Товар в трёх сценах: помогает ли второй референс сохранить его вид?

Дополнительный референс не всегда помогал лучше сохранить товар. В GPT Image 2.5 Flare запросы с одним и двумя изображениями создавали нужные сцены, но в сцене с камнем вариант с двумя референсами заметнее менял видимый размер бутылки и пропорции крышки. Для этого небольшого теста разумнее было начать с одного чёткого изображения товара целиком.

Этот вывод намеренно ограничен. Мы проверили одну синтетическую бутылку без маркировки, три промпта для сцен и по одной генерации на условие. Второй референс был фрагментом того же изображения, а не снимком с другого ракурса. По этим результатам нельзя заключить, что несколько независимых фотографий товара в целом менее полезны.

Этот процесс подойдёт авторам, которым нужно подготовить небольшой набор изображений товара, и разработчикам, реализующим редактирование с референсами. Здесь приведены все шесть результатов, точная структура промпта, подготовка референсов и практический список критериев приёмки.

В публичном встроенном генераторе, снимок которого сделан 12 октября, было указано, что в этом интерфейсе редактирование изображений недоступно. Результаты редактирования в статье получены через показанный ниже маршрут API, а не через этот генератор. В интерфейсе на снимке нет ни маски, ни элемента управления для загрузки референса.

Подготовка исходного изображения и сравнения

В качестве исходника мы взяли янтарную бутылку со светло-кремовой крышкой, ранее созданную через Ofox в другом тесте GPT Image. Это не фотография клиента; у бутылки нет бренда или читаемой этикетки. Размер исходного файла — 1024 × 1024 пикселя.

В условии A подаётся только это изображение. В условии B сначала подаётся оно, а затем — фрагмент с координатами (320, 200, 720, 850) в исходном изображении. Фрагмент выделяет корпус бутылки и часть области крышки. Его размер — 400 × 650 пикселей; новой информации о ракурсе в нём нет.

Это важно. Фрагмент может привлечь внимание к уже имеющейся детали, но не покажет скрытую сторону товара. Назвать такие изображения «двумя ракурсами» — значит преувеличить, что именно было подано модели. Если в рабочем процессе нужно показать логотип на задней стороне товара, используйте настоящую разрешённую фотографию этой стороны и отдельно проверьте такой вариант.

В обоих условиях мы использовали один и тот же шаблон промпта, включая предложение, поясняющее назначение второго референса. Так текстовый запрос оставался неизменным, менялся только набор изображений.

Полный шаблон промпта

Place this same amber bottle with the same ivory cap on {SCENE}.
Preserve bottle shape, cap shape, amber color and proportions.
Show one complete upright bottle, no text, no additional products.
The first reference is the whole product; any second reference is a
detail crop of that same image, not another product.

Для сцен использовались следующие значения:

Для всех запросов использовался маршрут Ofox openai/gpt-image-2.5-flare на /v1/images/edits, параметры size=1024x1024, n=1; параметр качества явно не задавался, маска не использовалась. Это не тест FLUX и не сравнение семейств моделей для работы с изображениями. Перед тем как описывать результаты, мы проверили выбранный доступный маршрут, получив реальные ответы.

Сначала отправьте один референс, затем — парный вариант

В запросе с одним референсом используется поле изображения в формате multipart. Храните ключ доступа в OFOX_API_KEY; не включайте его в снимки экрана и общие скрипты.

curl --silent --show-error --fail-with-body \
  --connect-timeout 15 --max-time 120 \
  'https://api.ofox.io/v1/images/edits' \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -F 'model=openai/gpt-image-2.5-flare' \
  -F 'image[]=@source.png;type=image/png' \
  -F 'size=1024x1024' -F 'n=1' \
  -F 'prompt=Place this same amber bottle with the same ivory cap on an ivory linen tabletop with soft window light. Preserve bottle shape, cap shape, amber color and proportions. Show one complete upright bottle, no text, no additional products. The first reference is the whole product; any second reference is a detail crop of that same image, not another product.' \
  -o linen-one.json

Для парного условия с двумя референсами добавьте ещё одно поле image[] с файлом detail-crop.png после поля исходного изображения и сохраните результат под другим именем. Оставьте промпт, модель и остальные параметры без изменений. Генерация оплачивается; прежде чем запускать набор из шести запросов для разных сцен, ознакомьтесь с архивом для скачивания.

В успешных ответах возвращались PNG-изображения в base64. В архиве исходные байты ответа и метаданные сохраняются отдельно. Если ваш маршрут возвращает данные в другом формате, обработайте его явно, а не сохраняйте объект с ошибкой как изображение. Инструкции по первоначальной настройке и декодированию ответов приведены в руководстве по GPT Image API.

Лён: бутылка остаётся узнаваемой в обоих вариантах

На обоих изображениях бутылка стоит на светлой тканевой поверхности и освещена тёплым боковым светом. Основной янтарный корпус и светло-кремовая крышка остаются узнаваемыми. Во втором результате изменились блики и затенение нижней части корпуса; это не точная попиксельная копия исходного изображения.

Для атмосферного изображения подойдёт любой из вариантов. Но если для каталога нужны размеры и цвет материала, точно соответствующие реальному товару, одной узнаваемости недостаточно. Сравните результат с утверждённой фотографией и отклоните изменения, из-за которых изображение перестаёт соответствовать тому, что получит покупатель.

Камень: второй референс не улучшил этот результат

В варианте с одним референсом крупная бутылка сохраняет кадрирование, похожее на исходное. В варианте с двумя референсами бутылка выглядит меньше и помещена в более широкую композицию с полкой; пропорции крышки и корпуса также кажутся другими. Это противоречит просьбе в промпте сохранить пропорции, хотя сцена в целом выглядит правдоподобно.

Здесь имеют значение и изменение входных данных, и стохастический характер генерации. На каждое условие приходится по одному результату, а контролируемое зерно случайности не использовалось, поэтому мы не можем приписать всё различие добавленному фрагменту. Но можно утверждать, что этот конкретный результат с двумя референсами не следует принимать только потому, что модели дали больше исходных материалов.

Бумага: на простом фоне легче проводить проверку

На обоих изображениях бутылка остаётся крупной и стоит вертикально на фоне в оттенках шалфея. Различия в затенении и мелких контурах сохраняются. На простом фоне их легче заметить, чем в насыщенной деталями сцене из повседневной жизни, но он не гарантирует точного сохранения товара.

Для первоначальной проверки процесса начните с простой сцены, в которой товар хорошо виден. Только после этого добавляйте сложный реквизит, перспективу или несколько товаров. Иначе качество сцены может отвлечь от того, что изображение товара постепенно уходит от референса.

Тщательно решайте, принять изображение или отклонить

Проверяйте исходные изображения в полном разрешении, сравнивая их с референсом. Наши выводы основаны на визуальной оценке этих шести примеров; это не слепое тестирование и не автоматическая оценка идентичности.

Не превращайте этот список в необоснованную оценку «100% совпадения». Пороговые значения для приёмки согласуйте с тем, кто отвечает за изображения товара. Для брендированной упаковки точность текста и расположения логотипа могут быть обязательны, даже если вся остальная композиция получилась отлично.

Если результат не проходит проверку, сначала выясните, в чём проблема: в сцене, исходных референсах или отклонении товара от оригинала. В следующем сравнении меняйте только одну переменную. Если не определить назначение изображений, простое добавление новых затруднит диагностику.

Практичный стартовый вариант для рабочего процесса

Возьмите одно чёткое утверждённое изображение товара, задайте конкретную сцену в промпте и точно определите требования к результату. Сохраните первый принятый вариант и запишите модель, входные файлы и точный промпт. Добавляйте второй референс только тогда, когда можете объяснить, какую информацию он даёт, например крупный план этикетки или другой утверждённый ракурс, и оценить результат этого изменения.

Если важно сохранить исходный товар, не создавайте каждую новую сцену на основе предыдущего сгенерированного изображения. Это был бы уже другой эксперимент — с многошаговым редактированием. Все шесть наших запросов каждый раз используют один и тот же исходник, поэтому дрейф от сцены к сцене не передаётся по цепочке.

Если в готовом изображении пиксели товара должны точно совпадать с оригиналом, рассмотрите возможность наложить неизменённое изображение товара на принятый фон, а затем проверьте края, перспективу и тени. В руководстве по маскам показано, почему правдоподобное изображение ещё не доказывает точного сохранения оригинала при локальных изменениях и попиксельной проверке.