Workflow генерации изображений для ecommerce-каталога через API

Подберите модель под каждую задачу каталога

Каталожные product images можно производить программно через две live-модели за одним prepaid-ключом apiToken.sale: Nano Banana 2 (gemini-3.1-flash-image) на native Gemini route и GPT Image 2 (gpt-image-2) на OpenAI Images route. Выбор делается под задачу, а не под магазин: Nano Banana 2 даёт явные размеры 1K/2K/4K, широкий контроль aspect ratio и до 14 reference inputs, а GPT Image 2 — OpenAI Images edit flow с 1–5 PNG, JPEG или WebP для команд, уже работающих на этом client.

GPT Image 2 отдаёт прозрачный cutout, если передать background=transparent: PNG с настоящим альфа-каналом. size — пресет пропорции (auto/1:1 ~1254×1254, 3:2, 2:3, 4:3, 16:9, 9:16), а не 1024 px или 4K. Если фиксированный pixel size — жёсткое требование витрины, отклоните route на этапе дизайна.

Контракты маршрутов редактирования: references, форматы, формы output →

Читайте также: Редактирование изображений через GPT Image 2 или Nano Banana 2

Два wire protocol за одним prepaid-ключом

Один и тот же ключ работает для обоих routes, но request shapes невзаимозаменяемы. Nano Banana 2 вызывается через Gemini generateContent с заголовком x-goog-api-key; ответ несёт картинку как base64 inlineData image part. GPT Image 2 использует OpenAI Images endpoints с Authorization: Bearer и возвращает один non-streaming base64 PNG. Controls размера и качества тоже разные: imageConfig.imageSize (1K/2K/4K) и aspectRatio на стороне Gemini, опубликованные значения background/quality/size — opaque или transparent / low / пресет пропорции — на стороне OpenAI.

# 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"}'

Старт специально дешёвый: новые B2C-аккаунты через Google или GitHub получают бонус $5 на баланс платформы (действует для моделей Claude, GPT и Gemini; аккаунты по email и паролю его не получают), а пополнение принимает банковскую карту или криптовалюту. Для catalog worker выпустите отдельный ключ с общим лимитом расходов и датой истечения, чтобы runaway batch не опустошил весь аккаунт.

Production workflow, защищающий товар

1. 01Нормализуйте исходную фотосъёмку и присвойте каждому входному файлу immutable SKU/asset version.
2. 02Запишите brief как allowed changes плюс protected traits: silhouette, color, logo, labels и комплектные accessories.
3. 03Сгенерируйте один bounded candidate и проверьте product identity, отрисованный текст, artifacts, composition и policy compliance.
4. 04Сохраните original, output, prompt version, model, request ID, terminal usage и reviewer verdict как одну durable запись.
5. 05Публикуйте только оптимизированную web derivative; base64 payload из API нельзя отдавать на витрину напрямую.

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

Prompt — это инструкция, а не гарантия. Только validation по protected traits не даёт перегенерированному фону незаметно превратиться в другой товар.

Расчёт цены реального прогона каталога

У Nano Banana 2 фиксированная image-output составляющая на размер: 1K — это 1 120 image tokens, $0.0672 официально и $0.0336 для обычного B2C после скидки 50%; 2K — $0.0504 и 4K — $0.0756 на тех же условиях. Сезонное обновление 500 SKU по два кандидата 1K даёт 1 000 изображений, то есть image-output legs осядут в $33.60 для обычного B2C плюс ограниченный prompt и reference input. Если validation примет 700 кандидатов, цена image leg на принятый ассет — $33.60 ÷ 700 ≈ $0.048. Именно её сравнивают с бюджетом пересъёмки, а не количество запросов.

У GPT Image 2 нет честной прейскурантной цены за картинку: billing складывает terminal text-input, image-input, cached-input и image-output usage. Счётный пример с круглыми числами: если terminal usage показывает 500 fresh text tokens и 4 000 image-output tokens, официальный итог — 500 × $5/M + 4 000 × $30/M = $0.1225, а обычный B2C платит ровно половину, $0.06125. References добавляют image-input по $8/M официально ($4/M после скидки), поэтому edit brief должен отправлять только файлы, реально нужные сцене.

Для обычного B2C скидка 50% применяется к exact official generation/edit usage. Conversion, CDN storage, human review и rejected assets остаются application costs и входят в ecommerce business case.

Batch-пайплайн с защитой бюджета для прогонов всего каталога →

Публикуйте изображения, полезные для SEO витрины

• Считайте settled cost на принятый SKU image, а не request count: retries и rejects — часть acquisition cost.
• Начинайте с минимального delivery resolution (1K) и повышайте только hero assets, не прошедшие проверку детализации.
• Используйте descriptive filenames и правдивый alt text про реальный товар и сцену; не набивайте alt названиями моделей или списками ключевых слов.
• Кодируйте responsive WebP/AVIF derivatives, храните lossless master и публикуйте явные width/height против layout shift.
• Держите provenance и review evidence вне public metadata, если там internal IDs или prompts.

Частые вопросы

Похожие гайды