gemini-imagegen

Gemini 图像生成

通过 Google Gemini 原生多模态图像生成功能生成和编辑图像。

模型选择

模型 ID	代号	最适合	最高分辨率
gemini-2.5-flash-image	Nano Banana	快速草稿、大批量生成、低延迟	1K
gemini-3-pro-image-preview	Nano Banana Pro	工作室级品质、文本渲染、复杂提示词	4K

默认使用：gemini-3-pro-image-preview（Pro），除非需要优先考虑速度或成本。

设置

# Install (once)
# pip install google-genai

from google import genai
import os, base64

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

如果缺少 GEMINI_API_KEY，请指示用户将其设置为环境变量。 切勿要求用户在聊天中粘贴密钥。

文生图

from google import genai
from google.genai import types
import os

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents="A photorealistic cat on a rainbow sofa",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
    ),
)

# Extract and save
for part in response.candidates[0].content.parts:
    if part.inline_data is not None:
        with open("output.png", "wb") as f:
            f.write(part.inline_data.data)
        break

宽高比

通过 image_config 设置：

config=types.GenerateContentConfig(
    response_modalities=["TEXT", "IMAGE"],
    image_config=types.ImageConfig(
        aspect_ratio="16:9",  # for slides / widescreen
    ),
)

支持的比例：1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9

常见选择：

• 幻灯片 / 演示文稿 → 16:9
• 社交媒体 / 肖像 → 9:16 或 4:5
• 方形缩略图 → 1:1

图像编辑（使用参考图像）

from google.genai import types
from pathlib import Path
import base64

ref_bytes = Path("input.jpg").read_bytes()

response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=[
        types.Part(inline_data=types.Blob(mime_type="image/jpeg", data=base64.b64encode(ref_bytes).decode())),
        types.Part(text="Remove the background and replace with a sunset gradient"),
    ],
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
    ),
)

Pro 支持最多 14 张参考图像，用于多图合成；并支持最多 5 张人物参考图像，以保持角色 / 身份一致性。

批量生成（用于幻灯片）

生成多张图像时（例如每张幻灯片一张），请按顺序循环生成， 并使用带编号的文件名保存：

import os, time
from google import genai
from google.genai import types

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

prompts = [...]  # list of prompt strings

for i, prompt in enumerate(prompts, 1):
    response = client.models.generate_content(
        model="gemini-3-pro-image-preview",
        contents=prompt,
        config=types.GenerateContentConfig(
            response_modalities=["TEXT", "IMAGE"],
            image_config=types.ImageConfig(aspect_ratio="16:9"),
        ),
    )
    for part in response.candidates[0].content.parts:
        if part.inline_data is not None:
            with open(f"slide_{i}.png", "wb") as f:
                f.write(part.inline_data.data)
            break
    time.sleep(1)  # rate limit courtesy

错误处理

• 安全过滤器拦截：模型可能会拒绝其认为不安全的提示词。请调整提示词，减少歧义（移除暴力 / 成人 / 医疗图像相关措辞），然后重试。
• 响应为空：如果 response.candidates 为空或不包含图像部分，提示词可能过于含糊。请添加具体的场景细节，然后重试。
• 速率限制（429）：使用指数延迟退避。默认值：time.sleep(2 ** attempt)。
• 超时：设置合理的超时时间；Pro 模型处理复杂提示词可能需要 10–30 秒。

提示词最佳实践

• 结构：场景 → 主体 → 风格 → 构图 → 限制条件
• 务必指定艺术风格：“扁平矢量插画”“水彩画”“3D 渲染”“写实照片”
• 描述光线和氛围：“柔和的漫射光”“戏剧性的轮廓光”“黄金时刻”
• 对于图像中的文字：引用准确文本，并指定字体风格和位置
• 对于幻灯片插图：添加“[一侧]留白”，为叠加文字腾出空间
• 即使内容不是英文，也请使用英文提示词（生成质量更好）
• 提示词保持在 500 词以内；具体明确，但不要冗长

多图组的风格一致性

生成一组图像时（例如幻灯片），请在每条提示词前添加风格前缀：

Style prefix: "flat vector illustration, soft pastel color palette, clean lines, minimal detail, 16:9 widescreen"

Slide 1 prompt: "{style_prefix}, a wide establishing shot of a modern office building at sunrise"
Slide 2 prompt: "{style_prefix}, a close-up of hands typing on a laptop keyboard"

这样可以确保所有生成图像在视觉上保持协调一致。