Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Ηλεκτρονικό εμπόριο: φωτογραφίες προϊόντων

Μάθημα 6 / 12 Ενημερώθηκε 2 Νοεμβρίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Ηλεκτρονικό εμπόριο: φωτογραφίες προϊόντων
  2. Φωτογραφίες προϊόντων σε λευκό φόντο
  3. Φωτογραφίες lifestyle
  4. Χρωματικές παραλλαγές του ίδιου προϊόντος
  5. Πακέτο πολλαπλών όψεων
  6. Τροποποίηση του φόντου μιας υπάρχουσας φωτογραφίας
  7. Τι δεν εγγυάται η δημιουργία

Ενημερώθηκε στις 2 Νοεμβρίου 2026 — μοντέλα εικόνων. Το gpt-image-1, το μοντέλο για το οποίο γράφτηκε αρχικά αυτό το μάθημα, διακόπηκε στις 23 Οκτωβρίου 2026. Τα gpt-image-1.5, gpt-image-1-mini και chatgpt-image-latest θα αποσυρθούν την 1η Δεκεμβρίου 2026. Τα παραδείγματα χρησιμοποιούν πλέον το gpt-image-2.5-sunburst, το οποίο προσφέρει την υψηλότερη ακρίβεια για επεξεργασία· το gpt-image-2.5-flare είναι ταχύτερο για τυπική δημιουργία. Και τα δύο μοντέλα υποστηρίζουν επίσης τις ρυθμίσεις ποιότητας xhigh και max. Τα μοντέλα GPT Image επιστρέφουν πάντα εικόνες σε base64: η παράμετρος response_format που χρησιμοποιούσαν τα παλαιότερα μοντέλα DALL·E δεν γίνεται πλέον δεκτή και έχει αφαιρεθεί από τον κώδικα. Πηγή: Image generation (OpenAI).

Ηλεκτρονικό εμπόριο: φωτογραφίες προϊόντων

Η δημιουργία εικόνων με Τεχνητή Νοημοσύνη μεταμορφώνει την οπτική παραγωγή στο ηλεκτρονικό εμπόριο. Μια παραδοσιακή φωτογράφιση απαιτεί στούντιο, φωτογράφο, ρετουσέρ και αρκετές εβδομάδες προγραμματισμού, με προϋπολογισμούς που φτάνουν τις χιλιάδες ευρώ. Το GPT Image παράγει μια επαγγελματική οπτική απεικόνιση προϊόντος σε δευτερόλεπτα. Αυτό το μάθημα σας δείχνει πώς να δημιουργείτε εικόνες που είναι εμπορικά βιώσιμες—δηλαδή πληρούν τα οπτικά πρότυπα μιας σελίδας καταχώρισης προϊόντος—αντί να δημιουργείτε απλές διακοσμητικές εικονογραφήσεις.

Φωτογραφίες προϊόντων σε λευκό φόντο

Το λευκό φόντο αποτελεί τον χρυσό κανόνα για το ηλεκτρονικό εμπόριο. Οι αγορές το απαιτούν και οι αγοραστές το αναμένουν όταν συγκρίνουν αντικείμενα το ένα δίπλα στο άλλο. Η πρόκληση δεν είναι απλώς να πείτε «λευκό φόντο», αλλά να περιγράψετε τον φωτισμό που καθιστά το προϊόν ευανάγνωστο. Η εντολή (prompt) στη συνάρτηση παρακάτω συνδυάζει πέντε συγκεκριμένες λεπτομέρειες που κάνουν τη διαφορά: καθαρό λευκό φόντο, φωτισμός στούντιο με softbox, απαλή σκιά για την αποφυγή ενός πρόχειρου εφέ αποκοπής, μια ελαφρώς υψηλή γωνία 3/4 για την προσθήκη όγκου και μια αναφορά στο στυλ «Amazon / premium e-commerce» για να πλαισιωθεί το αποτέλεσμα.

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"
)

Φωτογραφίες lifestyle

Μια φωτογραφία με λευκό φόντο ενημερώνει· μια φωτογραφία lifestyle δημιουργεί επιθυμία. Δείχνει το προϊόν στο πλαίσιο χρήσης του, επιτρέποντας στον αγοραστή να προβάλει τον εαυτό του στη σκηνή. Ένα μονωμένο μπουκάλι νερού που ακουμπά σε έναν βράχο με θέα ένα ορεινό πανόραμα δεν πουλάει βουρτσισμένο ατσάλι· πουλάει μια πεζοπορία. Το λεξιλόγιο της εντολής αλλάζει therefore εντελώς—φυσικό φως αντί για στούντιο, ελαφρύ bokeh αντί για μέγιστη ευκρίνεια, σύνθεση εκτός κέντρου ακολουθώντας τον κανόνα των τρίτων αντί για κεντρικό θέμα. Η μορφή αλλάζει επίσης σε οριζόντια, καθώς αυτές οι οπτικές απεικονίσεις χρησιμεύουν ως banners σελίδων προϊόντων ή περιεχόμενο για τα μέσα κοινωνικής δικτύωσης.

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"
)

Χρωματικές παραλλαγές του ίδιου προϊόντος

Ένα μοντέλο sneaker διαθέσιμο σε πέντε χρώματα απαιτεί πέντε αυστηρά πανομοιότυπες οπτικές απεικονίσεις, που διαφέρουν μόνο στο χρώμα: ίδια γωνία, ίδια σκιά, ίδιο κάδρο. Ο βρόχος παρακάτω κάνει ακριβώς αυτό. Διατηρεί ένα μπλοκ φωτογραφικών οδηγιών αυστηρά σταθερό, μεταβάλλοντας μόνο το όνομα του χρώματος. Αυτό που θα σας κόστιζε μισή μέρα χρόνου στούντιο και ρετούς, εδώ διεκπεραιώνεται με μία μόνο εκτέλεση σεναρίου.

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}")

Πακέτο πολλαπλών όψεων

Μια σοβαρή καταχώριση προϊόντος δεν βασίζεται ποτέ σε μία μόνο λήψη. Οι αγοραστές θέλουν να δουν το αντικείμενο από μπροστά, από το πλάι, από πάνω και από τρεις τέταρτα πριν βγάλουν την κάρτα τους. Η συνάρτηση pack_vues_produit εκβιομηχανίζει αυτή την απαίτηση επαναλαμβάνοντας τέσσερις περιγραφές γωνιών και προσθέτοντας ένα επίθεμα σε κάθε όνομα αρχείου με προβλέψιμο τρόπο. Αυτό επιτρέπει στο σύστημα back-office σας να τα συνδέσει αυτόματα αργότερα με το σωστό SKU.

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"
)

Τροποποίηση του φόντου μιας υπάρχουσας φωτογραφίας

Έχετε ήδη μια φωτογραφία σε λευκό φόντο και θέλετε μια εκδοχή lifestyle χωρίς να ξαναδημιουργήσετε το προϊόν; Η images.edit() σας επιτρέπει να το κάνετε αυτό, υπό την προϋπόθεση ότι συλλογίζεστε ανάποδα: η μάσκα προστατεύει το προϊόν και ελευθερώνει τα πάντα γύρω από αυτό. Η συνάρτηση παρακάτω σχεδιάζει μια αδιαφανή έλλειψη στο κέντρο—τη ζώνη που διατηρείται—και αφήνει την περιφέρεια διαφανή ώστε το μοντέλο να την ξαναβάψει. Η κλήση καθορίζει στην εντολή ότι το κεντρικό προϊόν παραμένει άθικτο, ενισχύοντας την αναμενόμενη συμπεριφορά.

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"
)

Τι δεν εγγυάται η δημιουργία

Αξίζει να σημειώσετε τέσσερις επιφυλάξεις πριν ενσωματώσετε αυτή τη διαδικασία σε έναν κατάλογο παραγωγής. Η πρώτη είναι η συνέπεια: το GPT Image δεν εγγυάται ότι το ίδιο προϊόν θα είναι πανομοιότυπο από τη μία δημιουργία στην άλλη. Μια χρωματική παραλλαγή που εκτελείται τρεις μέρες αργότερα μπορεί να επιστρέψει με μια ελαφρώς διαφορετική σόλα. Η λύση είναι να δημιουργείτε όλες τις παραλλαγές του ίδιου SKU στην ίδια συνεδρία, όπως κάνει ο βρόχος χρωμάτων.

Η δεύτερη αφορά το κείμενο πάνω στο ίδιο το προϊόν. Τα λογότυπα και οι ετικέτες αποδίδονται καλά, αλλά πρέπει nonetheless να τα ελέγξετε. Ένα βάζο κρέμας του οποίου η επωνυμία λείπει ένα γράμμα μπορεί να ξεφύγει από το μάτι του σεναρίου, αλλά όχι από του πελάτη. Η τρίτη επιφύλαξη αφορά τις πραγματικές διαστάσεις, τις οποίες το μοντέλο αγνοεί. Εάν οι αναλογίες έχουν σημασία—ένα μπουκάλι 50 ml που δεν πρέπει να μοιάζει με βάζο 1 λίτρου—καθορίστε τις ρητά στην εντολή. Η τέταρτη είναι μεθοδολογική: η ΤΝ επιταχύνει την παραγωγή, αλλά δεν αντικαθιστά την ανθρώπινη επικύρωση. Καμία οπτική απεικόνιση δεν πρέπει ποτέ να δημοσιεύεται σε σελίδα προϊόντος χωρίς να έχει ελεγχθεί από άνθρωπο.

Για να δοκιμάσετε ολόκληρη την αλυσίδα, επιλέξτε ένα πραγματικό ή φανταστικό προϊόν και γράψτε ένα σενάριο που δημιουργεί το πλήρες πακέτο ηλεκτρονικού εμπορίου του: μία φωτογραφία με λευκό φόντο, δύο φωτογραφίες lifestyle σε διαφορετικά πλαίσια και τρεις χρωματικές παραλλαγές. Έτσι, θα αποκτήσετε μια συγκεκριμένη αίσθηση του τι αντιπροσωπεύει ένας κατάλογος εκατό SKU.