image-generation

画像生成

mode="image" を指定して generate_media を使うと、画像を生成できます。利用可能な API キーに基づいて、システムが最適なバックエンドを自動選択します。

クイックスタート

# Simple text-to-image (auto-selects backend)
generate_media(prompt="A cat in space", mode="image")

# Specify backend and quality
generate_media(prompt="A logo for a coffee shop", mode="image",
               backend_type="openai", quality="high")

# Batch generation (parallel)
generate_media(prompts=["sunset over ocean", "mountain landscape", "city at night"],
               mode="image", max_concurrent=3)

バックエンドの比較

バックエンド	デフォルトモデル	強み	API キー
Google（優先度 1）	gemini-3.1-flash-image-preview（Nano Banana 2）	高速、柔軟なサイズ設定、画像編集、複数ターン	GOOGLE_API_KEY または GEMINI_API_KEY
OpenAI（優先度 2）	gpt-5.4	高品質、透明な背景、レスポンス ID による続行	OPENAI_API_KEY
Grok（優先度 3）	grok-imagine-image	1k 解像度、保存されたデータ URI による続行	XAI_API_KEY
OpenRouter（優先度 4）	google/gemini-3.1-flash-image-preview	単一の API で複数のモデルを利用可能	OPENROUTER_API_KEY

主なパラメーター

パラメーター	説明	例
prompt	画像のテキストによる説明	"山々を描いた水彩画"
backend_type	特定のバックエンドを強制的に指定	"google", "openai", "grok", "openrouter"
model	デフォルトモデルを上書き	スタジオ品質の場合は "gemini-3-pro-image-preview"
quality	画像の品質（OpenAI）	"low", "medium", "high", "auto"
size	画像の寸法	バックエンドのリファレンスを参照
aspect_ratio	アスペクト比	"16:9", "1:1", "4:5"
input_images	画像から画像への編集に使う元画像	["photo.jpg"]
continue_from	複数ターン編集の続行 ID	result["continuation_id"]

画像から画像への編集

input_images を指定すると、既存の画像を変換できます。

generate_media(
    prompt="Make it look like a watercolor painting",
    mode="image",
    input_images=["photo.jpg"]
)

画像から画像への編集に対応するバックエンドは、Google（Gemini）、OpenAI、Grok です。現在のバックエンドが対応していない場合、システムが対応するバックエンドを自動選択します。

複数ターン編集（続行）

continue_from を使うと、画像を段階的に調整できます。

# First generation
result = generate_media(prompt="A logo for a coffee shop", mode="image")

# Refine using the continuation ID
result2 = generate_media(
    prompt="Make the text larger and add a cup icon",
    mode="image",
    continue_from=result["continuation_id"]
)

バックエンドごとに異なる続行方法を使用します。

• OpenAI：previous_response_id を渡します（ステートレス）
• Google Gemini：メモリー内のチャットストア（LRU、50 項目）
• Grok：メモリー内のデータ URI ストア（LRU、50 項目）

続行が機能するのは、画像を 1 枚だけ生成する場合に限られます（バッチ生成には対応していません）。

Google：Gemini と Imagen

Google は 2 種類の API パスに対応しています。Gemini（Nano Banana 2）はデフォルトであり、ほとんどの用途で推奨されます。 Imagen が必要なのは、高度な参照画像編集機能を使う場合のみです。

• Gemini モデル（gemini-*）：generate_content() — テキストからの画像生成、input_images による画像編集、複数ターンでの続行
• Imagen モデル（imagen-*）：generate_images() / edit_image() — negative_prompt / seed / guidance_scale を使ったテキストからの画像生成に加え、参照画像を使ったスタイル転送、コントロール編集、被写体の一貫性維持

スタジオ品質の精度とテキスト描画には、model="gemini-3-pro-image-preview"（Pro ティア）を使ってください。

さらに細かく制御するには

• バックエンドごとのサイズ、品質オプション、注意点： references/backends.md を参照
• extra_params の完全なリファレンス： references/extra_params.md を参照
• 高度な編集（インペインティング、スタイル転送、コントロール、被写体）： references/editing.md を参照