gemini-image

Name: gemini-image
Author: akrindev

github.com/akrindev创意与媒体7211 次安装34 周前更新

代码仓库

关于 gemini-image

gemini-image 是通过脚本调用 Google Gemini 和 Imagen 模型的图像生成技能，适用于需要从文本制作视觉素材的创作者。它支持调整模型、尺寸、比例和输出方式，并可一次生成多个变体。

主要功能

01通过提示词生成图像
02选择 Gemini 或 Imagen 模型
03设置分辨率与宽高比
04单次生成多个变体
05配置文件名和输出目录

适用场景

01制作社交媒体方图或竖版素材
02生成视频缩略图和文章头图
03为设计方案生成多个候选图
04制作高分辨率印刷素材

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/akrindev/google-studio-skills --skill gemini-image

安装后在 Claude Code 中输入/gemini-image确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

scripts/

generate_image.js

package-lock.json

package.json

详细介绍

Gemini 图像生成

通过可执行脚本，使用 Google 的 Gemini 和 Imagen 模型根据文本提示生成高质量图像。

何时使用此技能

在以下情况下使用此技能：

根据文本描述创建视觉内容
生成多个图像变体
按指定分辨率（1K、2K、4K）创建图像
为不同宽高比生成图像（社交媒体、横幅等）
生成写实图像或艺术视觉内容
创建带有人物生成控制的图像
一次批量生成多个图像
与文本生成结合，创作完整内容

可用脚本

scripts/generate_image.js

用途：使用 Gemini 3 Pro Image 或 Imagen 4 模型生成图像

使用场景：

任何图像生成任务
生成多个图像（每次请求 1-4 张）
需要自定义分辨率和宽高比
创建专业素材
生成写实或艺术图像

关键参数：

参数	说明	示例
`prompt`	文本描述（必填）	`"A futuristic city at sunset"`
`--model`、`-m`	要使用的模型	`gemini-3.1-flash-image-preview`
`--output-dir`、`-o`	图像输出目录	`images/`
`--name`、`-n`	输出文件的基础名称	`artwork`
`--no-timestamp`	禁用自动时间戳	标志
`--aspect`、`-a`	宽高比	`16:9`
`--size`、`-s`	分辨率	`2K` 或 `4K`
`--num`	图像数量（1-4）	`4`
`--person`	人物生成策略	`allow_adult`

输出：已保存 PNG 文件路径列表

工作流

工作流 1：基本图像生成

node scripts/generate_image.js "A futuristic city at sunset with flying cars"

最适合：快速生成图像、制作原型
模型：gemini-3.1-flash-image-preview（默认，Nano Banana 2）
输出：images/generated_image_YYYYMMDD_HHMMSS.png

工作流 2：社交媒体（Instagram、Facebook）

node scripts/generate_image.js "Minimalist coffee shop interior" --aspect 1:1 --size 2K --name coffee-shop

最适合：Instagram 帖子、头像
宽高比：1:1（正方形）
分辨率：2K（2048x2048）
输出：images/coffee-shop_YYYYMMDD_HHMMSS.png

工作流 3：YouTube 缩略图（16:9）

node scripts/generate_image.js "Tech gadget review thumbnail with vibrant colors" --aspect 16:9 --size 2K --name thumbnail

最适合：YouTube、视频缩略图
宽高比：16:9（宽屏）
分辨率：2K（2752x1536）
输出：images/thumbnail_YYYYMMDD_HHMMSS.png

工作流 4：多个变体

node scripts/generate_image.js "Abstract geometric patterns in blue and gold" --num 4 --name abstract

最适合：A/B 测试、设计选项
生成：4 个不同的变体
输出：images/abstract_YYYYMMDD_HHMMSS_0.png、images/abstract_YYYYMMDD_HHMMSS_1.png 等

工作流 5：自定义输出目录

node scripts/generate_image.js "Detailed architectural rendering of modern museum" --aspect 16:9 --size 4K --output-dir ./professional/ --name museum

最适合：印刷材料、高端素材、项目整理
模型：gemini-3.1-flash-image-preview 或 gemini-3-pro-image-preview（用于 4K）
分辨率：4K（16:9 为 5504x3072）
如果目录不存在，会自动创建

工作流 6：写实图像（Imagen 4）

node scripts/generate_image.js "Robot holding a red skateboard in urban setting" --model imagen-4.0-generate-001 --aspect 16:9 --size 2K --num 2 --name robot-skate

最适合：写实照片、产品照片
模型：imagen-4.0-generate-001（写实）
注意：仅支持英文提示词
每次请求最多生成 4 张图像

工作流 7：博客文章配图

node scripts/generate_image.js "Serene mountain lake at sunrise with reflections" --aspect 16:9 --size 2K --output-dir ./blog-images/ --name featured-image

最适合：博客页眉、文章配图
适合结合使用：gemini-text，用于生成博客内容

工作流 8：内容创作流程（文本 + 图像）

# 1. Generate content (gemini-text skill)
node skills/gemini-text/scripts/generate.js "Write a product description for smart home device"

# 2. Generate product image (this skill)
node scripts/generate_image.js "Sleek modern smart home device on white background" --aspect 4:3 --size 2K --name product

# 3. Create social media post

最适合：电子商务、营销活动
结合使用：gemini-text、gemini-batch，进行批量制作

工作流 9：禁用时间戳

node scripts/generate_image.js "Fixed filename image" --name my-image --no-timestamp

最适合：需要完全控制文件名时
输出：images/my-image.png（无时间戳）
使用场景：为特定命名方案或自动化流程生成文件

参数参考

模型选择

模型	昵称	质量	最大尺寸	最适合
`gemini-3.1-flash-image-preview`	Nano Banana 2	Pro 级	4K	新默认选择，速度快且质量出色
`gemini-3-pro-image-preview`	Nano Banana Pro	最高	4K	追求最高质量和复杂文本渲染
`gemini-2.5-flash-image`	Nano Banana	良好	2K	高调用量、低延迟
`imagen-4.0-generate-001`	Imagen 4	照片级真实感	2K	真实照片、产品图

宽高比

比例	用途	1K 尺寸	2K 尺寸
1:1	Instagram、头像	1024x1024	2048x2048
16:9	YouTube、演示文稿	1376x768	2752x1536
9:16	Instagram Stories、TikTok	768x1376	1536x2752
4:3	传统显示器	1024x768	2048x1536
3:4	纵向布局	768x1024	1536x2048
21:9	超宽屏	-	5504x2400

注意：gemini-3.1-flash-image-preview 和 gemini-3-pro-image-preview 支持 4K 分辨率

分辨率指南

尺寸	用途	最佳模型
1K（1024px）	网页缩略图、预览图	任意模型
2K（2048px）	普通网页、社交媒体	任意模型
4K（4096px）	印刷、高端素材	仅限 gemini-3-pro

人物生成政策

政策	说明	限制
`dont_allow`	图像中不包含人物	无
`allow_adult`	仅限成年人	推荐的默认选项
`allow_all`	所有年龄段	在 EU、UK、CH、MENA 受限

输出解读

文件命名

默认格式：{name}_YYYYMMDD_HHMMSS.png（自动添加时间戳）
单张图像示例：artwork_20260130_031643.png
多张图像：{name}_YYYYMMDD_HHMMSS_0.png、{name}_YYYYMMDD_HHMMSS_1.png 等
不带时间戳（--no-timestamp）：{name}.png
脚本会打印："已保存：/path/to/file.png"

图像质量

所有图像都带有用于验证真实性的 SynthID 水印
PNG 格式可实现无损质量
如有需要，可转换为 JPEG/WEBP
4K 图像的文件体积明显更大

错误消息

"模型不可用"：检查模型名称拼写
"不支持的尺寸"：确认尺寸和模型的组合是否有效
"宽高比错误"：为所选模型使用受支持的比例

常见问题

"未安装 google-genai 或 pillow"

cd scripts && npm install

"图像生成失败"

检查提示词长度（过于冗长可能导致失败）
尝试更简单、更聚焦的提示词
确认模型在你所在地区可用
检查 API 配额限制

"不支持的宽高比"

检查所选模型是否支持该比例
Imagen 4 支持的比例选项少于 Gemini
使用 16:9 或 1:1，以获得最佳兼容性

"不支持 4K"

gemini-3.1-flash-image-preview 或 gemini-3-pro-image-preview 对 4K 的支持效果最佳
较旧的模型请使用 --size 2K
尝试 --model gemini-3.1-flash-image-preview --size 4K

"Imagen 提示词语言错误"

Imagen 模型仅支持英文提示词
其他语言请使用 gemini-3.1-flash-image-preview
使用 Imagen 时，请将提示词翻译成英文

文件过大，无法存储

使用 --size 1K 生成较小的文件
生成后压缩图像
在网页中使用时，将 PNG 转换为 JPEG

最佳实践

提示词工程

描述具体、详尽
添加风格描述（例如 "photorealistic"、"digital art"）
说明光线、氛围和构图
用类比描述复杂概念
避免使用负面提示词（描述你想要的内容，而不是要避免的内容）

模型选择

以下情况使用 gemini-3.1-flash-image-preview：整体平衡性、质量、速度和 4K 表现最佳
以下情况使用 gemini-3-pro-image-preview：追求最高质量、复杂文本渲染
以下情况使用 gemini-2.5-flash-image：追求速度、处理高调用量
以下情况使用 imagen-4.0-generate-001：追求照片级真实感、制作产品图

性能优化

使用 --num 一次生成多张图片
预览时使用较低分辨率
高请求量时批量处理请求（gemini-batch skill）
缓存重复请求的结果

质量提示

大多数 Web 用途使用 2K 分辨率
仅在需要最高细节时使用 4K
将具体提示词与风格指导结合
使用 --num 1 测试提示词，然后再批量生成

成本管理

使用 flash 模型以节省成本
生成 4K 图片的成本要高得多
尽可能批量处理多个请求
测试时使用 1K，最终版本使用 2K/4K

快速参考

# Basic
node scripts/generate_image.js "Your prompt"

# Social media (1:1)
node scripts/generate_image.js "Prompt" --aspect 1:1 --size 2K --name social-post

# YouTube thumbnail (16:9)
node scripts/generate_image.js "Prompt" --aspect 16:9 --size 2K --name thumbnail

# 4K high quality
node scripts/generate_image.js "Prompt" --aspect 16:9 --size 4K --name high-res

# Multiple variations
node scripts/generate_image.js "Prompt" --num 4 --name variations

# Custom directory
node scripts/generate_image.js "Prompt" --output-dir ./my-images/ --name custom

# Photorealistic
node scripts/generate_image.js "Prompt" --model imagen-4.0-generate-001 --aspect 16:9 --size 2K --name photo

# No timestamp
node scripts/generate_image.js "Prompt" --name fixed-name --no-timestamp

参考

查看 references/ 获取模型文档（如有）
获取 API 密钥：https://aistudio.google.com/apikey
文档：https://ai.google.dev/gemini-api/docs/image-generation
SynthID：https://deepmind.google/technologies/synthid/

支持 Markdown

登录后评论

基本信息

作者: akrindev
仓库: akrindev/google-studio-skills
分类: 创意与媒体
安装次数: 211
GitHub Stars: 7

报告问题

推荐 Skills

全部 Skills

ai-video-generation

github.com/inference-sh

1.7M

通过 inference.sh CLI 使用 Google Veo、Seedance 2.0、HappyHorse、Wan、Grok 以及 40 多个模型生成 AI 视频。模型：Veo 3.1、Seedance 2.0、HappyHorse 1.0、Wan 2.5、Grok Imagine Video、OmniHuman、Fabric、HunyuanVideo。能力：文生视频、图生视频、参考生视频、视频编辑、口型同步、虚拟形象动画、视频放大、拟音音效。用途：社交媒体视频、营销内容、讲解视频、产品演示、AI 虚拟形象。触发词：video generation、ai video、text to video、image to video、veo、animate image、video from image、ai animation、video generator、generate video、t2v、i2v、ai video maker、create video with ai、runway alternative、pika alternative、sora alternative、kling alternative、seedance、happyhorse

ai-image-generation

github.com/inference-sh

1.7M

通过 inference.sh CLI 使用 GPT-Image-2.5、FLUX、Gemini、Grok、Seedream、Reve 以及 50 多个模型生成 AI 图像。模型：GPT-Image-2.5 Flare、GPT-Image-2.5 Sunburst、GPT-Image-2、FLUX Dev LoRA、FLUX.2 Klein LoRA、Gemini 3 Pro Image、Grok Imagine、Seedream 4.5、Reve、ImagineArt。能力：文生图、图生图、图像修复、LoRA、图像编辑、放大、文本渲染。用途：AI 艺术、产品样机、概念艺术、社交媒体图形、营销视觉、插画。触发词：flux、image generation、ai image、text to image、stable diffusion、generate image、ai art、midjourney alternative、dall-e alternative、text2img、t2i、image generator、ai picture、create image with ai、generative ai、ai illustration、grok image、gemini image、gpt image、openai image、chatgpt image

ai-avatar-video

github.com/inference-sh

1.7M

通过 inference.sh CLI 创建 AI 虚拟形象和口播视频。推荐：P-Video-Avatar（速度最快、价格最低、内置 TTS）。还包括：OmniHuman、Fabric、PixVerse。音频：Inworld TTS-2（支持 100 多种语言，可调节角色情绪）、ElevenLabs、Kokoro。功能：音频驱动的虚拟形象、文本生成虚拟形象、口型同步视频、口播视频生成、虚拟主持人、UGC 内容。用途：AI 主持人、解说视频、虚拟网红、配音、营销视频、UGC 广告、游戏虚拟形象、NPC 对话。触发词：ai avatar、talking head、lipsync、avatar video、virtual presenter、ai spokesperson、audio driven video、heygen alternative、synthesia alternative、talking avatar、lip sync、video avatar、ai presenter、digital human、ugc、ugc video、ugc ad、avatar ugc

remotion-render

github.com/inference-sh

1.6M

通过 inference.sh，根据 React/Remotion 组件代码渲染视频。输入 TSX 代码即可获取 MP4。支持所有 Remotion API：useCurrentFrame、useVideoConfig、spring、interpolate、AbsoluteFill、Sequence。可配置分辨率、FPS、时长和编解码器。适用于：程序化视频生成、动态图形、动态设计、数据驱动视频、将 React 动画转换为视频。触发词：remotion、render video from code、tsx to video、react video、programmatic video、remotion render、code to video、animated video、motion graphics code、react animation video

gemini-image

关于 gemini-image

主要功能

适用场景

安装

包含的文件

详细介绍

Gemini 图像生成

何时使用此技能

可用脚本

scripts/generate_image.js

工作流

工作流 1：基本图像生成

工作流 2：社交媒体（Instagram、Facebook）

工作流 3：YouTube 缩略图（16:9）

工作流 4：多个变体

工作流 5：自定义输出目录

工作流 6：写实图像（Imagen 4）

工作流 7：博客文章配图

工作流 8：内容创作流程（文本 + 图像）

工作流 9：禁用时间戳

参数参考

模型选择

宽高比

分辨率指南

人物生成政策

输出解读

文件命名

图像质量

错误消息

常见问题

"未安装 google-genai 或 pillow"

"图像生成失败"

"不支持的宽高比"

"不支持 4K"

"Imagen 提示词语言错误"

文件过大，无法存储

最佳实践

提示词工程

模型选择

性能优化

质量提示

成本管理

相关技能

快速参考

参考

评论