backdrop, no horizon line, soft contact shadow beneath the product. - Лайфстайл-поверхность:
resting on a matte stone surface, softly out-of-focus neutral background. - Удобно для вырезания:
isolated on a plain white background, product fully in frame, generous margins for cropping.
Два практических напоминания. Во-первых, чем больше у товара поверхностей и отражений, тем точнее нужно описывать освещение, потому что положение бликов и есть внешний вид товара. Во-вторых, не смешивайте фоны в пределах одного типа съёмки — группа ячеек сетки должна иметь общий фон, иначе сетка будет выглядеть собранной от трёх разных поставщиков. Зафиксируйте эти блоки как константы и меняйте их только намеренно.
Выбор выходных размеров и соотношений сторон
До начала пакетной обработки решите размер по месту размещения, потому что повторный запуск с другим размером — это полная перегенерация, а не изменение размера. Сначала сопоставьте место размещения с соотношением сторон, затем с пиксельным размером, который фактически рендерит фронтенд.
- Сетки и плитки категорий: квадрат. Обрезка в сетке товаров непредсказуема, поэтому квадратная композиция с достаточными полями помещается в большинство макетов плиток.
- Страницы с описанием товара: квадрат или 4:3 — ориентируйтесь на размер просмотрщика с масштабированием, а не на миниатюру. Если страница товара обрезается до фиксированного соотношения, точно его соблюдайте и не боритесь с ним в CSS.
- Баннеры и полосы главных изображений: широкоформатные, с явно запланированной безопасной зоной. Требуйте центрирования товара и негативного пространства по бокам, чтобы было куда разместить маркетинговый текст.
- Email и социальные сети: соблюдайте нативные пропорции платформы; перегенерировать дешевле, чем добавлять поля.
Несколько эмпирических правил:
- Выберите один канонический размер на каждое место размещения и переиспользуйте его. Смешивание размеров в одной сетке плиток даёт заметные различия в качестве.
- Не увеличивайте сгенерированные изображения, чтобы заполнить более крупное место. Генерируйте больший размер и уменьшайте.
- Проверяйте композицию заново после изменения пропорций. Главное изображение под 45 градусов, скомпонованное для квадрата, может потерять основание товара при широкоформатной обрезке; соответствующим образом скорректируйте формулировку о композиции в
camera_block. - Сохраняйте размер в записи задачи. При последующей проверке выходных данных размер — часть контекста, а не шум в метаданных.
Пакетные запросы и обработка результатов по элементам
В масштабе каталога единица работы — это задача, а не запрос: один товар, один тип съёмки, один размер, один отрендеренный промпт. Сначала смоделируйте задачи как данные и отправляйте их через ограниченную очередь, чтобы сбой был строкой, которую можно перезапустить, а не потерянным днём.
Надёжный цикл делает четыре вещи:
- Детерминированно рендерит промпт: из шаблона и полей товара, и сохраняет отрендеренную строку в задаче.
- Ограничивает параллелизм: до объёма, который выдерживают ваш аккаунт и нижележащее хранилище; не запускайте весь каталог разом.
- Обрабатывает результаты по элементам. Пакетные операции успешны или неуспешны по элементам, поэтому записывайте каждый результат под его
job_idи никогда не предполагайте атомарности всего пакета. - Повторяет с экспоненциальной задержкой только при временных ошибках. Ошибки валидации — некорректный промпт, неподдерживаемый размер — при повторе провалятся так же, поэтому сначала классифицируйте, потом повторяйте.
for job in queue.fetch_pending(limit=50):
try:
result = client.images.generate(
model="muse-image-1.0/text-to-image",
prompt=job.prompt,
size=job.size,
)
db.record_success(job.id, result)
except TransientError as e:
queue.requeue(job.id, backoff=e.retry_after)
except ValidationError as e:
db.record_failure(job.id, reason=str(e))
Храните столбец состояния для каждой задачи (pending, done, failed) и предусмотрите представление очереди недоставленных для сбоев. По завершении пакета сообщайте количество по типу съёмки и размеру, а не только общую сумму — именно там скрываются регрессии.
Чек-лист QA перед публикацией сгенерированных изображений
Сгенерированным изображениям нужен контрольный фильтр, а фильтр должен быть чек-листом, за которым стоит человек. Автоматические проверки ловят дешёвые проблемы; рецензенты ловят дорогие.
Автоматические проверки перед ревью:
- Соотношение сторон и пиксельный размер правильны для целевого места размещения.
- Нет явно повреждённых выходных данных; файлы нормально открываются и декодируются.
- Цвета соответствуют ожидаемым, если в промпте указана цветовая схема товара.
- В ячейках сетки оставлены поля для допуска при обрезке.
Ручное ревью перед публикацией:
- Выглядит ли товар как этот товар — форма, пропорции, фурнитура и отделка?
- Нет ли выдуманного текста, логотипов или текста на упаковке? Сгенерированный текст — частая точка отказа и юридический риск в магазине.
- Освещение и фон согласуются с остальными изображениями группы в размере миниатюры, а не только в полном размере.
- В кадре нет лишних объектов, дополнительных компонентов или нелогичных отражений.
- Маркетинговые заявления и регулируемые этикетки не изменены генеративными технологиями; такие изображения должны идти фотографическим путём.
Записывайте рецензента и версию промпта для каждого одобренного материала. Когда поступит жалоба клиента или запрос на снятие с публикации, этот след позволит за один раз найти все затронутые изображения — и перегенерировать или снять всю группу.
Начните с одного типа съёмки, одного размера и небольшой выборки товаров, прогоните через интерфейс HiAPI и расширяйте шаблон только после того, как вывод пройдёт ревью.
Похожие статьи
Все статьи →-
Руководство по использованию
Руководство по началу работы с gpt-6.2-sol: границы возможностей, интеграция через API и тарификация токенов
Ключевые моменты принятия решений и практики интеграции для инженерных команд
-
Руководство по использованию
Руководство по началу работы с gpt-6.2-astra: границы возможностей текстовой модели, ключевые моменты интеграции и контроль затрат
-
Руководство по использованию
Руководство по началу работы с Tripo H3.1: три способа ввода, параметры и как выбрать тариф
Практическое руководство для разработчиков по принятию решений и контролю затрат при интеграции генерации 3D