gemini-3-image-generation

Gemini 3 Pro 图像生成（Nano Banana Pro）

使用 Gemini 3 Pro Image（gemini-3-pro-image-preview）生成图像的全面指南，该模型也称为 Nano Banana Pro。本技能专注于图像输出（生成图像）——如需输入（分析图像），请参阅 gemini-3-multimodal。

概述

Gemini 3 Pro Image（Nano Banana Pro 🍌）是 Google 的图像生成模型，支持原生 4K、图像内文本渲染、借助 Google Search 实现有依据的生成，以及对话式编辑功能。

主要功能

• **4K 分辨率：**原生 4K 生成，支持升频至 2K/4K
• **文本渲染：**在图像中渲染高质量文本
• **有依据的生成：**使用 Google Search 生成经事实核验的图像
• **对话式编辑：**通过多轮对话修改图像并保留上下文
• **宽高比：**支持 4K 下的 16:9 和自定义比例
• **质量控制：**经过微调的生成参数

何时使用此技能

• 根据文本提示生成图像
• 创建 4K 分辨率图像
• 在图像中渲染文本
• 生成经事实核验的图像（有依据的生成）
• 对话式图像编辑
• 多轮图像优化
• 自定义宽高比图像

---

快速入门

前提条件

• Gemini API 设置（请参阅 gemini-3-pro-api 技能）
• 模型：gemini-3-pro-image-preview

Python 快速入门

import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")

# Use the image generation model
model = genai.GenerativeModel("gemini-3-pro-image-preview")

# Generate image
response = model.generate_content("A serene mountain landscape at sunset")

# Save image
if response.parts:
    with open("generated_image.png", "wb") as f:
        f.write(response.parts[0].inline_data.data)
    print("Image saved!")

Node.js 快速入门

import { GoogleGenerativeAI } from "@google/generative-ai";
import fs from "fs";

const genAI = new GoogleGenerativeAI("YOUR_API_KEY");
const model = genAI.getGenerativeModel({ model: "gemini-3-pro-image-preview" });

const result = await model.generateContent("A serene mountain landscape at sunset");
const imageData = result.response.parts[0].inlineData.data;

fs.writeFileSync("generated_image.png", Buffer.from(imageData, "base64"));
console.log("Image saved!");

---

核心任务

任务 1：根据文本提示生成图像

**目标：**根据文本描述创建高质量图像。

Python 示例：

import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")

model = genai.GenerativeModel(
    "gemini-3-pro-image-preview",
    generation_config={
        "thinking_level": "high",  # Best quality
        "temperature": 1.0
    }
)

# Generate image
prompt = """A futuristic cityscape at night with:
- Neon lights and holographic advertisements
- Flying vehicles
- Tall skyscrapers with unique architecture
- Rain-slicked streets reflecting the lights
- Cinematic, detailed, 4K quality"""

response = model.generate_content(prompt)

# Save image
if response.parts and hasattr(response.parts[0], 'inline_data'):
    image_data = response.parts[0].inline_data.data
    with open("futuristic_city.png", "wb") as f:
        f.write(image_data)
    print("Image generated successfully!")
else:
    print("No image generated")

改进提示词的技巧：

• 描述具体、详尽
• 指定艺术风格（写实、卡通、油画等）
• 包含光线、情绪和氛围
• 提及质量等级（4K、细节丰富、高质量）
• 描述颜色、纹理和构图

参阅：references/generation-guide.md，了解全面的提示词编写技巧

---

任务 2：生成 4K 图像

**目标：**通过升频创建高分辨率 4K 图像。

Python 示例：

# Generate with 4K quality specification
prompt = """A photorealistic portrait of a scientist in a modern lab:
- 4K ultra-high definition
- Sharp focus on subject
- Soft bokeh background
- Professional studio lighting
- Fine detail in textures
- Cinema-grade quality"""

response = model.generate_content(prompt)

# 4K image will be generated
if response.parts:
    with open("scientist_4k.png", "wb") as f:
        f.write(response.parts[0].inline_data.data)

4K 功能：

• 支持原生 4K 分辨率
• 升频至 2K/4K
• 支持 4K 下的 16:9 宽高比
• 提升细节和清晰度

参阅：references/resolution-guide.md，了解分辨率控制

---

任务 3：在图像中渲染文本

**目标：**生成包含清晰易读、高质量文本的图像。

Python 示例：

prompt = """Create a professional business card design with:
- Company name: "TechVision AI"
- Text: "Dr. Sarah Chen"
- Text: "Chief AI Officer"
- Text: "[email protected]"
- Text: "+1 (555) 123-4567"
- Modern, clean design
- Professional fonts
- Blue and white color scheme
- All text clearly readable"""

response = model.generate_content(prompt)

if response.parts:
    with open("business_card.png", "wb") as f:
        f.write(response.parts[0].inline_data.data)

文本渲染最佳实践：

• 在引号中明确指定文本内容
• 要求文本“清晰易读”或“清晰可见”
• 保持文本简短、简单
• 可按需指定字体样式
• 使用高对比度背景

参阅：references/generation-guide.md，了解文本渲染技巧

---

任务 4：有依据的生成（经事实核验的图像）

**目标：**使用 Google Search grounding 生成功能准确的图像。

Python 示例：

# Enable Google Search grounding for factual accuracy
model_grounded = genai.GenerativeModel(
    "gemini-3-pro-image-preview",
    tools=[{"google_search_retrieval": {}}]  # Enable grounding
)

prompt = """Generate an accurate image of the International Space Station
with Earth in the background. Use current ISS configuration."""

response = model_grounded.generate_content(prompt)

if response.parts:
    with open("iss_grounded.png", "wb") as f:
        f.write(response.parts[0].inline_data.data)

    # Check if grounding was used
    if hasattr(response, 'grounding_metadata'):
        print(f"Grounding sources used: {len(response.grounding_metadata.grounding_chunks)}")

有依据的生成适用场景：

• 历史场景（符合相应时代）
• 科学可视化
• 时事
• 著名地标
• 产品展示图

优势：

• 确保事实准确
• 以现实世界信息为依据
• 减少幻觉
• 信息保持最新

**注意：**使用免费的 Google Search 配额（每天 1,500 次查询）

参阅：references/grounded-generation.md，了解全面指南

---

任务 5：对话式图像编辑

**目标：**通过多轮对话逐步优化图像。

Python 示例：

model = genai.GenerativeModel("gemini-3-pro-image-preview")

# Start a chat session for conversational editing
chat = model.start_chat()

# First generation
response1 = chat.send_message("Create a cozy coffee shop interior")

if response1.parts:
    with open("coffee_shop_v1.png", "wb") as f:
        f.write(response1.parts[0].inline_data.data)

# Refine the image
response2 = chat.send_message("Add more plants and warm lighting")

if response2.parts:
    with open("coffee_shop_v2.png", "wb") as f:
        f.write(response2.parts[0].inline_data.data)

# Further refinement
response3 = chat.send_message("Make it more minimalist, remove some decorations")

if response3.parts:
    with open("coffee_shop_v3.png", "wb") as f:
        f.write(response3.parts[0].inline_data.data)

对话式编辑功能：

• 在多轮对话中保留视觉上下文
• 逐步修改
• 使用自然语言指令
• 多轮优化
• 根据上下文进行更改

编辑指令示例：

• “调暗/调亮一些”
• “添加更多[元素]”
• “将配色方案改为[颜色]”
• “让它更写实/更具艺术感”
• “移除[元素]”

参阅：references/conversational-editing.md，了解高级模式

任务 6：自定义宽高比

目标： 按指定宽高比生成图像。

Python 示例：

# 16:9 aspect ratio (4K supported)
prompt_169 = "A cinematic landscape in 16:9 aspect ratio, 4K quality"

# Square aspect ratio
prompt_square = "A square logo design for a tech company"

# Portrait orientation
prompt_portrait = "A portrait-oriented movie poster"

response = model.generate_content(prompt_169)
# Image will be generated in specified ratio

支持的宽高比：

• 16:9 - 宽屏、电影效果（支持 4K）
• 1:1 - 正方形
• 4:3 - 标准
• 9:16 - 竖屏／肖像

---

任务 7：优化图像生成成本

目标： 平衡图像生成的质量和成本。

定价：

• 文本输入： 每 1M 个 token 收费 $1-2
• 文本输出： 每 1M 个 token 收费 $6-9
• 图像输出： 每张图像收费 $0.134（价格因分辨率而异）

Python 成本优化：

def generate_with_cost_tracking(prompt):
    """Generate image and track costs"""

    response = model.generate_content(prompt)

    # Calculate cost
    usage = response.usage_metadata
    input_cost = (usage.prompt_token_count / 1_000_000) * 2.00
    output_cost = (usage.candidates_token_count / 1_000_000) * 9.00
    image_cost = 0.134  # Per image

    total_cost = input_cost + output_cost + image_cost

    print(f"Input tokens: {usage.prompt_token_count} (${input_cost:.6f})")
    print(f"Output tokens: {usage.candidates_token_count} (${output_cost:.6f})")
    print(f"Image cost: ${image_cost:.6f}")
    print(f"Total: ${total_cost:.6f}")

    return response

response = generate_with_cost_tracking("A beautiful sunset over mountains")

成本优化策略：

1. 批量请求： 在一个会话中生成多张图像
2. 重复使用聊天会话： 对话式编辑效率更高
3. 使用具体的提示词： 清晰的提示词可减少重新生成的需求
4. 监控用量： 跟踪每个项目的成本
5. 选择合适的质量： 并非所有图像都需要 4K

参见： references/pricing-optimization.md，了解详细策略

---

批量图像生成

import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel("gemini-3-pro-image-preview")

prompts = [
    "A serene mountain lake at dawn",
    "A bustling market in Morocco",
    "A futuristic robot assistant",
    "An abstract geometric pattern"
]

for i, prompt in enumerate(prompts):
    print(f"Generating image {i+1}/{len(prompts)}: {prompt}")

    response = model.generate_content(prompt)

    if response.parts:
        with open(f"generated_{i+1}.png", "wb") as f:
            f.write(response.parts[0].inline_data.data)
        print(f"  Saved: generated_{i+1}.png")

---

错误处理

from google.api_core import exceptions

def safe_image_generation(prompt):
    """Generate image with error handling"""

    try:
        response = model.generate_content(prompt)

        if not response.parts:
            return {"success": False, "error": "No image generated"}

        if not hasattr(response.parts[0], 'inline_data'):
            return {"success": False, "error": "Invalid response format"}

        return {
            "success": True,
            "image_data": response.parts[0].inline_data.data,
            "mime_type": response.parts[0].inline_data.mime_type
        }

    except exceptions.InvalidArgument as e:
        return {"success": False, "error": f"Invalid prompt: {e}"}
    except exceptions.ResourceExhausted as e:
        return {"success": False, "error": f"Rate limit exceeded: {e}"}
    except Exception as e:
        return {"success": False, "error": f"Error: {e}"}

---

参考资料

核心指南

• 模型设置 - Nano Banana Pro 配置
• 生成指南 - 全面的提示词技巧
• 基于事实的生成 - 经事实核验的图像生成
• 对话式编辑 - 多轮优化

优化

• 分辨率指南 - 4K 和质量控制
• 定价优化 - 成本管理

脚本

• 图像生成脚本 - 可用于生产环境的生成脚本
• 基于事实的生成脚本 - 经事实核验的图像
• 图像编辑脚本 - 对话式编辑

官方资源

• Imagen 3 文档
• 图像生成指南
• 定价

---

相关技能

• gemini-3-pro-api - 基础设置、身份验证、文本生成
• gemini-3-multimodal - 图像输入（分析图像）
• gemini-3-advanced - 高级功能（缓存、批处理、工具）

---

最佳实践

1. 描述具体： 详细的提示词能生成更好的结果
2. 指定质量： 明确要求 4K 或高质量
3. 使用事实依据： 启用此功能以提高事实准确性
4. 通过对话迭代： 使用聊天进行优化
5. 监控成本： 跟踪用量，尤其是 4K 图像
6. 处理错误： 实现重试逻辑
7. 正确保存图像： 使用二进制模式写入

---

故障排除

问题：未生成图像

解决方案： 检查 response.parts 是否存在，以及是否具有 inline_data 属性

问题：图像质量较低

解决方案： 在提示词中添加“4K”“高质量”“细节丰富”

问题：图像中的文字无法辨认

解决方案： 用引号明确指定文字，并要求“文字清晰可读”

问题：图像内容不符合事实

解决方案： 启用基于事实的生成，并使用 Google Search

问题：成本过高

解决方案： 优化提示词、批量发送请求并监控用量

---

总结

此技能提供完整的图像生成能力：

✅ 文本生成图像 ✅ 原生支持 4K ✅ 在图像中渲染文字 ✅ 基于事实的生成（经事实核验） ✅ 对话式编辑 ✅ 自定义宽高比 ✅ 成本优化 ✅ 可用于生产环境的示例

准备好生成图像了吗？ 从上文的任务 1：根据文本提示词生成图像开始！