使用 wan2.7-image/text-to-image 通过 HiAPI API 生成电商产品图片

为什么文本到图像模型应纳入你的包图工作流

商品目录团队通常面临的并非摄影问题，而是产能问题。单个 SKU 需要一张干净的正视包图，有时还需要不同角度的变体，往往还要符合市场平台的规格版本。对于主视觉素材以及任何必须与实体产品像素级一致的内容，实拍摄影仍然更胜一筹。生成式包图解决的是一组更窄、更实际的场景：等待拍摄产品的占位图、商品详情页 A/B 测试用的背景变体、品类规划期间的概念渲染，以及那些永远不值得占用影棚档期的长尾 SKU 的一致构图。

有用的思维模型是：生成位于产品数据与商品上架之间，而不是取代摄影师。你的目录已经包含结构化事实——产品名称、材质、颜色、外形、包装。文本到图像模型将这些事实转为图像候选。流水线的问题在于：如何在目录规模上可重复地完成这件事，而无须为每个 SKU 人工重写提示词。

本指南正是针对这一问题。我们将介绍如何组织提示词，使一整个产品目录都能产出视觉一致的包图；如何诊断提示词漂移；4K 输出在何时才真正值得；以及如何将整套流程封装为一个轻量服务，使产品代码永远不直接与图像模型交互。本文使用的模型是 HiAPI 上的 wan2.7-image/text-to-image，通过一个统一 API 调用。

在 HiAPI 上设置 wan2.7-image/text-to-image

wan2.7-image/text-to-image 是 HiAPI 上的文本到图像端点：你发送提示词负载，得到一张图像。无须为每个模型单独开户，无须安装各供应商的 SDK，也无须管理第二套凭据——HiAPI 负责路由，因此无论你新增还是替换模型，集成面都保持不变。

从零到首次渲染的路径如下：

获取 API 密钥并确认模型名称

在 HiAPI 账户中创建密钥，然后在模型列表中确认精确的模型标识符 wan2.7-image/text-to-image。将标识符视为配置而非硬编码字符串——把它放在环境变量或配置文件中，以便日后无需改动调用点就能指向其他图像模型。

发送最小请求

调用形式刻意保持朴素：一个提示词，加上模型名称。先从一个描述单个产品置于纯色背景的单句开始，检查返回结果。此时不要构建模板——先确认鉴权有效、响应包含可解码或可获取的图像数据，并且你了解响应携带哪些元数据（尺寸、格式）。

将响应存储为工件

将返回的图像写入对象存储，使用确定性键名，而不是将字节保存在内存或数据库中。从第一次调用起，就把每次渲染视为带有名称、提示词版本和时间戳的资产——事后补做会非常痛苦。

将提示词与图像一同记录

最有价值的元数据是产生被接受图像的精确提示词字符串。记录它。当审阅者问「为什么这张看起来不一样」时，提示词就是答案。

包图提示词的解剖

一次奏效的包图提示词是偶然；在整个目录中奏效的则是结构。使用五个组件，始终按相同顺序排列，使 SKU 之间唯一变化的就是注入的数据：

主体

具体的物体，包含其类别以及定义其轮廓的一两个属性。「哑光陶瓷手冲咖啡滤杯」比「咖啡机」向模型传达的信息更多。说出产品类型，而非营销名称。

材质与表面处理

表面行为决定了产品图像的真实感。明确说明材质与表面处理：哑光、拉丝、高光、磨砂玻璃、非涂布纸、阳极氧化金属。若真实产品有细微纹理，也要说明——漂移往往从这里开始。

光照

产品包图需要可预测的光照。选择一个小词汇表，并在整个目录中坚持使用：柔和均匀的影棚光、来自左上方的单一柔光主光、柔和的渐变衰减。除非你想要戏剧化输出，否则避免戏剧化语言；对于商品列表，一致性胜过艺术性。

背景

指定纯色与中性，并指定颜色：纯白无缝、浅暖灰、看似透明的中性色。模糊的背景会产出杂乱的背景。如果市场平台要求白色，就写白色。

构图

说明裁切与相机位置：居中、产品约占画面三分之二、正视平视、轻微四分之三角度、不裁切任何部分。构图决定了 SKU 网格看起来是一套产品还是一堆杂货。

由这五个槽位构建的模板，可以让你从结构化产品行表格生成整个品类，并且使下一节——修复漂移——变成逐个槽位编辑的事情。

提升提示词遵循度

当渲染偏离产品描述时，本能是重写提示词。请克制。有效做法是确定哪个组件失败，每次迭代只改变那一个变量。

先诊断再重写

将渲染与你的五个槽位对比。材质错了但构图对了？那只有材质句子需要调整。产品正确但漂浮在杂乱场景中？背景子句太弱。指出失败的槽位，就把笼统的「不太对」变成具体编辑。

明确陈述约束，包括否定约束

模型会响应你所说的内容，因此把重要事项说出来。如果产品不能有可见 logo、不能有难看的反光、不能有手持，就把这些排除项写进提示词。明确约束缩小了合理渲染的空间，这正是遵循度的含义。

减少每个提示词中的想法数量

每增加一个元素——道具、其他物体的阴影、装饰表面——都会争夺模型注意力。对于包图，完全去掉道具。描述一个物体在一个场景中的提示词，比同时要求风格化场景的提示词遵循度可靠得多。

保持小测试集与固定的对比基准

在目录中挑选五个有代表性的 SKU——一个难处理的材质、一个反光材质、一个小尺寸、一个大尺寸、一个带印刷包装。修改模板时，重新渲染这五个并对比。这能发现常见失败：针对某类产品的修复悄悄破坏了另一类。每次渲染都记录模板版本，以便将输出质量变化归因于提示词变化。

升级结构，而非形容词

如果某个槽位持续失败，修复通常需要更多结构，而非更多形容词。把「漂亮的影棚光」替换为你想要的具体布光。把「好看的背景」替换为颜色和表面。当提示词读起来像规格表而非愿望时，遵循度就会提升。

使用 4K 输出

更高分辨率是投放决策，而非默认值。wan2.7-image/text-to-image 支持高分辨率输出，但每次 4K 渲染都比标准渲染耗费更多时间、更多存储和更多下游处理。将这一选择视为按图像出现位置路由的规则。

将分辨率映射到用例

产品详情页的主视觉图像以及任何用于缩放的图像值得最高档位——购物者会在这里检查缝线、纹理和标签。网格缩略图、品类图块和搜索结果则不必要；以 4K 生成再缩小是浪费。市场平台规格表通常公布自己的最小尺寸，因此应以市场平台要求、而非模型最大值来设定下限。其他一切——内部审阅渲染、A/B 测试变体、占位图——都属于标准档位。

为资产生命周期规划，而非仅为请求

4K 图像是大文件。事先决定是存储全分辨率原图并在交付时派生较小变体，还是只存储每个投放位置所需档位。存储原图加生成衍生图通常更易理解，并且让你无需再次调用模型就能重新渲染交付尺寸。据此预算存储与 CDN 出站流量，并确保资产命名编码分辨率档位，以免下游服务意外将 4K 原图送入缩略图槽位。

较晚渲染高分辨率

在提示词迭代期间，以标准分辨率渲染。遵循度问题在任何尺寸下都可见，而以 4K 迭代会成倍增加周期时间，却无诊断收益。只在提示词变体获批后才提升到高分辨率——每个获批资产一次高分辨率渲染，而非每次实验。

在产品流水线中发起 API 调用

调用本身只有一行逻辑。工作在于让它远离产品代码。将其封装为承担四项职责的轻量内部服务：

提示词模板作为版本化数据

将五槽位模板存储在应用之外，按品类为键。服务接收结构化产品数据，填充槽位，并记录产生渲染的模板版本。编辑模板时，旧资产仍可追溯回制造它们的版本。

具有明确输入输出的生成函数

服务暴露类似 generatePackshot(productId, category, options) 的接口，返回资产引用——而非原始字节。选项包括分辨率档位和模板版本。关于 HiAPI 调用的一切——鉴权、模型标识符、请求形式——都活在这个边界内。若你日后更改模型字符串或新增另一个图像模型，产品代码不变。使用 HiAPI 处理其他模态的团队同理：一种集成模式，一套凭据。

带有限预算的重试

生成是对远程模型的网络调用。重试瞬态失败，但限制尝试次数并使用带抖动的退避。更重要的是，区分可重试失败与永远不会成功的请求——格式错误的模板应快速且明显地失败，而不是消耗重试预算。在资产上记录尝试次数，以便观察渲染需要第二次尝试的频率。

可预测的资产命名

用你已有的数据命名资产：产品 ID、品类、模板版本、分辨率档位以及短内容哈希。确定性名称使幂等成为可能——已产出资产的重试任务可跳过重新生成——并且让查找给定 SKU 的每次渲染变得轻而易举。

保持服务无状态。排队任务、处理任务、写入资产、发出事件。这样，目录级回填与单产品请求走同一条路径。

图像进入店面前的质量检查

生成图像在发布前应按顺序通过各道关卡。自动化低成本检查；将判断性事项留给人工审阅。

关卡 1：技术有效性

文件必须可解码、符合预期格式，且至少达到所请求的分辨率档位。在进入存储前拒绝任何尺寸不足或损坏的文件。此关卡完全自动化，且绝不能静默失败。

关卡 2：列表要求合规

依据目标平台的真实规则检查图像：最小尺寸、宽高比、要求白色时的背景颜色容差以及文件大小限制。将市场平台规格编码为数据，使规格变更成为配置变更。这是能抓住最尴尬失败的关卡——一张漂亮的渲染因尺寸被市场平台拒绝。

关卡 3：内容合理性

此处的自动化检查较弱，但廉价启发式规则有帮助：确认图像不是空白或近乎均匀，主导背景符合请求颜色，主体占据画面的合理比例。将失败路由到审阅队列，而非丢弃；启发式误判应让一个人看一眼，而不是丢失资产。

关卡 4：人工抽查

按模板版本和品类抽取一定比例的渲染进行人工审阅，并对新模板首批 100% 审阅。模板获批后，降为抽样。审阅者应并排看到图像、提示词和产品记录——这种上下文让检查变得快速。

只有通过全部四道关卡，资产才标记为可发布。将关卡结果与资产一同存储，使审计无需重新运行检查。

本周从哪里开始

选择一个至少有十几个 SKU 的品类，以及一个能容忍生成图像的投放位置。为该品类编写五槽位模板，围绕 HiAPI 上的 wan2.7-image/text-to-image 构建轻量生成服务，并以标准分辨率将整个品类跑一遍。在自动化任何关卡之前，先手动将输出通过四道关卡——从审阅首批结果中学到的，会比任何提示词理论都多。

一旦某个模板在目录遍历中通过且遵循度可接受，就为其做版本化，接入自动化关卡，然后才决定哪些投放位置值得高分辨率渲染。