产品图

• Nano Banana 2

关于此流水线的文章

• AI图片生成器推荐：三款模型实用对比

产品图 API

从你自己的代码调用此流水线。一次请求即可发起运行；模型是一个输入字段，而不是独立的接口。

import { createClient } from "@pipe2-ai/sdk";

const client = createClient(process.env.PIPE2_TOKEN!);

const { run_pipeline } = await client.RunPipeline({
  pipeline_slug: "product-shots",
  input: {
    product_image: "https://example.com/product.png",
    environments: ["white_background","lifestyle","detail_closeup"],
  },
});

import asyncio
import os

from pipe2 import Pipe2Client

client = Pipe2Client(token=os.environ["PIPE2_TOKEN"])

run = asyncio.run(client.run_pipeline(
    pipeline_slug="product-shots",
    input={
        "product_image": "https://example.com/product.png",
        "environments": ["white_background","lifestyle","detail_closeup"],
    },
))

client := pipe2.NewClient(os.Getenv("PIPE2_TOKEN"))

input := json.RawMessage(`{
  "product_image": "https://example.com/product.png",
  "environments": ["white_background","lifestyle","detail_closeup"]
}`)

run, err := pipe2.RunPipeline(context.Background(), client, "product-shots", input)
if err != nil {
    log.Fatal(err)
}

pipe2 pipelines run \
  --pipeline product-shots \
  --input-json '{"product_image": "https://example.com/product.png", "environments": ["white_background","lifestyle","detail_closeup"]}' \
  --wait

获取 API 令牌 →

参数

environments 必填

要生成的 1-7 个场景数组。white_background 是符合亚马逊规范的主图（纯白背景，产品占比 85%）。lifestyle 是充满向往感的真实场景。in_use 展示双手拿着或使用产品（通过镜像神经元被证实能提升点击率）。detail_closeup 是微距质感特写（体现高端定价的合理性）。scale_reference 展示产品与手或常见物体的对比（减少因尺寸不符导致的退货）。gradient_studio 是高端广告创意背景。outdoor 是用于广告创意的自然环境。亚马逊 7 图公式为：white_background + lifestyle + scale_reference + detail_closeup + in_use + 第二张 lifestyle。按所选场景数量计费。

array 默认 white_background,lifestyle,detail_closeup

product_image 必填

源产品照片的 URL。一张即可，AI 会保留产品的形状、颜色和品牌标识，只更换背景。

string

aspect_ratio

Output aspect ratio for the generated shots.

1:14:53:42:34:39:1616:9 默认 1:1

在 AI 智能体中使用

将任意 MCP 客户端指向 pipe2，你的智能体就能获得这些工具。它会找到这条流水线，读取上方相同的 schema，然后运行它。

• list_pipelines
• get_pipeline_schema
• run_pipeline
• get_pipeline_run_status
• request_upload

{
  "mcpServers": {
    "pipe2ai": {
      "url": "https://mcp.pipe2.ai/mcp",
      "headers": { "Authorization": "Bearer YOUR_TOKEN" }
    }
  }
}

完整 API 参考→ MCP 设置→ CLI 参考→

常见问题