博客

使用指南

使用 flux-3 通过 HiAPI API 生成电商产品图片

提示词模板、背景与布光控制,以及一个可运行的产品图生成请求

2026年11月12日
铜版雕刻排线风格的封面图:午夜蓝底色上的铜色平行线条构成抽象的产品框架与阶梯式流程管道。
本页内容

为什么 flux-3 适合电商产品图

商品目录流水线失败的原因往往很无聊:一致性。产品页面不是一张主图,而是横跨多个 SKU、多个角度和季节性更新的几十张图片,它们都必须看起来像是同一个下午在同一间摄影棚里拍出来的。把每一张都交给摄影师拍摄又慢又贵;把每一张都交给任意一个图像生成器,通常会得到一组各自看起来都合理、放在一起却很别扭的图片。

这正是 flux-3 有用武之地的缺口。它是一个通过 HiAPI API 提供的图像生成模型,这意味着你的产品流水线可以把图像创建当作又一次 HTTP 调用:发送提示词加上产品参数,拿回一张图片,存储它,然后处理下一个 SKU。无需厂商专属 SDK,无需为每个模型单独开户,也无需为每个提供商编写胶水代码。

对电商而言特别重要的是,flux-3 对提示词结构的响应是可预测的。产品照片是一个高度受限的场景:一个主体,居中或刻意构图,干净的背景,以及影棚风格的布光。这些约束恰恰是你可以用文字表达出来的,而一旦它们变成文字,它们就成了模板变量,而不是创意决策。这就是“向模型要一张图”与在商品目录任务中拥有一个生成步骤之间的区别。

本指南中的实际工作流程是:定义一个可复用的提示词结构,调整背景和布光的措辞直到基线看起来正确,然后按产品替换主体块。其他一切保持不变,这正是让你在一条产品线上获得视觉一致性的原因。

开始之前你需要准备什么

  • 一个 HiAPI API 密钥,以及从平台模型列表中获取的当前 flux-3 模型标识符。
  • 结构化形式的产品数据:名称、材质、颜色、形状,以及你希望模型渲染的任何显著细节。
  • 一个存放基线提示词和生成输出的地方,以便你之后对比版本。
一个产品,在九个受控背景中一致地渲染出来——这就是 flux-3 对商品目录一致性的承诺。

flux-3 产品图提示词的构成

只对一个产品有效的提示词用处不大。一个你可以填写的提示词才有用。实现这一目标的方法是把描述拆解成固定块,每一块都对应你代码中的一个变量。

五个块

  • 主体。 物体是什么,用具体名词描述。“一个哑光陶瓷咖啡杯”胜过“一个好看的杯子”。在重要之处加入尺度线索(“高挑”、“宽口”)。
  • 材质与表面。 表面处理与纹理:拉丝铝、釉面陶瓷、编织棉、磨砂玻璃。模型的高光就来自这里,所以要明确。
  • 背景。 产品所处的背景和台面:无缝纸、石板、柔和渐变、纯白无缝背景。保持这一块刻意简短且无聊——它是脚手架,不是创意槽位。
  • 布光。 方向、质量和对比度:来自左侧的柔和主光、大面积漫射光源、轻柔补光、物体下方的细微阴影。这一块决定了大部分“影棚”感,也是你会调整最多的一块。
  • 相机取景。 镜头如何构图:居中产品图、平视、四分之三角度、紧凑裁切、上方留有充足负空间。

将块转化为模板

这些块在运行时组装成一个字符串,每个 SKU 只替换主体(偶尔替换材质):

product photo of {subject}, {material}, {background}, {lighting}, {framing}

一个填写好的示例:

product photo of a matte ceramic coffee mug, glazed stoneware with visible clay texture,
on a seamless light gray paper backdrop, soft diffused key light from the upper left
with gentle fill and a soft contact shadow, centered eye-level shot with negative space above

两条规则保持模板稳定。第一,保持块顺序固定——即使文字完全相同,重新排列块也会改变强调重点。第二,在跨 SKU 时保持固定块为完全相同的字符串,而不是每次都改写它们;细微的措辞漂移是商品目录中背景和布光不一致的最常见来源。

创意不该出现的地方

避免在固定块中使用编辑性语言:不要情绪形容词,不要造型花饰,不要引用场景。把任何变化留给有意的营销活动,并保持商品目录模板干净。一个读起来像技术规格的模板,产出的图片看起来也像技术规格——这正是产品列表所需要的。

每个提示词块——主体、材质、背景、布光、取景——都是一块可互换的板块,你可以重新排列和复用。

控制背景与布光

背景和布光是决定一组图片是否读起来像一份连贯商品目录的两个块。两者都对具体、物理性的措辞响应良好。

背景:追求无聊

把背景描述为物理布置,而不是美学。 “无缝浅灰纸背景”和“纯白无限背景”之所以可靠,是因为它们描述了一种已知的影棚配置。“极简”或“美学”之类的词很模糊,往往会让场景元素渗入。

有用的杠杆:

  • 表面类型: 无缝纸、哑光乙烯基、天然石板、浅色木材。
  • 颜色与色调: 浅灰、米白、暖沙色——保持明度中到浅,使产品边缘保持可读。
  • 连续性: “无缝”或“无限”告诉模型你希望背景和地面融合,消除之后难以清理的地平线。
  • 空无: 如果早期尝试引入了杂散物体,明确写出“空背景,无道具”是值得的。

如果你需要用于市场的透明背景 PNG,先在干净的纯色背景上生成,然后在后期做抠图。要求图像模型输出真正的 alpha 通道不是可靠路径。

布光:方向优先,质量其次

布光措辞清晰地分为两个决策。方向决定高光和阴影落在哪里;质量决定这些高光边缘有多柔和。

  • 方向: “来自左上方的主光”、“来自前方的柔和主光”、“来自右侧的光,左侧有轻柔补光”。选一个并在整条产品线上保持。
  • 质量: “大面积漫射光源”、“柔和阴影”、“均匀照明”。漫射柔光对产品图来说是安全默认值,因为它不会让光泽材质过曝。
  • 接触阴影: “产品下方的柔和接触阴影”让物体落地;没有它,产品看起来像在漂浮。
  • 对比度: “低对比度,明亮均匀”适合白底市场;稍微多一点方向性对比适合高端生活方式裁切。

保持产品线一致

一致性与其说是提示词问题,不如说是版本管理问题。把背景和布光块存储为命名预设(例如“白色影棚”预设和“石板”预设),并在每个生成任务中按名称引用预设,而不是按 SKU 粘贴文本。当你调整一个预设时,你只调整一次,下一批会有意地继承变更,而不是漂移。

当结果出错时,一次只改一个块并重新生成同一个产品。同时改变背景和布光会让你无法判断是哪段措辞起了作用。

光方向箭头和背景色板样本:提示词措辞如何映射到一致的产品线外观。

一个可运行的 flux-3 HiAPI 请求

生成步骤是一次 API 调用。确切的端点路径、模型标识符和请求字段在平台上有文档说明,应从那里获取,因为它们可能会演变;下面的形式是要接入你脚本的模式。

import os
import requests

API_KEY = os.environ["HIAPI_API_KEY"]

presets = {
    "white_studio": {
        "background": "on a pure white infinity sweep, no props, empty backdrop",
        "lighting": "soft diffused key light from the upper left, even fill, "
                    "soft contact shadow beneath the product, low contrast",
        "framing": "centered eye-level product shot, generous negative space",
    }
}

def build_prompt(product, preset_name="white_studio"):
    p = presets[preset_name]
    return (
        f"product photo of {product['subject']}, {product['material']}, "
        f"{p['background']}, {p['lighting']}, {p['framing']}"
    )

def generate(product, preset_name="white_studio"):
    payload = {
        "model": "flux-3",           # confirm the current identifier in the model list
        "prompt": build_prompt(product, preset_name),
    }
    response = requests.post(
        "https://api.hiapi.ai/v1/images/generations",  # see docs for exact path
        headers={
            "Authorization": f"Bearer {API_KEY}",
            "Content-Type": "application/json",
        },
        json=payload,
        timeout=120,
    )
    response.raise_for_status()
    return response.json()

product = {
    "subject": "a matte ceramic coffee mug",
    "material": "glazed stoneware with visible clay texture",
}

result = generate(product)
print(result)

将其接入批处理

一些习惯可以让它安全地跑在整个商品目录上,而不是单个产品:

  • 从环境变量解析每个值。 让密钥远离源代码和日志。
  • 把响应视为不可信。 从文档字段读取返回的图像引用或载荷,然后下载并存储到你自己的存储桶。不要依赖任何临时 URL 比任务更长寿。
  • 把确切的提示词字符串与每个输出一起记录。 将其与图像元数据一起存储。当以后有人问为什么 SKU 1234 的图看起来不同时,答案应该在你的数据库里,而不是在记忆里。
  • 对瞬时故障使用退避重试, 并限制并发,以免大批量触发速率限制。
  • 按 SKU 和提示词版本保持请求幂等, 这样重跑会覆盖同一个输出槽位,而不是散落重复项。

从模板迭代到生产流水线

第一个验证过的提示词是基线,不是完成的资产。生产化意味着把它变成你的流水线可以重现和审计的东西。

第 1 步:在少量样本上锁定基线

从不同材质类别生成五到十个产品——一个光泽的、一个哑光的、一个织物的、一个金属的、一个透明的。这些会以不同方式考验布光块。如果模板在这个样本上成立,你就有了基线;如果光泽产品过曝或织物看起来扁平,现在就调整那个块,而不是在商品目录跑完之后。

第 2 步:为预设命名并版本化

给预设一个显式版本标识符,并把变更视为新版本,而不是编辑。一个简单的 white_studio_v1 → white_studio_v2 方案让你可以在旧预设下重新生成一批并比较,也让你可以回滚,如果某个“小改进”结果证明是你一半 SKU 的回归。

第 3 步:把提示词存放在流水线可读取的地方

保持两层:共享预设定义(背景、布光、取景、版本)放在一个地方,每个 SKU 的主体和材质字段放在你的产品数据库中。然后生成代码组合两者。这意味着预设变更会传播到每个未来任务,而主体数据仍由商品目录团队拥有。

第 4 步:系统化地比较输出

并排审查在超过几十个 SKU 后无法扩展。更便宜的信号:

  • 联系表审查: 把一批拼成一张网格图并扫描异常。漂移的背景和偏移的取景在缩略图尺寸下会立刻跳出来。
  • 针对背景检查的边缘采样: 在图像边界附近采样像素颜色,并标记角落与预设预期色调不同的结果。这能捕捉最常见的失败——背景悄悄变色——而无需人眼。
  • 画面位置检查: 如果产品应居中且上方留有负空间,测量主体质量在每张图中的位置并标记异常。

任何被标记的都进入审查队列;其他一切自动发布。

第 5 步:有意识地重新生成

一旦基线稳定,新 SKU 就是一个数据问题,而不是提示词问题:添加主体和材质字段,排队任务,让自动化处理。把重新生成运行留给有意的变更——季节性背景、新布光变体——并在这样做时提升预设版本。

常见陷阱及如何避免

生成产品图的大多数失败都是同样几个问题,每个都有提示词侧或流水线侧的修复方法。

批次中的背景漂移

最常见的抱怨:图片单独看都一致,但 SKU 之间却有差异。几乎总是措辞漂移的原因——有人改写了背景块,或者模板把产品属性插入了其中。修复:把背景和布光作为来自单一预设来源的固定字符串,并在代码中断言组装后的提示词逐字包含预设文本。

杂散道具和场景元素

模型喜欢添加背景:一小枝叶子、一块折叠的布、一个看起来像桌边的阴影。明确声明空无(“空背景,无道具”),并尽量让场景语言保持物理性和影棚限定。如果它持续存在,简化主体描述——主体块中的装饰性形容词往往会招来场景中相匹配的装饰。

漂浮的产品

没有接触阴影会让物体看起来像贴在背景上。在布光块中包含“产品下方的柔和接触阴影”,并明确产品放在表面上而不是悬浮。

取景不一致

混合裁切会毁掉一个类别页面。把取景块固定为一个短语,不要让它变化;如果你需要多种宽高比,生成相同的构图并在后期裁切,而不是为每个比例提示。

过度指定的提示词

描述产品历史、品牌和故事的过长提示词往往产生编辑性图像,而不是商品目录图像。模板应该读起来像镜头清单。当结果感觉不对时,修复方法通常是删词,而不是加词。

把生成失败当作代码缺陷

单个坏结果不是重写流水线的信号。用存储的确切提示词字符串重现它,改变一个块,重新生成,然后再下结论。把提示词与每个输出一起记录正是让这成为可能的原因——而且这是最早养成的成本最低的习惯。

从一个预设、一个样本批次和每张图像存储的提示词开始;一旦基线在材质类型上都成立,再扩展。

立即开始构建持久 AI 产物

获取 API 密钥,通过一个基于任务(task)的 API 调用图像、视频和音频模型。

阅读 API 文档