image-gen

画像生成スキル

Gemini ネイティブ画像生成を使って、ウェブサイトの画像を生成・編集します。

⚠️ 重要：SDK の移行が必要です

重要：@google/generative-ai パッケージは、2025 年 11 月 30 日をもって非推奨になりました。すべての新しいプロジェクトで @google/genai を使用する必要があります。

移行が必要です：

// ❌ OLD (deprecated, support ended Nov 30, 2025)
import { GoogleGenerativeAI } from "@google/generative-ai";
const genAI = new GoogleGenerativeAI(API_KEY);

// ✅ NEW (required)
import { GoogleGenAI } from "@google/genai";
const ai = new GoogleGenAI({ apiKey: API_KEY });

出典：GitHub リポジトリの移行に関するお知らせ

モデル

モデル	ID	ステータス	最適な用途
Gemini 3 Pro Image	gemini-3-pro-image-preview	プレビュー（2025 年 11 月 20 日）	4K、複雑なプロンプト、テキスト
Gemini 2.5 Flash Image	gemini-2.5-flash-image	GA（2025 年 10 月 2 日）	高速な反復、一般的な用途
Imagen 4.0	imagen-4.0-generate-001	GA（2025 年 8 月 14 日）	代替プラットフォーム

非推奨モデル（使用しないでください）：

• gemini-2.0-flash-exp-image-generation - 2025 年 11 月 11 日に終了
• gemini-2.0-flash-preview-image-generation - 2025 年 11 月 11 日に終了
• gemini-2.5-flash-image-preview - 2026 年 1 月 15 日に終了予定

出典：Google AI の変更履歴

機能

機能	対応状況
テキストから生成	✅
既存画像の編集	✅
アスペクト比の変更	✅
画像の拡張・延長	✅
スタイルの変換	✅
色の変更	✅
要素の追加・削除	✅
画像内のテキスト	✅（読みやすい！）
複数の参照画像	✅（最大 14 枚：人物は最大 5 枚、物体は最大 9 枚）
4K 解像度	✅（Pro のみ）

注：人物の参照画像が 5 枚を超えると、キャラクターの一貫性が予測不能になります。安定した結果を得るには、人物画像を 5 枚以下にしてください。

アスペクト比

1:1   | 2:3  | 3:2  | 3:4  | 4:3
4:5   | 5:4  | 9:16 | 16:9 | 21:9

解像度（Pro のみ）

サイズ	1:1	16:9	4:3
1K	1024x1024	1376x768	1184x880
2K	2048x2048	2752x1536	2368x1760
4K	4096x4096	5504x3072	4736x3520

クイックスタート

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });

// Generate new image
const response = await ai.models.generateContent({
  model: "gemini-2.5-flash-image",
  contents: "A professional plumber in hi-vis working in modern Australian home",
  config: {
    responseModalities: ["TEXT", "IMAGE"],  // BOTH required - cannot use ["IMAGE"] alone
    imageGenerationConfig: {
      aspectRatio: "16:9",
    },
  },
});

// Extract image
for (const part of response.candidates[0].content.parts) {
  if (part.inlineData) {
    const buffer = Buffer.from(part.inlineData.data, "base64");
    fs.writeFileSync("hero.png", buffer);
  }
}

重要：responseModalities には ["TEXT", "IMAGE"] の両方を含める必要があります。["IMAGE"] のみを使用すると、失敗したり予期しない結果になったりする場合があります。

モデルの選択

要件	使用モデル
高速な反復	Gemini 2.5 Flash Image
4K 解像度	Gemini 3 Pro Image Preview
画像内のテキスト	Gemini 3 Pro（4K で可読率 94%）
シンプルな編集	Gemini 2.5 Flash Image
複雑な構図	Gemini 3 Pro Image Preview
インフォグラフィック／図	Gemini 3 Pro Image Preview

テキスト描画のベンチマーク（4K 解像度）：

• Gemini 3 Pro Image：テキスト可読率 94%
• DALL-E 3：テキスト可読率 78%
• Midjourney：装飾的な疑似テキストのみ

使用する場面

Gemini Image Gen を使用する場合：

• ストック写真がブランドやコンテキストに合わない
• オーストラリア固有の画像が必要
• 画像内にテキストが必要（インフォグラフィック、図）
• 複数の画像でスタイルを統一する必要がある
• 既存画像の編集・変更が必要
• クライアントが自社の写真を持っていない

使用しない場合：

• クライアントが実際の作業を撮影した良質な写真を持っている
• 実際のチーム写真が必要（まず相談してください）
• 製品写真（実物の製品を使用してください）
• 法務・コンプライアンス上の懸念がある

既知の問題の防止

このスキルは、文書化されている 5 件の問題を防ぎます。

問題 #1：解像度パラメーターの大文字・小文字の区別

エラー：無効なパラメーターエラーでリクエストが失敗する 出典：Google AI 画像生成ドキュメント 発生する理由：解像度の値は大文字・小文字が区別され、K は大文字で指定する必要があります。 防止方法：必ず "4K"、"2K"、"1K" を使用してください。小文字の "4k" は使用しないでください。

// ❌ WRONG - causes request failure
config: { imageGenerationConfig: { resolution: "4k" } }

// ✅ CORRECT - uppercase required
config: { imageGenerationConfig: { resolution: "4K" } }

Issue #2: アスペクト比が無視される場合がある（2025年9月以降）

エラー：16:9 などの比率を指定しても、1:1 の正方形画像が返されます 出典：Google サポートスレッド 原因：2025年9月のバックエンド更新により、Gemini 2.5 Flash Image モデルのアスペクト比の処理に影響が生じました。 予防策：アスペクト比を確実に制御するには Gemini 3 Pro Image Preview を使用するか、1:1 の画像を生成して複数ターンの編集で拡張してください。

// May ignore aspectRatio on Gemini 2.5 Flash Image
model: "gemini-2.5-flash-image",
config: { imageGenerationConfig: { aspectRatio: "16:9" } }

// More reliable for aspect ratio control
model: "gemini-3-pro-image-preview",
config: { imageGenerationConfig: { aspectRatio: "16:9" } }

状況：Google は修正に取り組んでいることを確認しています（2025年9月）。

Issue #3：人物の参照画像が5枚を超える

エラー：生成画像のキャラクターの一貫性が予測不能になります 出典：Google AI 画像生成ドキュメント 原因：Gemini 3 Pro Image は参照画像を合計14枚までサポートしますが、キャラクターの一貫性を保つために使用できる人物画像は5枚までです。 予防策：人物画像は5枚以下にしてください。残りの枠（合計14枚まで）は物体やシーンに使用してください。

// ❌ WRONG - 7 human images exceeds limit
const humanImages = [img1, img2, img3, img4, img5, img6, img7];
const prompt = [
  { text: "Generate consistent characters" },
  ...humanImages.map(img => ({ inlineData: { data: img, mimeType: "image/png" }})),
];

// ✅ CORRECT - max 5 human images
const humanImages = images.slice(0, 5);  // Limit to 5
const objectImages = images.slice(5, 14);  // Up to 9 more for objects
const prompt = [
  { text: "Generate consistent characters" },
  ...humanImages.map(img => ({ inlineData: { data: img, mimeType: "image/png" }})),
  ...objectImages.map(img => ({ inlineData: { data: img, mimeType: "image/png" }})),
];

Issue #4：SynthID ウォーターマークを無効にできない

エラー：該当なし（仕様上の制限） 出典：Google AI 画像生成ドキュメント 原因：生成されるすべての画像には、コンテンツの真正性を追跡するための SynthID ウォーターマークが自動的に付与されます。 予防策：商用利用の際は、この制限にご注意ください。開発者がウォーターマークを無効にすることはできません。

Issue #5：Google Search のグラウンディングで画像検索結果が除外される

エラー：生成画像に反映されるのはテキストのみで、視覚的な検索結果は反映されません 出典：Google AI 画像生成ドキュメント 原因：画像生成で Google Search ツールを使用する場合、「画像に基づく検索結果は生成モデルに渡されません」。 予防策：視覚的な出力に反映されるのはテキストベースの検索結果のみです。検索結果の画像をモデルが参照することは期待しないでください。

// Google Search tool enabled
const response = await ai.models.generateContent({
  model: "gemini-3-pro-image-preview",
  contents: "Generate image of latest iPhone design",
  tools: [{ googleSearch: {} }],
  config: { responseModalities: ["TEXT", "IMAGE"] },
});
// Result: Only text search results used, not image results from web search

料金

現在の料金（2025年11月時点）：

• Gemini 2.5 Flash Image：画像1枚あたり約$0.008
  • 入力：画像1枚あたり258トークン
  • 出力：画像1枚あたり1290トークン
  • 料金：出力トークン100万個あたり$30.00

注：generateImages API（Imagen モデル）は、レスポンスに usageMetadata を返しません。上記の料金に基づいて、手動でコストを追跡してください。

出典：Google Developers Blog - Gemini 2.5 Flash Image

参照ファイル

• references/prompting.md - 効果的なプロンプトのパターン
• references/website-images.md - ヒーロー画像、サービス画像、背景画像のテンプレート
• references/editing.md - 複数ターンの編集パターン
• references/local-imagery.md - オーストラリア固有の詳細
• references/integration.md - API コード例

---

最終確認日：2026-01-21 | スキルバージョン：2.0.0 | 変更点：SDK の移行に関する重要な注意を追加、現行のモデル名（gemini-3-pro-image-preview、gemini-2.5-flash-image）に更新、既知の問題を5件追加（解像度の大文字・小文字の区別、アスペクト比の不具合、参照画像の上限、SynthID ウォーターマーク、Google Search のグラウンディング）、料金のセクションを追加、テキスト描画のベンチマークを追加。