我们的电商客户在日常的工作中经常遇到这样的情况：商品已经拍好了，但背景无法贴合具体的宣传场景。放到电商页面里，桌面有点乱；发到社交媒体上，又缺少生活气息。
GPT Image 2.5 Flare 和 Sunburst 能帮我们做参考图编辑。 但要真正拿去宣传，我们需要多问一句：背景换好了之后，会不会造成货不对板的情况？
这篇文章分两部分。我们先用一只保温杯讲清楚从原图到四种宣传背景的操作，再用 API Hop 于 2026 年 10 月 22 日公开的真实请求记录，比较 Flare 和 Sunburst 的单次调用用时、Token 用量和理论费用。两组材料不混用：保温杯是教学示意，真实调用记录使用的是另一张饮品照片。
一、不只是“换背景”，而是要“做出能用的商品图”
对卖东西的人来说，商品的形状、颜色、配件和包装文字才是关键。杯盖多出一道接缝、鞋底花纹被改掉、瓶身型号数字出错，都可能让图片不适合发布。
所以，我们会把每次编辑拆成三个要求：
- 允许修改的部分：背景、环境中的道具，以及与新背景匹配的自然光影。
- 必须保留的部分：商品的外形、结构、颜色、可读文字和真实配件。
- 验收标准：将生成图与原始照片对照，任何商品信息错误都要处理，不能靠“看着差不多”过关。
本文统一使用什么商品？
我们选了一款深蓝色保温杯。它有四个容易辨认的特征：磨砂杯身、银色金属盖、右侧橙色提环，以及靠近杯底的一道细银线。选这种商品，便于读者观察背景变化时主体是否保持一致。
准备真实商品图片时，我们建议先做好四件事：主体完整入镜，重点部件拍清楚，尽量使用柔和光线，避免背景物体挡住商品。
二、第一步：先做最简单的白底商品图
我们会先换成白底，因为这是最容易检查的一步。先不要加入复杂道具，也不要让模型顺便“优化商品设计”。提示词越集中，失败时越容易看出问题。
可复制 Prompt：白底主图
请编辑我上传的商品照片，只更换背景，不重新设计商品。
目标：把当前背景替换为干净的白色摄影棚背景；保留柔和、真实的接触阴影。
商品必须保持原样：深蓝色磨砂杯身、银色金属杯盖、右侧橙色提环、
底部细银线，以及原始比例、外形、角度、材质纹理和所有已有细节。
不要增加、删除或修改任何商品部件。不要添加文字、数字、商标、
价格、标签、图标、海报标题或水印。
如果参考图中有看不清的细节，不要凭空补造。
输出真实摄影风格的商品展示图。我们收到结果后，会先放大看三个地方：杯盖边缘、橙色提环的连接点、杯底银线。只要其中一个被改掉，就不能把这张图直接当成准确的商品展示图。
三、第二步：同一个商品换到居家场景
图 3：居家生活场景示意。场景能帮助读者想象商品如何使用，但仍然必须核对商品外形。
白底用来展示商品本身；居家场景则用来展示它可能出现在什么地方。我们会保持描述简单，例如木桌、绿植、窗边自然光，不让背景抢走全部注意力。
可复制 Prompt：居家生活图
请使用我上传的同一张商品照片，只修改环境，不改变商品。
把保温杯自然放在温暖的家庭客厅木桌上。桌边可以有书本和绿植，
背景出现虚化的沙发。光线来自窗边，温暖柔和，接触阴影真实。
必须保留原商品的深蓝色磨砂杯身、银色金属杯盖、右侧橙色提环、
底部细银线、比例、角度、结构和材质。不能改变商品部件。
整个画面不得出现任何语言文字、数字、Logo、品牌标签、价格或水印。
保持真实摄影风格，让商品仍然是视觉中心。这一步我们尤其会检查光线方向。如果窗户在左边，杯身高光和桌上阴影却完全对不上，即使背景很好看，我们也会重新编辑。
四、第三步：把商品放进户外宣传场景
保温杯、运动水壶和背包都适合尝试户外场景。但我们不建议一次塞进过多元素：岩石、远山、蓝天已经足够。场景越复杂，商品细节越容易被忽略。
可复制 Prompt：户外展示图
以我上传的商品照片为参考，只更换环境。
把同一只保温杯自然放在户外平整的岩石上。背景是远处的山脉、
森林、湖泊和晴朗天空。光线明亮自然，主体清晰，背景适度虚化。
必须原样保留深蓝色磨砂杯身、银色杯盖、右侧橙色提环、
底部细银线，以及商品真实比例、形状、角度和表面质感。
让杯子与岩石接触的位置有可信的阴影。
不要新增任何人物、无关配件、文字、数字、Logo、标签、价格或水印。
真实产品摄影风格，不暗示未经证实的产品性能。如果图片用于正式广告，我们还会核对背景所暗示的使用方式是否与商品真实能力一致，避免把“氛围图”误当成性能证明。
五、第四步：制作不带文字的节日促销图
图 5：节日氛围示意。画面只包含商品与装饰，没有活动文字，适合多语言网站共用同一张底图。
节日图最容易出现的问题是模型顺手生成“促销标题”“折扣数字”或一串看不懂的字。我们建议让 AI 只负责场景，把售价、日期、折扣、按钮文案留给网页或可编辑的排版层。
可复制 Prompt：节日氛围图
请以我上传的商品照片为参考，保留商品本身，只编辑背景与周围装饰。
让保温杯放在温暖的冬季节日场景中。周围可以有简洁的礼盒、
松枝、松果和暖色灯串，背景有柔和虚化的灯光，商品仍然占画面中心。
完整保留深蓝色磨砂杯身、银色金属盖、右侧橙色提环、
底部细银线、商品比例、形状、材质和真实细节。
画面中禁止出现任何文字、字母、数字、促销价格、Logo、
水印、印刷标签或活动口号；礼盒包装也不要有文字。
真实摄影风格，节日感自然，不要让装饰遮挡商品。六、如何判断这些图片能不能发布？
生成好看不难，真正麻烦的是验收。我们会把原图与结果并排打开，按下面这张清单检查：
| 检查项 | 我们重点看什么 | 出现问题怎么处理 |
|---|---|---|
| 轮廓和结构 | 杯盖高度、杯身比例、提环连接点是否变化 | 重试并加强结构约束，必要时改用传统抠图 |
| 颜色与材质 | 蓝色是否偏色、银色是否变色、磨砂质感是否改变 | 对照实物和原图校正 |
| 文字和标识 | 品牌、型号、容量、警示文字是否正确 | 只要错误就不直接发布；优先使用原始标识图层 |
| 光线和阴影 | 商品是否像真实放在新环境中 | 收紧光线描述后重试 |
| 无关元素 | 是否多出或丢失配件，是否出现文字和水印 | 删除或重新生成，并复查商品本身 |
七、Flare 与 Sunburst 的真实调用记录：速度和成本如何？
调用参数
| 项目 | 公开记录设置 |
|---|---|
| 参考图片 | 同一张饮品照片 |
| 图片编辑要求 | 更换为白色背景，保留饮品与主体布局 |
| 比例 | 16:9 |
| 分辨率 | 1k |
| 质量 | low |
| 输出数量 | 1 |
| 格式 | png |
| 模型 | Flare / Sunburst 分别请求 |
API Hop 的真实请求记录
| 指标 | Flare | Sunburst |
|---|---|---|
| 文本输入 Token | 80 | 80 |
| 图片输入 Token | 1,508 | 1,508 |
| 图片输出 Token | 120 | 120 |
| 总 Token | 1,708 | 1,708 |
| 耗时 | 13.441 秒 | 40.826 秒 |
| 输出图片尺寸 | 1536 × 864 | 1536 × 864 |
| 按公开非缓存费率计算 | $0.0128512 | $0.0128512 |
关于耗时，有时模型服务方或者网络都有可能有抖动，所以这里的时间并不一定等同于在你业务中的耗时。
本次用量对应的 API Hop 页面费率为：文本输入 $4/百万 Token、图片输入 $6.40/百万 Token、图片输出 $24/百万 Token；两款模型在这三项上的价格相同。
文本输入：80 × $4 / 1,000,000 = $0.0003200
图片输入：1,508 × $6.4 / 1,000,000 = $0.0096512
图片输出：120 × $24 / 1,000,000 = $0.0028800
------------------------------------------------
合计 $0.0128512更值得关注的指标是“每张可用图的总成本”。 假设某张图第一次就通过验收，总成本接近一次调用；如果我们需要连续重试才能保留商品细节，最终成本就会累积。
来源：Flare 公开样例页面、Sunburst 调用记录、API Hop 价格。
八、我们会怎么选择 Flare 或 Sunburst？
我们建议普通用户先让 Flare 试一张，确认流程是否可行；需要进一步核对复杂材质与细节时，再把相同参考图、相同 Prompt 和相同参数交给 Sunburst 对照。API Hop 文档把 Flare 放在偏快速生成的方向，把 Sunburst 放在偏精细编辑的方向，但对你的商品是否更准确，必须实测才能知道。
| 任务 | 我们建议的做法 |
|---|---|
| 简单白底、快速找视觉方向 | 先用 Flare 测试 |
| 复杂材质、反光和细节较多 | 再用 Sunburst 按同条件对照 |
| 型号、Logo、标签必须严格保持 | 两款都要人工核对；有必要时用传统抠图与图层排版 |
| 批量生成商品宣传图 | 先选 5–10 张真实照片试跑，再统计合格率和最终成本 |
如果一张图只需要干净白底，传统抠图可能更简单；如果需要新的真实感场景，AI 编辑更值得一试。我们的选择标准不是模型名字，而是商品是否准确、场景是否自然、重试是否划算。
九、在 API Hop 上怎么操作？
我们建议从 GPT Image 2.5 Flare 图生图页面 开始，选择参考图编辑方式，使用自己真实拍摄的商品照片，再粘贴本文对应的 Prompt。为了方便排查问题，第一次只改变背景；白底通过验收以后，再切换居家、户外或节日场景。
如果使用 API，API Hop 文档提供的是 POST https://api.apihop.ai/openai/v1/images/generations，通过 image_urls 传入公网可访问的 HTTP(S) 图片地址；本地手机照片需要先上传到可访问的存储。下面的 URL 只是占位示例，不能直接拿来生成：
{
"model": "gpt-image-2.5-flare",
"prompt": "Edit the supplied product photo. Replace only the background with a clean white studio backdrop and a natural contact shadow. Preserve the product's exact proportions, navy-blue matte body, silver lid, orange carry loop and thin silver band near the bottom. Do not add or alter any text, numbers, logos, labels, accessories or watermarks.",
"image_urls": ["https://example.com/your-product-photo.jpg"],
"size": "4:5",
"resolution": "1k",
"quality": "low",
"n": 1,
"output_format": "webp"
}这里用 4:5 是为了示范竖版商品图，它与上一节真实记录的 16:9 参数不同，不能直接拿来比较耗时与费用。其他比例和质量设置请以 API Hop 图像 API 文档 为准。图片生成需要花费账户余额，正式批量使用前应先核对当前价格和输出质量。
十、常见问题
有了图片，能不能直接上架？
我们不会仅凭换背景成功就判断图片可以上架。还要对照实物核查形状、颜色、包装和配件，并检查对应平台的图片政策。
为什么写了“不要修改商品”，模型还是会改细节？
图生图不等于精准抠图。部分材质、边缘和反射可能被重新绘制。遇到无法容忍的偏差，我们会优先考虑传统抠图或可编辑图层。
为什么全部图片都不带文字？
同一组商品图能在不同语言的页面复用。价格、促销说明、按钮和活动规则放在网页正文或独立文字图层中，会比直接使用AI模型渲染图片更好。这是基于我们服务于电商客户的经验推荐给你的操作流程。
每生成一张图只需要一美分左右吗？
不是固定价格。本文约 $0.01285 的数值只对应公开样例的一次调用和所列 Token 用量。实际费用会随请求内容、设置和重试次数变化。
本文的场景图能证明 Flare 或 Sunburst 的质量吗？
不能。保温杯的八张本地图片都是独立制作的教学示意，不是两款模型的同条件实测。模型比较只使用独立标明来源的公开请求记录。
我们的结论
一张清楚的商品照片，可以作为多种宣传画面的起点；但“背景做出来了”不等于“这张图片能放心用”。
我们推荐这样实践：先上传真实商品照片，做一张白底图，仔细检查商品细节；通过后再尝试生活场景和节日场景；最终上架或投放前，人工检查包装文字、颜色和配件。对于多语言网站，我们还会把所有语言文字留在网页中，不直接放进图片。
想用自己的照片尝试，可以从 API Hop 的 GPT Image 2.5 Flare 在线图生图工具 开始，再用相同条件与 Sunburst 对照。我们更在乎最后能否拿到一张真实、自然、能实际使用的商品图，而不是只追求看起来很漂亮的效果。