Електронна търговия: продуктови снимки
На тази страница
Обновено на 2 ноември 2026 г. — модели за изображения.
gpt-image-1, моделът, за който първоначално беше написан този курс, беше спрян на 23 октомври 2026 г..gpt-image-1.5,gpt-image-1-miniиchatgpt-image-latestще бъдат оттеглени на 1 декември 2026 г.. Примерите сега използватgpt-image-2.5-sunburst, който предлага най-висока прецизност при редактиране;gpt-image-2.5-flareе по-бърз за стандартно генериране. И двата модела поддържат и настройки за качествоxhighиmax. Моделите GPT Image винаги връщат изображения в base64: параметърътresponse_format, използван от по-старите модели на DALL·E, вече не се приема и беше премахнат от кода. Източник: Генериране на изображения (OpenAI).
Електронна търговия: продуктови снимки
Генерирането на изображения с изкуствен интелект трансформира визуалното производство в електронната търговия. Традиционното фотосесия изисква студио, фотограф, ретуширащ специалист и няколко седмици планиране, като бюджетите достигат хиляди евро. GPT Image създава професионален продуктов визуал за секунди. Този урок Ви показва как да генерирате изображения, които са търговски жизнеспособни – което означава, че отговарят на визуалните стандарти на страница за продуктов листинг, – вместо да създавате просто декоративни илюстрации.
Продуктови снимки на бял фон
Белият фон е златният стандарт в електронната търговия. Онлайн платформите го изискват, а купувачите го очакват, когато сравняват артикули един до друг. Предизвикателството не е просто да кажете „бял фон“; трябва да опишете осветлението, което прави продукта четим. Промптът (подсказката) във функцията по-долу комбинира пет специфични детайла, които правят разликата: чисто бял фон, студийно осветление със софтбокс, мека сянка, за да се избегне грубия ефект на изрязване, леко висок ъгъл 3/4 за добавяне на обем и препратка към стила „Amazon / премиум електронна търговия“, за да се рамкира резултатът.
from openai import OpenAI
import base64
client = OpenAI()
def photo_produit_fond_blanc(description_produit: str, output: str):
"""Generate a product photo on a white background, e-commerce style."""
prompt = (
f"{description_produit}, "
"professional product photography on pure white background, "
"studio softbox lighting, soft shadow, "
"slightly high 3/4 angle, "
"maximum sharpness, high resolution, "
"Amazon / premium e-commerce style"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open(output, "wb") as f:
f.write(data)
print(f"Product photo: {output}")
photo_produit_fond_blanc(
"Matte black wireless headphones, premium design, leather ear cushions",
"casque_fond_blanc.png"
)
Лайфстайл снимки
Снимката на бял фон информира; лайфстайл снимката създава желание. Тя показва продукта в контекста на неговата употреба, позволявайки на купувача да се проектира в сцената. Изолирана бутилка за вода, поставена върху скала с изглед към планински панорама, не продава матирана стомана; тя продава поход. Следователно речникът на промпта се променя напълно – естествена светлина вместо студийна, леко боке вместо максимална острота, композиция извън центъра, следваща правилото на третите, вместо центриран обект. Форматът също преминава в пейзажен (landscape), тъй като тези визуали служат като банери за продуктови страници или съдържание за социални мрежи.
from openai import OpenAI
import base64
client = OpenAI()
def photo_lifestyle(produit: str, contexte: str, output: str):
"""Generate a lifestyle photo of a product in context."""
prompt = (
f"{produit} used in a {contexte} context, "
"editorial lifestyle photography, natural light, "
"depth of field with light bokeh, "
"off-center composition rule of thirds, "
"aspirational mood, magazine style"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1536x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open(output, "wb") as f:
f.write(data)
print(f"Lifestyle photo: {output}")
photo_lifestyle(
"Brushed stainless steel insulated water bottle",
"mountain hiking, resting on a rock with a panoramic view",
"gourde_lifestyle.png"
)
photo_lifestyle(
"Brown waxed canvas backpack",
"trendy coffee shop, resting on a wooden chair next to a laptop",
"sac_lifestyle.png"
)
Цветови вариации на един и същи продукт
Модел маратонки, наличен в пет цвята, изисква пет строго идентични визуала, които се различават само по цвят: същият ъгъл, същата сянка, същото кадриране. Цикълът по-долу прави точно това. Той запазва блок от фотографски директиви строго постоянни, като варира само името на цвета. Това, което би Ви струвало половин ден студийно време и ретуширане, тук се обработва с едно изпълнение на скрипта.
from openai import OpenAI
import base64
client = OpenAI()
produit_base = "High-top leather sneakers"
couleurs = [
("white", "white_sneakers.png"),
("black", "black_sneakers.png"),
("burgundy red", "bordeaux_sneakers.png"),
("navy blue", "navy_sneakers.png"),
("olive green", "olive_sneakers.png"),
]
for couleur, filename in couleurs:
prompt = (
f"{produit_base} in {couleur}, "
"product photography on white background, studio lighting, "
"front 3/4 view, soft cast shadow, "
"premium e-commerce site style, maximum sharpness"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open(filename, "wb") as f:
f.write(data)
print(f"Color {couleur} → {filename}")
Пакет с множество изгледи
Сериозният продуктов листинг никога не разчита на един единствен кадър. Купувачите искат да видят обекта отпред, отстрани, отгоре и под ъгъл 3/4, преди да извадят картата си. Функцията pack_vues_produit индустриализира това изискване, като преминава през четири описания на ъгли и добавя суфикс към всяко име на файл по предвидим начин. Това позволява на Вашата back-office система автоматично да ги прикачи към правилния SKU (складова единица) по-късно.
from openai import OpenAI
import base64
client = OpenAI()
def pack_vues_produit(description: str, prefix: str):
"""Generate a pack of 4 product views."""
vues = [
("front view, centered", "face"),
("left profile view, 90 degree angle", "profil"),
("top view, flat lay", "dessus"),
("3/4 view, slightly high angle", "3-4"),
]
for prompt_vue, suffix in vues:
prompt = (
f"{description}, {prompt_vue}, "
"pure white background, professional studio lighting, "
"maximum sharpness, e-commerce style"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="high",
)
path = f"{prefix}_{suffix}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"View {suffix} → {path}")
pack_vues_produit(
"Smartwatch with black silicone strap, round dial, OLED screen",
"montre"
)
Промяна на фона на съществуваща снимка
Вече имате снимка на бял фон и искате лайфстайл версия, без да генерирате отново продукта? images.edit() Ви позволява да направите това, при условие че мислите в обратна посока: маската защитава продукта и освобождава всичко останало. Функцията по-долу рисува непрозрачен елипс в центъра – запазената зона – и оставя периферията прозрачна, за да я прерисува моделът. Извикването уточнява в промпта, че централният продукт остава непокътнат, подсилвайки очакваното поведение.
import base64
from openai import OpenAI
from PIL import Image, ImageDraw
client = OpenAI()
def changer_fond_produit(image_path: str, nouveau_fond: str, output: str):
"""
Replace the background of a product photo.
Assumes the product is centered in the image.
"""
source = Image.open(image_path)
w, h = source.size
mask = Image.new("RGBA", (w, h), (0, 0, 0, 0))
draw = ImageDraw.Draw(mask)
# Opaque zone in center = protected
margin_x, margin_y = w // 5, h // 5
draw.ellipse(
[margin_x, margin_y, w - margin_x, h - margin_y],
fill=(0, 0, 0, 255)
)
mask.save("temp_mask_fond.png")
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open(image_path, "rb"),
mask=open("temp_mask_fond.png", "rb"),
prompt=f"Background: {nouveau_fond}, the product in the center remains intact"
)
with open(output, "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print(f"Background modified: {output}")
changer_fond_produit(
"casque_fond_blanc.png",
"minimalist light wood design desk, blurred green plant in background",
"casque_lifestyle_auto.png"
)
Какво не гарантира генерирането
Преди да интегрирате това в производствен каталог, си струва да отбележите четири предупреждения. Първото е консистентността: GPT Image не гарантира, че един и същи продукт ще бъде идентичен от едно генериране до друго. Цветова вариация, пусната три дни по-късно, може да върне резултат с леко различна подметка. Решението е да генерирате всички варианти на един и същи SKU в една и съща сесия, както прави цветовият цикъл.
Второто се отнася до текста върху самия продукт. Логата и печатните етикети се възпроизвеждат добре, но все пак трябва да ги проверите. Бурканче с крем, на което липсва буква от името на марката, може да мине през очите на скрипта, но няма да мине през очите на клиента. Третото предупреждение включва реалните размери, които моделът игнорира. Ако пропорциите са важни – бутилка от 50 мл, която не трябва да изглежда като буркан от 1 литър – уточнете ги изрично в промпта. Четвъртото е методологично: изкуственият интелект ускорява производството, но не замества човешката валидация. Никой визуал не трябва никога да бъде публикуван на продуктова страница, без да бъде прегледан от човек.
За да тествате цялата верига, изберете реален или фиктивен продукт и напишете скрипт, който генерира неговия пълен пакет за електронна търговия: една снимка на бял фон, две лайфстайл снимки в различни контексти и три цветови вариации. Така ще получите конкретно усещане какво представлява каталог със сто SKU.