CommunityImagemgithub.com

Foto de produto

Edita ou gera imagens fotorrealistas de produtos, comida e cenas que não pareçam sintéticas. Usa a foto de referência quando existe e escolhe o modelo conforme seja preciso reiluminar ou criar de raiz.

O que é Foto de produto?

Foto de produto passa cada imagem por um único script. Fotos reais são reiluminadas ou reencenadas; uma imagem nova só nasce se não houver placa. Cobre quadrado, história e vertical para catálogos e publicações.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/umi008/product-photo-ai/tree/HEAD/plugins/product-photo-ai/skills/product-photo-ai

Installed? Explore more Imagem skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Product Photo AI

Toda geração ou edição de imagem passa por scripts/gen.py. Não faça composição manual com PIL/rembg; não use outras ferramentas de imagem.

GEN="${CLAUDE_SKILL_DIR}/scripts/gen.py"
python3 "$GEN" --credits
python3 "$GEN" --prompt-file p.txt --refs photo.jpg --format vertical --out out.png
python3 "$GEN" --model black-forest-labs/flux.2-max --prompt-file p.json --refs photo.jpg --format auto --no-upsample --out out.png

Use python em vez de python3 se for o que a máquina tem. Apenas biblioteca padrão.

Modelo

ModeloQuandoCusto / tempo
Nano Banana 2.1 (padrão)editando fotos reais do usuário: iluminação, clima, adereços, toques sazonais~$0,055 em 2K · ~20 s
FLUX.2 Max (--model black-forest-labs/flux.2-max)texto para imagem do zero, controle fino com JSON/hex, repetir um layout com --seed, ou quando o Nano falhar duas vezes~$0,16 em 2MP, ~$0,22 em 4MP · 30–50 s

Por quê: em um teste cego (4 casos, 4 modelos), o Nano Banana 2.1 ficou em 1º lugar em todos os casos que tiveram um vencedor e foi o único modelo que nunca foi marcado como "parece IA"; o FLUX.2 Max foi marcado em todos os 4. Detalhes: references/realism.md → Histórico.

Configuração

  • Chave em OPENROUTER_API_KEY ou ~/.openrouter-key (o usuário a cria). Nunca imprima, exiba ou coloque em um comando curl.
  • As chamadas levam de 20 a 140 s: dê ao Bash um tempo limite longo (ex.: 600000 ms) ou execute em segundo plano.
  • Antes de um lote: execute --credits e informe o saldo versus o custo estimado. Confirme com o usuário se um lote custar mais de ~$1. HTTP 402 sem in_flight = créditos insuficientes: informe, não tente novamente, salve os prompts.
  • Várias variantes: um gen.py por variante em paralelo, no máximo 2–3 por vez com saldo pequeno (OpenRouter corta com 402 in_flight_budget_exhausted). Reporte cada código de saída e stderr.

Decisão

CasoComo
FormatoOs habituais: vertical (9:16, story) e square (1:1). Se não for informado, pergunte ou entregue vertical
Fotos do produto DELES--refs + o formato solicitado. Se a proporção diferir da foto, o modelo estende a cena: adicione estenda a cena naturalmente para preencher o quadro, mantendo o produto do mesmo tamanho e centralizado (testado com Nano 3:4 → 9:16 e 1:1). --format auto apenas para manter a proporção da foto
Feed do Instagram--format insta (4:5)
Sem fotostexto para imagem, FLUX.2 Max com JSON
Alterar a forma/altura do produtotexto para imagem descrevendo o produto inteiro (edições mantêm proporções)
Outro formato depoisregenerar com outro --format; nunca recortar

Flags do script

  • --format: vertical 9:16 (padrão) · insta 4:5 · portrait 3:4 · tall 2:3 · square 1:1 · classic 4:3 · landscape 16:9 · wide 21:9 · auto (proporção da primeira ref).
  • Nano: gera 2K; sem semente (cada execução varia). Até 14 refs na API, 8 pelo script.
  • FLUX.2 Max: --quality auto|hi|std (~4MP/~2MP; auto = hi com 0–2 refs). --no-upsample desliga o reescritor de prompts da BFL: use SEMPRE para edições (mais fiel). --seed N repete um layout. Mais de 6 refs → --size 1024x1024 (máx. 8).
  • stdout é uma linha JSON com o cost_usd real e seed.

Criando prompt para Nano Banana 2.1 (edições)

Nano é um modelo de instrução: fale com ele como um editor de fotos, em prosa, não JSON.

  1. Abra com verbo + escopo: Usando a foto fornecida, mude apenas a iluminação. / …adicione alguns pequenos adereços no pano. "Mude apenas" funciona como uma máscara semântica.
  2. Descreva a mudança fisicamente: fonte, direção, qualidade, cor (cor #FFE2B8, cerca de 5000K, não laranja), como as sombras caem.
  3. Feche com uma lista de preservação nomeando cada coisa: forma, redemoinhos, glacê, fita, base, dobras, enquadramento, foco e o visual de câmera de celular com seu grão. Sem essa última parte, ele "limpa" a foto e ela parece IA.
  4. 2–6 frases. Se ele se desviar, encurte: elimine adjetivos, mude uma coisa. Frases simples como faça parecer que entrou um pouco mais de sol, como uma correção de cor sutil também funcionam bem para mudanças sutis.
  5. Fraseado positivo, sem "sem X": canto vazio do pano, não sem bagunça.
  6. Multi-ref: diga o papel de cada imagem (a primeira imagem é o produto a manter, a segunda é a referência de clima para a luz).
  7. Itere a partir do original para alternativas; a partir da última boa apenas para mudanças cumulativas (erros se acumulam).

Modelos prontos: references/templates.md.

Criando prompt para FLUX.2 Max (guia BFL)

FLUX descreve a imagem final, não a instrução.

  1. Ordene sujeito → ação → estilo → contexto; as primeiras palavras têm mais peso. 30–80 palavras, a menos que a cena seja complexa.
  2. Sem prompts negativos. Tudo positivo: foco nítido em toda a imagem, acabamento fosco, sombras de bordas suaves.
  3. Câmera real: filmado em iPhone 15, grão natural para um visual caseiro; Fujifilm X-T5, 35mm f/1.4 ou Kodak Portra 400 para editorial.
  4. Hex vinculado a um objeto com a palavra cor: a cobertura é da cor #FFF8E7. Produto multicolorido: um sujeito por componente + color_match: "exato".
  5. Edição: abra com A mesma foto de [produto] da imagem 1, inalterada: [lista], depois a nova luz.
  6. JSON para produção/múltiplos sujeitos; linguagem natural para explorar. Itere um campo de cada vez, mesma semente.
  7. Texto na imagem: texto exato entre aspas, posição, tipo de fonte, tamanho e cor.

Esquema (serializado para --prompt-file; exemplo em examples/prompt-example.json):

{
  "scene": "...",
  "subjects": [{"description": "...", "position": "...", "action": "...", "color_palette": ["#hex"], "color_match": "exact"}],
  "style": "...", "color_palette": ["#hex"], "lighting": "...", "mood": "...",
  "background": "...", "composition": "...",
  "camera": {"angle": "...", "lens": "50mm f/2.2", "depth_of_field": "..."}
}

Regras de realismo (ambos os modelos)

Detalhes e blocos copiáveis: references/realism.md.

  • Luz difusa suave > luz dura. Sombras duras de janela através do quadro denunciam IA (a razão #1 de rejeição no teste cego). Peça por sombras suaves, difusas, de baixo contraste, realces suaves.
  • Aquecimento moderado: informe hex + Kelvin + não laranja (Nano) / não branco neutro (FLUX). ~5000K parece luz do sol sem pintar tudo de laranja.
  • Uma fonte de luz que exista na cena.
  • Sem mãos; o produto repousa sobre a superfície.
  • Mantenha o visual original da câmera (grão, leve suavidade). Nitidez de render = IA.
  • Adereços reais e mínimos (um raminho de pinheiro, 2 paus de canela, uma estrela de anis) em espaços vazios, sem tocar o produto. Sem cenários de catálogo, sem névoa.
  • Tecido texturizado (algodão fosco com trama visível) ou parece cetim plástico.

Fidelidade e contagem

  • Com uma referência, mantenha o ângulo, a altura da câmera e o enquadramento da foto.
  • Enumere cada produto por nome e posição. Feche com a contagem: exatamente seis cupcakes, exatamente quatro brownies. No FLUX: EXATAMENTE N itens distintos no total: [lista].
  • 3+ produtos semelhantes se fundem a menos que você os diferencie. 6+ que falham após 2 tentativas → gere cada um e recomponha com múltiplas referências.

Fluxo de trabalho

  1. Identifique: fotos sim/não, formato, quais alterações (luz / adereços / fundo).
  2. Analise cada foto (leia-a): produto, ângulo, luz atual, elementos exatos.
  3. Escreva o prompt em um arquivo temporário (.txt para Nano, .json para FLUX) e execute gen.py.
  4. Verifique observando a saída ao lado do original, em dois eixos:
    • Realismo: foto ou render? plástico? sombras duras estranhas? mãos, objetos flutuantes, detalhes deformados? contagem correta? produto idêntico ao original?
    • Brief: a luz/cor solicitada está visível? Verifique a temperatura explicitamente.
  5. Falha → tentativa 2: encurte o prompt e mude uma coisa. Segunda falha → tente FLUX.2 Max com --no-upsample. Máximo de 3 tentativas; então entregue o melhor e diga o que falhou.
  6. Entregue o arquivo com uma linha sobre o que mudou e seu custo. No final de um lote: custo total e saldo.
  7. Exclua os arquivos temporários de prompt.

Predefinições

Receitas completas de luz em references/light-presets.md.

PredefiniçãoLuz / estiloUso
Sol suave (padrão para edições)sol difuso de inverno através de uma cortina, #FFE2B8 ~5000Ko visual caseiro/dos sonhos do Pinterest
Natal simplessol suave + 2–4 adereços naturais + bokeh quente distantesazonal, não de catálogo
Aconchegante realjanela quente suave, linho foscobrownies, bolos, pão
Estúdio limposoftbox 3 pontos, seamlesscatálogo, ecommerce
Noite realuma lâmpada quente, madeira riscada, ISO altoescuro crível
Hora douradasol baixo #FFC078, sombras longasherói quente
Mel suavejanela âmbar #FFD9A0, ~4600Kaconchegante, o mais uniforme

Habilidades Relacionadas