使用指南

Qwen Image 3.0 图生图：把一张产品照片变成整套电商素材

一次实测：一张产品底图、三个场景、真实提示词，以及一套可批量复制的流程。

2026年11月3日

大多数产品目录仍然为每个 SKU 只配一张干净的棚拍图。这对商品列表缩略图来说足够了，但一旦你需要一张用于广告的生活方式图、一张季节性横幅图，或者某个要求展示产品“在家中使用”场景的市场平台列表图，这种单张图就完全不够用了。要为每个场景重新拍摄，意味着需要摄影师、影棚，以及每个产品数天的周转时间。

我们做了一次小规模的真实测试，看看 qwen-image-3.0/image-to-image 能否弥合这一差距：从一张棚拍产品照片出发，通过图生图编辑把它放入三个不同的生活方式场景中，而无需第二次拍摄。以下是测试结果、我们使用的确切提示词，以及一套可扩展到多个产品的批量流程。

为什么图生图胜过为每个场景重新拍摄

如果要求文生图模型“在厨房台面上画一个咖啡滤杯”，它会画出某个咖啡滤杯——但不一定是你的咖啡滤杯，不一定具有相同的比例、材料和品牌标识。图生图模型解决的是另一个问题：它们以真实照片为参考，生成一张新图像，在保持主体可辨识的同时改变周围场景、光线或造型。

对电商来说，这个区别很关键。买家会在同一个商品页面上，把生活方式图与产品照片进行对比——如果形状对不上，就会被视为造假或货不对板。下面的测试检验 qwen-image-3.0 的图生图模式能否在三个真正不同的场景中保持这种一致性。

测试：一张产品照片，三个可直接使用的场景

我们首先用 gpt-image-2/text-to-image 在纯白背景上生成了一张自制棚拍的白色陶瓷手冲咖啡滤杯照片——这是大多数卖家档案里已有的那种基础照片。

提示词：“Professional e-commerce studio product photograph of a white ceramic pour-over coffee dripper with a light birch wood stand, centered, straight-on angle, on a seamless pure white background, soft even studio lighting, subtle natural shadow beneath the base, crisp focus, no text, no logo, no props, high-resolution commercial catalog photography.”

接着，我们把这张照片输入 qwen-image-3.0/image-to-image 三次，每个场景一次，参考图保持不变，只修改提示词。

场景 1：厨房台面，晨光

提示词：“White ceramic pour-over coffee dripper with birch wood stand on a warm wooden kitchen countertop, morning light”

这是日常使用场景的照片——回答“这东西放在我的台面上是什么样”的那种图。

场景 2：咖啡馆桌面

提示词：“White ceramic pour-over coffee dripper with birch wood stand staged on a marble cafe counter”

更适合社交媒体广告或首页横幅的、更具杂志感和向往感的场景。

场景 3：节日礼品造型

提示词：“White ceramic pour-over coffee dripper with birch wood stand styled for a winter holiday gift photo”

同一产品，季节性包装——适合用于礼品指南列表，而无需等待专门的节日拍摄。

测试实际说明了什么

产品身份在三个场景中都保持住了。 滤杯的形状、桦木支架和陶瓷颜色都保持一致——这是对电商最重要的特性，因为产品图不匹配会损害买家信任。
每次编辑耗时不到一分钟。 三个场景都在典型的个位数分钟等待时间内完成，所以一个 20-30 个产品的小型目录是当天下午就能完成的工作，而不是数天的拍摄。
提示词的具体性胜过长度。 上面的提示词刻意保持简短——点名材料、物体和场景就足够了。在我们早期的临时测试中，模糊的提示词（如“让它显得温馨”）产生的场景变化更难预测。
对这个产品来说，一张参考图就够了。 qwen-image-3.0/image-to-image 每次调用最多接受三张参考图；对于像这样简单的主角物体，一张干净的参考照片已经能给出稳定结果，所以我们不需要花费额外的参考图费用。

基础档 vs. Pro 档：该选哪个

两个档位的工作方式相同——相同的参考图、相同的提示词结构——但上面的三个场景我们用的都是基础档，而且它始终贴合模型。当产品具有复杂的材料（玻璃、有花纹的织物、精细金属纹理）或繁杂的构图，而你需要更关注材料保真度而非速度时，就选 Pro 档。关于价格（已核对 hiapi 的实时价格页面）：基础档约为每张图 $0.036，外加少量每张参考图费用；Pro 档每张图约贵 40%，每张参考图费用相同——无论哪种方式，都比重新拍摄便宜。

扩展到整个产品目录

这里图生图的重点不是一张照片——而是把一张底图变成整个场景库。模式是一个简单的循环：保持参考图固定，迭代提示词。

import os
import requests

API_BASE = "https://api.hiapi.ai/v1/tasks"
TOKEN = os.environ["HIAPI_API_KEY"]

def edit_scene(base_image_url: str, scene_prompt: str) -> str:
    resp = requests.post(
        API_BASE,
        headers={"Authorization": f"Bearer {TOKEN}"},
        json={
            "model": "qwen-image-3.0/image-to-image",
            "input": {"prompt": scene_prompt, "image_urls": [base_image_url]},
        },
        timeout=60,
    )
    task_id = resp.json()["data"]["taskId"]

    while True:
        task = requests.get(
            f"{API_BASE}/{task_id}",
            headers={"Authorization": f"Bearer {TOKEN}"},
            timeout=30,
        ).json()["data"]
        if task["status"] == "success":
            return task["output"][0]["url"]
        if task["status"] == "fail":
            raise RuntimeError(task["error"])

base_photo = "https://your-cdn.example.com/products/dripper-base.jpg"
scenes = [
    "on a warm wooden kitchen countertop, morning light",
    "staged on a marble cafe counter",
    "styled for a winter holiday gift photo",
]
for scene in scenes:
    url = edit_scene(base_photo, f"White ceramic pour-over coffee dripper with birch wood stand {scene}")
    print(url)  # download immediately — output URLs expire

换成你自己的产品照片和一组场景描述，同样的循环就能为每个 SKU 生成完整的场景图集。每个输出 URL 都是临时的，所以任务完成后要立即下载并存储（你自己的 CDN，或你目录图片所在的任何位置）。

常见问题

我可以把已有的照片用作参考图吗，还是必须棚拍？ 干净、光线充足的照片效果最好，因为模型会保留它看到的内容——杂乱或光线不足的参考图会把杂乱带入每个场景。像本次测试中使用的纯背景棚拍图，能给出最可预测的结果。

每次调用该发送几张参考图？ qwen-image-3.0/image-to-image 接受 1-3 张。对于单个主角物体，在我们的测试中一张参考图就够了。当你需要模型同时协调多个角度的产品时，多张参考图才更有用。

它会保留我的 logo 或标签文字吗？ 小号印刷文字和 logo 是任何图像模型在编辑中最难精确保留的东西。把此工作流视为在形状、颜色和材料上可靠——发布前手动复查输出中的任何标签或 logo 文字，就像你对任何 AI 生成的图像所做的那样（hiapi 的图生图对比也涵盖了其他模型上的这一权衡）。

这会完全取代产品摄影吗？ 不会——你仍然需要每个产品一张可靠的基础照片。它取代的是你想要的每个生活方式变体的第二、第三和第四次拍摄。

如果某个场景效果不对怎么办？ 重新运行相同的提示词——每次运行的输出并不完全相同——或者用更具体的场景细节来收紧提示词，就像上面每个场景提示词都指定了具体的表面和光线条件，而不是模糊的氛围。