最近有客户在群里问了一个很典型的问题：「我们这种 images2，可以生成电商套图吧？」答案是可以，但不是一次调用就吐出一整套图。gpt-image-2 的接口是「一个提示词对应一次生成」，想要主图、卖点图、场景图、详情页这样内容各不相同的一套图，需要在调用方式上做一点设计。
本文把 gpt-image-2 电商套图拆成两条路线：一条是用一张图承载多维度信息，适合详情页长图；另一条是先用文本模型拆解需求、生成每张图的提示词，再并发调用 gpt-image-2，适合真正意义上的多图套图。读完你会拿到完整的流程设计、可运行的代码，以及保持整套图风格统一的几个关键技巧。
gpt-image-2 电商套图的核心限制：一次调用只对应一个提示词
先把接口行为说清楚，后面的方案设计都建立在这个前提上。gpt-image-2 的 /v1/images/generations 和 /v1/images/edits 每次请求只接受一个 prompt。官方 gpt-image-2 和 2.5 系列都支持 n 参数，API易 也完整支持，但 n 的含义是「同一个提示词生成 n 张变体」，而不是「n 个提示词各出 1 张」。
所以 n=5 拿到的是同一画面的 5 个版本，适合「多出几张挑一张最好的」，不适合做套图。电商套图的本质是多张内容不同、风格统一的图片：主图要突出产品，卖点图要配文案，场景图要有使用环境，参数图要有尺寸标注。每张图的提示词都不一样，自然需要多次调用。
gpt-image-2 电商套图的 3 个真正难点
想清楚限制之后，会发现套图的难点其实不在「出多张」，而在下面三件事：
- 主体一致：5 张图里的产品必须是同一个产品，颜色、Logo、结构不能每张都变样。
- 风格一致：色调、光线、背景质感、字体风格要像出自同一个设计师之手。
- 信息分工：每张图承担不同的营销任务，不能 5 张都在讲同一个卖点。
这三件事决定了套图不能靠「把一句话丢给模型」解决，需要在调用之前先做规划。下面这张表是常见电商平台套图的标准构成，可以作为规划的起点。
| 套图位置 | 主要用途 | 推荐比例 | 信息密度 | 是否需要文字 |
|---|---|---|---|---|
| 主图（首图） | 搜索结果点击率 | 1:1 | 低，突出产品 | 可选，少量 |
| 白底图 | 平台规范、广告投放 | 1:1 | 极低 | 不需要 |
| 卖点图 | 传达 2-3 个核心卖点 | 1:1 或 3:4 | 中 | 需要 |
| 场景图 | 营造使用氛围 | 1:1 或 4:5 | 中 | 可选 |
| 尺寸/参数图 | 降低咨询和退货 | 1:1 | 高 | 需要 |
| 详情页长图 | 完整讲解产品 | 9:16 或更长 | 很高 | 需要 |
🎯 规划建议：动手写代码前，先按上表确定你的平台需要几张图、每张图承担什么任务。我们建议在 API易 apiyi.com 上用 gpt-image-2 先手动跑 2-3 张单图，确认产品还原度和文字渲染效果符合预期，再进入批量套图流程。
方案一：gpt-image-2 单图承载多维度信息（详情页长图）
第一条路线是「一张图讲完一套话」。gpt-image-2 的中文文字渲染和版面理解能力很强，在一张竖版大图里分区排布主视觉、卖点、参数表是完全可行的。对于详情页长图、卖点合集图、信息图这类需求，一次调用就能出一张信息量很大的成品。
这条路线最大的好处是天然没有一致性问题。所有内容都在同一张图里由模型一次生成，色调和风格自然统一，也不需要额外的编排代码。缺点是单图篇幅有限，内容太多时文字会变小、变挤，而且没法拆成独立的主图去投放。
gpt-image-2 详情长图的分区提示词写法
单图多维度的关键在于分区描述。不要写一大段混在一起的描述，而是按从上到下的版面顺序，告诉模型每个区域放什么。下面是一个保温杯详情长图的提示词结构示例：
竖版 9:16 电商详情页长图，整体风格：简约北欧风，米白色背景，柔和自然光。
【顶部区域】产品主视觉：一只哑光墨绿色保温杯斜 45 度放置，标题文字“24 小时长效保温”。
【中部区域】三栏卖点，每栏一个线性图标加短文案：“316 不锈钢内胆”“一键弹盖单手开”“500ml 大容量”。
【底部区域】参数表格：容量 500ml、重量 320g、高度 22cm、材质 316 不锈钢。
所有文字使用清晰的无衬线中文字体，不要出现多余文字。
尺寸方面，长图建议用 9:16 竖版，比如 2K 档的 1152x2048。如果需要更高清的最终素材，可以用 4K 档的 2160x3840。
单图方案只需 1 次调用，成本最低，风格天然统一；代价是信息容量有限，超过 5 个区块文字就容易拥挤，也无法拆出来单独作为搜索主图投放。它最适合家电、数码配件、日用品这类参数型标品的详情页和卖点合集。
💡 实践提示：分区超过 5 个时，文字渲染错误率会明显上升。建议把长图拆成 2-3 张「半屏图」分别生成，再在详情页里纵向拼接。这些半屏图本身就是一组小套图，也就自然过渡到了方案二。
方案二：文本模型拆解 + gpt-image-2 多次调用生成电商套图
如果你要的是真正的多图套图（主图、卖点图、场景图各自独立），就需要一条小型流水线。思路是把「理解需求、规划分镜」交给文本模型，把「出图」交给 gpt-image-2，两者用结构化的 JSON 衔接。
完整流程分 4 步：
- 输入：商家提供产品名称、卖点、目标平台，以及至少一张清晰的产品实拍图。
- 需求分析：文本模型根据输入，输出一个 JSON 数组，每个元素是一张图的分镜，包括用途、提示词、尺寸、文案。
- 并发出图：程序遍历分镜数组，每条分镜调用一次 gpt-image-2，带上同一张产品参考图。
- 汇总校验：收集所有结果，失败的单张单独重试，最后按顺序输出整套图。
文本模型怎么选：gpt-image-2 套图的「大脑」
需求分析这一步对文本模型的要求是：能理解电商营销逻辑、能稳定输出 JSON、能写出画面感强的提示词。目前 API易 上的几款最新模型都能胜任：
| 模型 | 定位 | 适合场景 | 选择理由 |
|---|---|---|---|
| gpt-6.1-sol | 旗舰推荐 | 高客单价商品、复杂卖点提炼 | 营销文案和分镜规划质量最好 |
| claude-haiku-5-5 | 低价高速 | 批量 SKU、标准化品类 | 指令遵循稳定，JSON 输出规整 |
| gemini-3.8-flash | 低价高速 | 大批量、多语言跨境商品 | 速度快、成本低，多语言文案自然 |
需求分析每套图只调用一次，token 消耗很少，成本主要还是在出图上。我们建议先用 gpt-6.1-sol 把提示词模板调到满意，批量跑量时再切换到 claude-haiku-5-5 或 gemini-3.8-flash 降本。三款模型在 API易 apiyi.com 上都走 OpenAI 兼容接口，切换时只需改 model 参数。
gpt-image-2 电商套图的分镜 JSON 设计
让文本模型输出固定结构的 JSON，是整条流水线稳定运行的关键。下面是推荐的字段设计：
| 字段 | 类型 | 说明 | 示例 |
|---|---|---|---|
scene |
string | 套图位置标识 | main / white_bg / selling |
purpose |
string | 这张图的营销任务 | 突出产品外观，提升点击率 |
prompt |
string | 给 gpt-image-2 的完整提示词 | 哑光墨绿保温杯置于木质桌面… |
size |
string | 输出尺寸 | 2048x2048 |
text_overlay |
string | 图中需要渲染的文字 | 24 小时长效保温 |
gpt-image-2 套图极简代码
下面是最小可运行版本：先让文本模型生成分镜，再逐条调用 gpt-image-2 的 edits 接口（带产品参考图）。
import json, base64
from openai import OpenAI
client = OpenAI(api_key="YOUR_APIYI_KEY", base_url="https://api.apiyi.com/v1")
plan = client.chat.completions.create(
model="gpt-6.1-sol",
response_format={"type": "json_object"},
messages=[{"role": "user", "content": "为墨绿色 316 保温杯规划 5 张淘宝套图，输出 {\"shots\": [...]}，"
"每项含 scene/purpose/prompt/size/text_overlay，统一风格：北欧简约、米白背景、柔和自然光"}],
)
shots = json.loads(plan.choices[0].message.content)["shots"]
for s in shots:
img = client.images.edit(model="gpt-image-2", image=open("cup.png", "rb"),
prompt=s["prompt"], size=s["size"])
open(f"{s['scene']}.png", "wb").write(base64.b64decode(img.data[0].b64_json))
这段代码是串行执行的，5 张图要依次等待，下一节会改成并发版本。
如何保持 gpt-image-2 电商套图风格一致
多次调用最容易出的问题，就是 5 张图看起来像 5 个不同店铺的。下面几个技巧组合使用，可以把一致性提升到可商用的水平：
- 统一 style block：把色调、光线、背景、镜头语言写成一段固定文字，拼接在每条分镜提示词的末尾。不要让文本模型每次自由发挥风格描述。
- 固定产品参考图：每次调用都通过 edits 接口传入同一张产品实拍图，并在提示词里明确「保持参考图中产品的颜色、Logo 和结构不变」。这是保证主体一致最有效的手段。
- 固定参数：同一套图使用相同的
quality档位，尺寸只在必要时变化（比如长图用竖版）。 - 用 n 参数做择优：对主图这种最关键的位置，可以设置
n=2或n=3生成几个变体，人工挑一张最好的。这正是 n 参数的正确用法。
🎯 一致性建议：style block 是整套图的「品牌规范」，建议为每个店铺沉淀一份固定模板。通过 API易 apiyi.com 调用 gpt-image-2 时，可以把 style block 存在配置文件里，所有 SKU 共用，换季时统一更新即可。
gpt-image-2 电商套图并发调用：提速与放量策略
串行生成一套 5 张图，等待时间是每张图耗时的总和，图片越多越慢。由于每张分镜之间互不依赖，完全可以并发调用，让整套图的耗时接近「最慢那一张」的耗时。
API易 对 gpt-image-2 的调用没有设置并发上限，500 RPM 以下可以直接使用，不需要额外申请。对绝大多数商家来说，即使同时跑几十个 SKU 的套图，也远到不了这个量级。
gpt-image-2 套图并发代码
把上面的串行循环换成线程池，就能实现并发出图，同时加入失败重试，避免一张失败导致整套重来：
from concurrent.futures import ThreadPoolExecutor
def gen_one(s, retries=2):
for i in range(retries + 1):
try:
img = client.images.edit(model="gpt-image-2", image=open("cup.png", "rb"),
prompt=s["prompt"] + STYLE_BLOCK, size=s["size"])
return s["scene"], img.data[0].b64_json
except Exception as e:
if i == retries:
return s["scene"], None
with ThreadPoolExecutor(max_workers=5) as pool:
results = dict(pool.map(gen_one, shots))
failed = [k for k, v in results.items() if v is None]
查看完整版代码（含 style block、多 SKU 批量、失败补生成、结果落盘）
import json, base64, time
from pathlib import Path
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI
client = OpenAI(api_key="YOUR_APIYI_KEY", base_url="https://api.apiyi.com/v1")
STYLE_BLOCK = (
"。整体风格：北欧简约，米白色背景，柔和自然光，低饱和配色，"
"保持参考图中产品的颜色、Logo 和结构完全不变，文字使用清晰无衬线中文字体。"
)
PLAN_PROMPT = """你是资深电商视觉策划。根据以下商品信息规划一套 {count} 张的{platform}套图。
商品信息：{product}
输出 JSON：{{"shots": [{{"scene": "...", "purpose": "...", "prompt": "...",
"size": "2048x2048", "text_overlay": "..."}}]}}
要求：每张图承担不同营销任务；prompt 只描述画面内容，不要描述整体风格；
需要文字时把文字原文写进 prompt 并用引号标出。"""
def plan_shots(product: str, platform: str = "淘宝", count: int = 5,
model: str = "gpt-6.1-sol") -> list:
"""用文本模型拆解分镜，批量时可换 claude-haiku-5-5 / gemini-3.8-flash"""
resp = client.chat.completions.create(
model=model,
response_format={"type": "json_object"},
messages=[{"role": "user", "content": PLAN_PROMPT.format(
count=count, platform=platform, product=product)}],
)
return json.loads(resp.choices[0].message.content)["shots"]
def gen_one(shot: dict, ref_image: str, retries: int = 2):
"""单张出图，失败指数退避重试"""
for attempt in range(retries + 1):
try:
with open(ref_image, "rb") as f:
img = client.images.edit(
model="gpt-image-2",
image=f,
prompt=shot["prompt"] + STYLE_BLOCK,
size=shot.get("size", "2048x2048"),
)
return shot["scene"], img.data[0].b64_json
except Exception as e:
print(f"[{shot['scene']}] 第 {attempt + 1} 次失败：{e}")
time.sleep(2 ** attempt)
return shot["scene"], None
def gen_image_set(sku: str, product: str, ref_image: str, workers: int = 5):
shots = plan_shots(product)
out_dir = Path("output") / sku
out_dir.mkdir(parents=True, exist_ok=True)
(out_dir / "plan.json").write_text(json.dumps(shots, ensure_ascii=False, indent=2))
with ThreadPoolExecutor(max_workers=workers) as pool:
results = dict(pool.map(lambda s: gen_one(s, ref_image), shots))
# 失败单张补生成一轮
failed = [s for s in shots if results.get(s["scene"]) is None]
for s in failed:
results[s["scene"]] = gen_one(s, ref_image, retries=3)[1]
for scene, b64 in results.items():
if b64:
(out_dir / f"{scene}.png").write_bytes(base64.b64decode(b64))
print(f"{sku}: 成功 {sum(1 for v in results.values() if v)}/{len(shots)} 张")
if __name__ == "__main__":
gen_image_set(
sku="cup-green-500",
product="墨绿色 316 不锈钢保温杯，500ml，24 小时保温，一键弹盖",
ref_image="cup.png",
)
并发放量的 3 个阶段
虽然没有并发上限，我们仍然建议按阶段放量，先验证效果再扩大规模，避免一次性跑出几百张不合格的图：
- 小规模测试：选 1-3 个 SKU，串行或低并发跑通，人工检查产品还原度、文字正确率和风格统一度。
- 中等并发：效果稳定后，开到每套图 5 并发、同时 5-10 个 SKU，观察失败率和平均耗时。
- 批量放量：确认失败率可控后，按业务量继续提高并发，500 RPM 以内都可以直接跑。
| 调用方式 | 一套 5 张耗时 | 稳定性 | 适用阶段 |
|---|---|---|---|
| 串行调用 | 约 5 倍单张耗时 | 最稳，便于调试 | 提示词调试期 |
| 套内并发（5 线程） | 约等于最慢单张 | 稳定 | 日常上新 |
| 多 SKU + 套内并发 | 与单套接近 | 需配合重试 | 大促批量上新 |
🚀 放量建议：对于大促前集中上新的场景，我们推荐通过 API易 apiyi.com 采用「多 SKU + 套内并发」模式。平台 500 RPM 以下无需任何申请，配合失败单张补生成机制，几十个 SKU 的整套图可以在很短时间内全部完成。
gpt-image-2 电商套图方案怎么选
两种方案并不互斥，实际业务中经常组合使用。下面按常见平台和场景给出推荐：
| 平台/场景 | 推荐方案 | 建议张数 | 说明 |
|---|---|---|---|
| 淘宝/天猫主图 | 方案二 | 5 张 | 主图、白底、卖点、场景、参数各一张 |
| 淘宝/拼多多详情页 | 方案一 + 方案二 | 3-6 张半屏图 | 分段生成后纵向拼接 |
| 亚马逊 Listing | 方案二 | 7 张 | 首图白底严格合规，其余做卖点和场景 |
| 独立站商品页 | 方案二 | 4-6 张 | 场景图权重更高，突出品牌调性 |
| 小红书种草 | 方案二 | 3-6 张 | 3:4 竖版，生活化场景为主 |
| 活动海报/卖点合集 | 方案一 | 1 张 | 单图信息集中，传播效率高 |
选择的核心原则很简单：需要独立投放、独立展示的图，用方案二；只在一个页面里连续阅读的内容，用方案一。如果拿不准，就先用方案二出主图和场景图，再用方案一出一张卖点合集长图，覆盖面最广。
💡 组合建议：两种方案用的是同一个 gpt-image-2 模型、同一套 API Key。建议把两套流程封装成一个服务，按商品类型自动选择方案，商家只需要上传一张产品图和几行卖点文字即可。
常见问题
gpt-image-2 的 n 参数能直接生成电商套图吗？
不能。官方 gpt-image-2 和 2.5 系列都支持 n 参数，API易 也支持，但它是同一个提示词生成 n 张变体。套图的每张图内容不同，需要不同的提示词，所以要多次调用。n 更适合用在主图这种关键位置做择优。
生成的多张图里产品长得不一样怎么办？
这是套图最常见的问题。最有效的做法是每次调用都用 edits 接口传入同一张产品实拍图，并在提示词里写明「保持参考图中产品的颜色、Logo 和结构不变」。同时把风格描述固定成 style block，不要让文本模型自由发挥。参考图建议用背景干净、光线均匀的实拍图，还原效果最好。
图中的中文文字渲染错误怎么处理？
gpt-image-2 的中文渲染能力已经很强，但文字越多出错概率越高。建议每张图的文字控制在 2-3 个短句以内，在提示词中用引号标出文字原文。如果某张图文字出错，只重新生成这一张即可，不用整套重来。
文本拆解用哪个模型最划算？
调试提示词模板时用 gpt-6.1-sol，规划质量最好；模板稳定后批量跑量，可以切换到 claude-haiku-5-5 或 gemini-3.8-flash，成本更低、速度更快。这一步每套图只调用一次，花费远低于出图本身。三款模型在 API易 apiyi.com 上用同一个 API Key 即可调用。
并发调用需要申请额度吗？
不需要。API易 对 gpt-image-2 没有设置并发上限，500 RPM 以下直接使用即可。建议先用 1-3 个 SKU 做小规模测试，确认效果后再逐步提高并发放量。
总结
gpt-image-2 生成电商套图，关键在于理解它「一次调用对应一个提示词」的接口特性。n 参数解决的是择优问题，套图需要的是多个不同提示词的多次调用。在这个前提下，详情页、卖点合集这类连续阅读的内容，可以用单图多维度方案一次生成；主图、场景图这类需要独立展示的套图，用文本模型拆解 + 并发调用的流水线批量完成。
两条路线的共同核心是一致性控制：固定的 style block 加上同一张产品参考图，是让多张图看起来出自同一个设计团队的关键。并发方面，500 RPM 以下可以直接放量，按「小规模测试 → 中等并发 → 批量放量」三步走最稳妥。
我们建议通过 API易 apiyi.com 一站式完成整条流水线：gpt-6.1-sol、claude-haiku-5-5、gemini-3.8-flash 负责需求拆解，gpt-image-2 负责出图，一个 API Key 打通全部环节，可以快速搭建自己的电商套图生成服务。
作者: APIYI Team | 专注 AI 大模型 API 技术分享，更多模型接入教程欢迎访问 API易 apiyi.com
