이커머스 카탈로그를 위한 이미지 생성 API 워크플로
product imagery는 prompt 작성 전에 identity 보존 문제입니다. 상품 특성을 고정하고 명시된 장면 변경만 허용하며 모든 output을 검증한 뒤 acceptance gate가 안정적일 때 비용을 최적화하세요.
·
각 카탈로그 작업에 맞는 모델 매칭
하나의 prepaid apiToken.sale key 뒤의 두 live 모델, 즉 native Gemini route의 Nano Banana 2(gemini-3.1-flash-image)와 OpenAI Images route의 GPT Image 2(gpt-image-2)로 카탈로그용 상품 이미지를 프로그래밍 방식으로 생산할 수 있습니다. 선택은 스토어 단위가 아니라 작업 단위입니다. Nano Banana 2는 명시적 1K/2K/4K 크기, 다양한 aspect ratio 제어, 최대 14개 reference input을 제공하고 GPT Image 2는 기존 OpenAI Images client 팀을 위한 PNG, JPEG, WebP 1~5개의 edit flow를 제공합니다.
| 작업 | 권장 시작 route | 필수 검사 |
|---|---|---|
| hero shot용 새 lifestyle scene | 명시적 aspect ratio의 Nano Banana 2 1K | product identity와 packaging text 유지 |
| packshot PNG의 strict 배경 교체 | GPT Image 2 /v1/images/edits | product geometry 변경 없음 |
| 한 SKU의 다각도 reference | 전체 reference set의 Nano Banana 2 | view 간 상품 일관성 |
| 기존 OpenAI media pipeline | GPT Image 2 | opaque 또는 transparent PNG와 비율 size 수용 가능 |
| 전체 카탈로그 시즌 갱신 | 어느 모델이든 batch queue | accepted SKU asset당 settled 비용 |
GPT Image 2는 background=transparent를 보내면 실제 alpha 채널 PNG cutout을 줍니다. size는 비율 프리셋(auto/1:1 약 1254×1254, 3:2, 2:3, 4:3, 16:9, 9:16)이며 1024픽셀이나 4K 잠금이 아닙니다. 고정 pixel size가 필수면 설계 단계에서 route를 제외하세요.
하나의 prepaid key 뒤의 두 wire protocol
같은 key가 두 route 모두에서 동작하지만 request shape는 교환할 수 없습니다. Nano Banana 2는 Gemini generateContent 형식과 x-goog-api-key 헤더로 호출되며 응답은 base64 inlineData image part로 그림을 전달합니다. GPT Image 2는 Authorization: Bearer와 함께 OpenAI Images endpoint를 쓰고 non-streaming base64 PNG 한 장을 반환합니다. 크기·품질 control도 다릅니다. Gemini 쪽은 imageConfig.imageSize(1K/2K/4K)와 aspectRatio, OpenAI 쪽은 공개된 background/quality/size 값 opaque 또는 transparent / low / 비율 프리셋입니다.
# Nano Banana 2 — native Gemini route, explicit size and ratio
curl https://router.apitoken.sale/v1beta/models/gemini-3.1-flash-image:generateContent \
-H "x-goog-api-key: $APITOKEN_API_KEY" \
-H "Content-Type: application/json" \
-d '{"contents":[{"parts":[{"text":"Place SKU-1042 on a warm kitchen counter, soft daylight"}]}],"generationConfig":{"responseModalities":["TEXT","IMAGE"],"imageConfig":{"imageSize":"1K","aspectRatio":"4:5"}}}'
# GPT Image 2 — OpenAI Images route, published controls only
curl https://router.apitoken.sale/v1/images/generations \
-H "Authorization: Bearer $APITOKEN_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-image-2","prompt":"Studio packshot of a matte black bottle, seamless grey background","background":"opaque","quality":"low","size":"auto"}'시작 비용은 의도적으로 저렴합니다. Google이나 GitHub로 만든 신규 B2C 계정은 $5 플랫폼 본너스 크레딧을 받고(Claude, GPT, Gemini 모델에 유효하며 이메일·비밀번호 계정은 제외), 잔액 충전은 은행 카드나 암호화폐로 가능합니다. 카탈로그 worker에는 평생 누적 지출 한도와 만료일이 있는 전용 key를 발급해 runaway batch가 전체 계정을 소진하지 못하게 하세요.
상품을 보호하는 production workflow
- 01소스 촬영물을 정규화하고 모든 입력 파일에 immutable SKU/asset version을 부여합니다.
- 02brief를 허용 변경과 protected trait(silhouette, color, logo, label, 포함 accessory)로 작성합니다.
- 03bounded candidate 하나를 생성하고 product identity, 렌더링된 text, artifact, composition, policy compliance를 검증합니다.
- 04original, output, prompt version, model, request ID, terminal usage, reviewer verdict를 하나의 durable record로 저장합니다.
- 05최적화된 web derivative만 게시하고 API의 base64 payload를 storefront asset으로 직접 제공하지 않습니다.
PRODUCT: SKU-1042, matte black bottle, silver cap, logo unchanged ALLOWED: replace the background with a warm kitchen scene PROTECTED: silhouette, cap shape, logo spelling, label colors OUTPUT: one centered catalog hero image; no added text or accessories
prompt는 지시일 뿐 보장이 아닙니다. protected trait에 대한 validation만이 재생성된 배경이 조용히 다른 상품으로 바뀌는 것을 막습니다.
실제 카탈로그 실행의 비용 계산
Nano Banana 2는 크기별 고정 image-output leg가 있습니다. 1K는 1,120 image token으로 공식 $0.0672, 일반 B2C는 50% 할인 후 $0.0336입니다. 같은 조건에서 2K는 $0.0504, 4K는 $0.0756입니다. SKU 500개를 각각 1K candidate 두 장씩 시즌 갱신하면 이미지 1,000장이 나오고 일반 B2C의 image-output leg는 bounded prompt와 reference input을 더해 $33.60에 정산됩니다. validation이 700장을 수용하면 accepted asset당 image-leg 비용은 $33.60 ÷ 700 ≈ $0.048입니다. 원시 request 수가 아니라 이 숫자를 재촬영 예산과 비교하세요.
GPT Image 2에는 정직한 이미지당 정가가 없습니다. billing은 terminal text-input, image-input, cached-input, image-output usage를 합산합니다. 반올림 수치의 계산 예로 terminal usage가 fresh text token 500개와 image-output token 4,000개를 보고하면 공식 합계는 500 × $5/M + 4,000 × $30/M = $0.1225이고 일반 B2C는 정확히 절반인 $0.06125를 냅니다. reference는 공식 $8/M(할인 후 $4/M)의 image-input을 더하므로 edit brief는 장면에 실제로 필요한 파일만 보내야 합니다.
일반 B2C의 50% 할인은 exact official generation/edit usage에 적용됩니다. conversion, CDN storage, human review, rejected asset은 application cost로 ecommerce business case에 포함해야 합니다.
storefront SEO에 도움이 되는 이미지 게시
- request 수가 아닌 accepted SKU image당 settled 비용을 추적하세요. retry와 reject도 acquisition cost의 일부입니다.
- 가장 작은 delivery resolution(1K)으로 시작하고 delivery-detail 검사를 통과하지 못한 hero asset만 승격합니다.
- 실제 상품과 장면을 설명하는 descriptive filename과 정직한 alt text를 쓰고 model name이나 keyword 목록을 alt에 채우지 마세요.
- responsive WebP/AVIF derivative를 인코딩하고 lossless master를 유지하며 layout shift 방지를 위해 명시적 width/height를 게시합니다.
- provenance와 review evidence에 internal ID나 prompt가 있으면 public metadata에서 제외합니다.
자주 묻는 질문
ecommerce 팀은 상품 이미지에 어떤 모델부터 시작해야 하나요?
자체 SKU로 작은 eval을 실행하세요. 명시적 aspect ratio, 1K/2K/4K 크기, 많은 reference angle이 필요하면 Nano Banana 2가 더 강한 출발점이고 OpenAI Images background edit과 기존 OpenAI Images client를 가진 팀에는 GPT Image 2가 맞습니다. 전체 카탈로그에 한 모델을 고르지 말고 asset class별 승자를 고정하세요.
여기 GPT Image 2로 투명 상품 cutout을 만들 수 있나요?
가능합니다. POST /v1/images/generations 또는 /v1/images/edits에 background=transparent를 보내세요. 실제 alpha 채널 PNG를 요청하는 것이며 파일을 검사하세요. alpha가 없어도 HTTP 200입니다. size는 여전히 비율 프리셋이지 고정 pixel lock이 아닙니다.
모델이 상품 자체를 바꾸지 못하게 하려면?
brief에 protected trait(silhouette, color, logo spelling, label text)를 선언하고 깨끗한 reference를 제공하며 한 번에 named element 하나만 바꾸고 product-identity validation에 실패한 candidate는 거부하세요. prompt는 검색 공간을 좁힐 뿐이며 카탈로그를 지키는 것은 acceptance gate입니다.
이미지 1,000장 카탈로그 재촬영 비용은?
1K Nano Banana 2에서 image-output leg 1,000개는 일반 B2C 기준 50% 할인 후 bounded input을 더해 $33.60에 정산됩니다. settled 총액을 accepted asset 수로 나누면 실제 수치가 나오며 acceptance rate 70%면 accepted SKU image당 image-leg 비용은 약 $0.048입니다.
50% 할인이 CDN과 review 비용을 포함하나요?
아닙니다. 일반 B2C 계정의 exact official model usage(생성·edit 요청)에 적용됩니다. storage, WebP/AVIF transformation, CDN delivery, human review, rejected asset은 business case에 남는 별도 application cost입니다.
카탈로그 실행에 충전하기 전 묣료 테스트 방법이 있나요?
네. Google이나 GitHub로 만든 신규 B2C 계정은 Claude, GPT, Gemini 모델에 유효한 $5 플랫폼 본너스 크레딧을 받습니다. Nano Banana 2는 이미지가 과금되기 전 countTokens를 물료로 호출해 input을 추정할 수도 있습니다. 충전 시 은행 카드와 암호화폐 모두 지원됩니다.