gpt-image-2-image-to-image 用于电商产品图：开发者工作流指南

为什么编辑产品图，而不是重新生成

产品摄影重拍成本高昂，伪造风险也大。当你已经拥有真实 SKU 的干净原始照片时，图生图编辑几乎总是更稳妥的路径：模型从真实的几何形状、真实的颜色和真实的材质细节出发，只改变你要求它改变的部分。

当不存在可用照片时（概念样机、量产前包装、占位图），或者当你需要一张没有任何源图可以锚定的全新构图时，完整生成才是更合适的选择。但对于商品目录工作来说，生成的失效模式很隐蔽：模型会凭空发明出一个看起来合理的你的产品变体。略微错误的拉链头、不同的标签字距、一条偏离品牌色调的蓝色。这些缺陷在大规模下很难被发现，发布后再修复代价也很高。

编辑保留了一个保真度锚点。在实践中，这种分工大致如下：

• 编辑：当你需要新背景、生活场景、季节性场景或修正裁剪时，而产品本身必须保持逐字节可信。
• 生成：当你需要构图自由，且不存在权威源图时。
• 混合：当你先生成场景，再通过一次编辑把真实产品合成进去，并将生成的场景作为参考。

本指南的其余部分假定采用编辑路径，因为大多数电商业务量都集中在这里：一个稳定的 SKU 目录，每个产品需要大量视觉变体，同时不能改动产品本身。

通过 HiAPI 调用 gpt-image-2-image-to-image

所有调用都经过 HiAPI 统一 API 接口，因此你只需认证一次，就能在不同模型之间保持相同的请求结构。图生图模型接收你的源图和文本指令，返回一张由你自己持久化保存的编辑后图像。

请求结构

最小流程包含三个部分：认证、携带提示词发送源图、处理响应。

curl -X POST https://api.hiapi.ai/v1/images/edits \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -F "model=gpt-image-2-image-to-image" \
  -F "image=@./sku-1042-front.jpg" \
  -F "prompt=Replace the background with a soft neutral studio gradient, keep the product unchanged" \
  -F "size=1024x1024"

响应包含编辑后的图像，形式取决于你请求的响应格式，可能是内联数据，也可能是 URL。请立即将字节存入你自己的对象存储——把 API 视为临时通道，把你的存储桶视为记录真相的地方。将提示词、源图哈希和模型标识符与输出一并持久化保存，这样任何资产日后都能复现。

实用集成注意事项

• 发送你手头质量最高的源图。 缩小的缩略图会丢失让编辑结果可信的纹理细节。
• 保持提示词为陈述式。 描述目标状态，而不是一串 Photoshop 操作步骤。
• 在配置中固定模型名称，而不是散落在各个调用点，这样更换变体时无需满代码库搜索。
• 记录请求 ID。 当输出看起来有问题时，请求 ID 能让你与重跑结果进行对比。
• 超时设置要宽裕但要有上限。 图像编辑比聊天补全慢；将客户端超时设置在你的 p95 之上，超过则快速失败。

一个简单的序列：你的服务读取源资产，携带图像和提示词调用 HiAPI，接收编辑后的图像，将其写入存储，并放入验证队列。保持验证异步进行，这样缓慢的审核者永远不会阻塞批处理任务。

保持产品完好的背景替换

最常见的编辑也是最容易出错的：替换背景时，模型决定顺便“改进”产品。解决办法是提示词纪律加上明确的不变量。

行之有效的提示词结构

用三个分句来写：什么改变、什么绝不能变、它应该看起来怎样。

Replace the background with [target scene].
Keep the product's shape, color, texture, logos, and label text exactly as in the source.
Lighting: soft diffused key from the upper left, gentle contact shadow beneath the product.

第二个分句最关键。点名你希望保留的具体属性——轮廓、材质饰面、印刷文字——可以显著减少包装和服装上的漂移。

参数策略

• 除非店面模板另有要求，否则匹配源图宽高比；在模型内部重新缩放会浪费保真度。
• 如果 API 提供强度或相似度控制，对主图保持保守编辑，对细节不太显眼的次要缩略图可以放宽一些。
• 每次调用只做一项更改。在同一提示词中同时做背景替换和颜色校正，通常会导致两者都只做了一半。

适合硬边产品的场景

透明玻璃、哑光黑色塑料和金属饰面会从你放在它们背后的任何东西上拾取反射。在尝试复杂室内场景之前，先提示受控环境——无缝影棚渐变、纯色皱纸表面。对于瓶罐类产品，明确要求接触阴影；悬浮的产品是 AI 编辑目录图中最常见的破绽。

一条快速检查规则

如果你无法用三句话描述理想输出，说明提示词还没准备好。先迭代措辞，再花费调用。

使用参考图生成生活场景

生活场景图销售的是情境：产品在厨房台面上、在健身包里、在书桌上。在这里，产品必须保持可识别，而周围的世界是虚构的，这比背景替换更难。

双输入模式

可靠模式使用两张图：产品源图（权威几何形状）和场景参考图（构图、配色、光照方向）。然后你的提示词描述产品如何置于该场景中。

• 将产品图作为主体锚点。
• 将场景参考图用于氛围和取景，而不是其中的物体——否则模型可能引入与你的品牌冲突的道具。
• 明确陈述物理关系：“在台面上，略偏中心右侧，平视视角。”

提示词骨架

Place the product from image 1 into the scene from image 2.
Preserve the product's proportions, label, and color exactly.
Match the scene's lighting direction and color temperature.
Add a natural contact shadow where the product meets the surface.

需要注意什么

比例和透视是两个失效点。一只在台面上看起来有腰那么高的咖啡杯，或一部从矛盾角度拍摄的手机，会立刻打破幻觉。当场景中有已知物体时，明确相机高度和相对尺寸线索（“大约与旁边的杯子等高”）。

还要尽早决定反射是否可接受。在抛光表面上，模型可能镜像标签文字，而镜像文字在任何细心的顾客看来都是品牌损坏。如果反射有风险，改为提示哑光或织物表面。

为每个产品跑两到三个候选，然后送入审核——生活场景输出比影棚替换变化更大，人眼发现比例错误的速度比你这个季度能写的任何自动检查都快。

目录范围的多参考一致性

一个产品线应该看起来像同一位摄影师拍的。一致性不是模型功能；它是你围绕模型建立的资产管理纪律。

为每个系列建立参考套件

为每个系列冻结一小组输入：

• 每个 SKU 一张产品源图，按相同规格拍摄（相同角度、相同裁剪比例、相同光照）。
• 整个系列共享一到两张场景参考图——同一个厨房，同一个影棚角落。
• 一个带产品名称和放置位置槽位的提示词模板，这样措辞不会在不同 SKU 之间漂移。

将这个套件与你的生成配置一起存放在版本控制中。当活动结束时，提升套件版本，而不是就地编辑提示词，这样上一季的资产保持可复现。

带槽位的模板

Background: {SCENE_REF}.
Subject: product from {PRODUCT_IMAGE}, unchanged in shape, color, and label.
Framing: product occupies {FILL}% of frame width, centered horizontally.
Lighting: match {SCENE_REF} direction and temperature.

在整个系列中一致地填充 {FILL}，对视觉连贯性的贡献超过任何提示词形容词。当主体比例统一时，目录网格看起来才统一。

参考图卫生

• 保持参考图分辨率一致；混合不同来源会改变模型明显的取景方式。
• 切勿复用包含竞品产品的参考图，即使已模糊处理。
• 按季节刷新场景参考图，但要批量进行——半个目录用新套件比整个目录用旧套件看起来更糟。

操作顺序

先生成一个主 SKU，对照参考套件审核，然后批量处理其余部分。如果主 SKU 漂移，说明模板有误，而先批量处理会把缺陷放大到整个目录。

输出到达店面之前的验证

自动验证能廉价地抓住无聊的失败；人工审核抓住令人尴尬的失败。两者都要建立，按此顺序。

自动关卡

• 尺寸和宽高比必须匹配店面模板。在入口处静默拒绝错误裁剪。
• 格式和色彩配置文件应在写入时规范化，这样下游 CDN 永远不会遇到意外。
• 源图到输出的差异启发式检查。 对于背景替换任务，比较源图和输出中的产品区域（在遮罩裁剪上做感知哈希或 SSIM）。大差异意味着模型改动了产品——标记出来。
• 文字区域检查。 如果你的产品带有印刷标签，裁剪标签区域并对预期字符串运行 OCR。这能抓住经典的“看似合理但错误”的字母失败。
• 空白和近空白检测，加上文件大小下限，以抓住由瞬时错误产生的空响应。

人工审核路由

按风险路由，而不是统一路由。新 SKU、生活场景以及任何自动差异超过阈值的资产进入审核队列；对熟悉产品重复运行既定模板的可以自动批准。保持审核界面简单：源图、输出图、提示词和未通过的检查并排展示。

存储决策

将批准状态和审核者备注与每个资产一起记录。当客户投诉或品牌审计到来时，你需要无需考古就能回答“谁批准的，依据哪个提示词”。

asset_id, sku, model, prompt_hash, source_hash,
checks_passed, checks_failed, review_status, reviewer

这一行比任何单张图像都更有价值。当规模扩大时，它使流水线可审计。

成本、延迟和重试策略

图像编辑按生成的图像计费，所以每次浪费的调用都是真实成本。纪律很直接：减少调用量、限制重试，永远不要为同一个错误付两次钱。

深思熟虑地批处理

• 在一个作业中使用共享提示词模板处理一个系列，而不是从 UI 随意发起单次调用。
• 并发是你控制延迟的杠杆；保持在速率限制以下，这样你能获得吞吐量而不产生限流错误，而限流错误是最昂贵的重试类型。
• 生成到暂存桶。任何东西未经验证都不能到达店面，所以坏批次永远不会触碰线上页面。

重试规则

• 只重试瞬时失败：网络错误、超时、速率限制。
• 每个条目将重试次数限制在小的固定值，采用指数退避和抖动。
• 永远不要自动重试验证失败。错误的标签不会在第三次尝试时自行修复；它需要修改提示词和人工决策。
• 将一批中重复出现的相同失败视为模板错误——停止作业，不要磨完每个 SKU。

低成本迭代提示词

提示词调优是预算悄悄泄漏的地方。保留一个有代表性的 SKU 作为金丝雀：调整模板，运行金丝雀，检查，然后将模板发布到完整批次。十次金丝雀调用胜过三百次投机性调用。

衡量你的花费

记录每个资产的调用次数和结果，然后观察接受资产与调用的比率。比率上升意味着模板漂移；比率下降意味着模型或提示词回归。无论哪种情况，仪表盘都会在账单之前告诉你。

延迟预期

围绕异步作业规划流水线。队列加工作线程池可以保持请求超时短、用户面向的响应时间不受影响，并且允许你重跑失败的子集而不必重新处理整个系列。

从一个 SKU、一个固定模板和到位的自动检查开始——然后在接受比率稳定后扩展批次。