Vai al contenuto principale
Italiano— Scegli una lingua
Menu

E-commerce: foto prodotto

Lezione 6 di 12 Aggiornata il 2 novembre 2026 Sviluppatore
In questa pagina
  1. E-commerce: foto prodotto
  2. Foto prodotto su sfondo bianco
  3. Foto lifestyle
  4. Variazioni di colore dello stesso prodotto
  5. Pacchetto multi-vista
  6. Modifica dello sfondo di una foto esistente
  7. Cosa la generazione non garantisce

Aggiornato il 2 novembre 2026 — modelli immagine. gpt-image-1, il modello per cui era stato originariamente scritto questo corso, è stato dismesso il 23 ottobre 2026. gpt-image-1.5, gpt-image-1-mini e chatgpt-image-latest verranno ritirati il 1° dicembre 2026. Gli esempi utilizzano ora gpt-image-2.5-sunburst, che offre la massima precisione per il fotoritocco; gpt-image-2.5-flare è più veloce per la generazione standard. Entrambi i modelli supportano inoltre le impostazioni di qualità xhigh e max. I modelli GPT Image restituiscono sempre le immagini in base64: il parametro response_format utilizzato dai vecchi modelli DALL·E non è più accettato ed è stato rimosso dal codice. Fonte: Generazione immagini (OpenAI).

E-commerce: foto prodotto

La generazione di immagini con l’IA sta trasformando la produzione visiva nell’e-commerce. Un tradizionale servizio fotografico richiede uno studio, un fotografo, un ritoccatore e diverse settimane di pianificazione, con budget che raggiungono migliaia di euro. GPT Image produce una visualizzazione professionale del prodotto in pochi secondi. Questa lezione ti mostra come generare immagini commercialmente valide, ovvero che rispettano gli standard visivi di una pagina di elenco prodotti, invece di creare semplici illustrazioni decorative.

Foto prodotto su sfondo bianco

Lo sfondo bianco è lo standard d’oro per l’e-commerce. I marketplace lo richiedono e gli acquirenti se lo aspettano quando confrontano gli articoli fianco a fianco. La sfida non consiste semplicemente nel dire “sfondo bianco”, ma nel descrivere l’illuminazione che rende il prodotto leggibile. Il prompt nella funzione sottostante combina cinque dettagli specifici che fanno la differenza: sfondo bianco puro, illuminazione da studio con softbox, un’ombra morbida per evitare un effetto ritaglio grossolano, un angolo leggermente alto a 3/4 per aggiungere volume e un riferimento allo stile “Amazon / e-commerce premium” per inquadrare il risultato.

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"
)

Foto lifestyle

Una foto su sfondo bianco informa; una foto lifestyle crea desiderio. Mostra il prodotto nel suo contesto d’uso, permettendo all’acquirente di immedesimarsi nella scena. Una borraccia termica appoggiata su una roccia di fronte a un panorama montano non vende acciaio spazzolato, ma vende un’escursione. Il vocabolario del prompt cambia quindi completamente: luce naturale invece che da studio, bokeh leggero invece di massima nitidezza, composizione decentrata secondo la regola dei terzi invece di un soggetto centrato. Anche il formato passa al paesaggio, poiché queste immagini servono come banner per le pagine prodotto o contenuti per i social media.

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"
)

Variazioni di colore dello stesso prodotto

Un modello di sneaker disponibile in cinque colori richiede cinque visualizzazioni rigorosamente identiche, che differiscono solo per il colore: stesso angolo, stessa ombra, stessa inquadratura. Il ciclo sottostante fa esattamente questo. Mantiene un blocco di direttive fotografiche strettamente costante, variando solo il nome del colore. Ciò che ti costerebbe mezza giornata di tempo in studio e ritocco viene gestito qui in una singola esecuzione dello script.

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}")

Pacchetto multi-vista

Un elenco prodotti serio non si basa mai su un singolo scatto. Gli acquirenti vogliono vedere l’oggetto frontalmente, di lato, dall’alto e a tre quarti prima di tirare fuori la carta di credito. La funzione pack_vues_produit industrializza questo requisito iterando attraverso quattro descrizioni di angolazione e aggiungendo un suffisso prevedibile a ciascun nome file. Questo permette al tuo sistema di back-office di allegarli automaticamente allo SKU corretto in seguito.

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"
)

Modifica dello sfondo di una foto esistente

Hai già una foto su sfondo bianco e desideri una versione lifestyle senza rigenerare il prodotto? images.edit() ti permette di farlo, a patto di ragionare al contrario: la maschera protegge il prodotto e libera tutto il resto. La funzione sottostante disegna un’ellisse opaca al centro, la zona preservata, e lascia la periferia trasparente affinché il modello la ridipinga. La chiamata specifica nel prompt che il prodotto centrale rimane intatto, rafforzando il comportamento atteso.

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"
)

Cosa la generazione non garantisce

Vale la pena notare quattro avvertenze prima di integrare questo processo in un catalogo di produzione. La prima è la coerenza: GPT Image non garantisce che lo stesso prodotto sia identico da una generazione all’altra. Una variazione di colore eseguita tre giorni dopo potrebbe restituire una suola leggermente diversa. La soluzione è generare tutte le varianti dello stesso SKU nella stessa sessione, come fa il ciclo sui colori.

La seconda riguarda il testo sul prodotto stesso. Loghi ed etichette stampate vengono resi bene, ma devi comunque verificarli. Un barattolo di crema il cui nome del marchio manca di una lettera potrebbe sfuggire allo script, ma non passerà inosservato al cliente. La terza avvertenza riguarda le dimensioni reali, che il modello ignora. Se le proporzioni contano, ad esempio una bottiglia da 50 ml che non deve sembrare un barattolo da 1 litro, specificalo esplicitamente nel prompt. La quarta è metodologica: l’IA accelera la produzione, ma non sostituisce la validazione umana. Nessuna immagine dovrebbe mai andare online su una pagina prodotto senza essere stata revisionata da una persona.

Per testare l’intera catena, scegli un prodotto reale o immaginario e scrivi uno script che generi il suo pacchetto e-commerce completo: una foto su sfondo bianco, due foto lifestyle in contesti diversi e tre variazioni di colore. Avrai così un’idea concreta di cosa rappresenti un catalogo di cento SKU.