image-gen

图像生成技能

使用 Gemini 原生图像生成来生成和编辑网站图像。

⚠️ 重要：必须迁移 SDK

重要：@google/generative-ai 软件包已于 2025 年 11 月 30 日弃用。所有新项目必须使用 @google/genai。

必须迁移：

// ❌ 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 });

来源：GitHub 仓库迁移通知

模型

模型	ID	状态	最适合用途
Gemini 3 Pro Image	gemini-3-pro-image-preview	预览版（2025 年 11 月 20 日）	4K、复杂提示词、文本
Gemini 2.5 Flash Image	gemini-2.5-flash-image	正式可用（2025 年 10 月 2 日）	快速迭代、通用用途
Imagen 4.0	imagen-4.0-generate-001	正式可用（2025 年 8 月 14 日）	替代平台

已弃用的模型（请勿使用）：

• gemini-2.0-flash-exp-image-generation - 已于 2025 年 11 月 11 日停用
• gemini-2.0-flash-preview-image-generation - 已于 2025 年 11 月 11 日停用
• gemini-2.5-flash-image-preview - 计划于 2026 年 1 月 15 日停用

来源：Google AI 更新日志

功能

功能	支持
根据文本生成	✅
编辑现有图像	✅
更改宽高比	✅
加宽／扩展图像	✅
风格迁移	✅
更改颜色	✅
添加／移除元素	✅
图像中的文本	✅（清晰可读！）
多张参考图像	✅（最多 14 张：最多 5 张人物、9 张物体）
4K 分辨率	✅（仅限 Pro）

注意：超过 5 张人物参考图像会导致角色一致性不可预测。为获得可靠结果，人物图像请勿超过 5 张。

宽高比

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

分辨率（仅限 Pro）

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

快速开始

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 必须同时包含 ["TEXT", "IMAGE"]。仅使用 ["IMAGE"] 可能会失败或产生意外结果。

模型选择

需求	使用
快速迭代	Gemini 2.5 Flash Image
4K 分辨率	Gemini 3 Pro Image Preview
图像中的文本	Gemini 3 Pro（4K 下文本可读率为 94%）
简单编辑	Gemini 2.5 Flash Image
复杂构图	Gemini 3 Pro Image Preview
信息图／图表	Gemini 3 Pro Image Preview

文本渲染基准（4K 分辨率）：

• Gemini 3 Pro Image：94% 文本清晰可读
• DALL-E 3：78% 文本清晰可读
• Midjourney：仅生成装饰性伪文本

适用场景

以下情况请使用 Gemini Image Gen：

• 素材照片不符合品牌／场景需求
• 需要澳大利亚特色图像
• 需要在图像中添加文本（信息图、图表）
• 需要多张图像保持风格一致
• 需要编辑／修改现有图像
• 客户没有其作品的照片

以下情况请勿使用：

• 客户有优质的实际作品照片
• 需要真实的团队照片（请先讨论）
• 产品照片（请使用真实产品）
• 存在法律／合规方面的顾虑

预防已知问题

此技能可预防 5 个已记录的问题：

问题 #1：分辨率参数区分大小写

错误：请求失败，并提示参数无效 来源：Google AI 图像生成文档 原因：分辨率值区分大小写，必须使用大写字母“K”。 预防措施：始终使用 "4K"、"2K"、"1K"——切勿使用小写形式 "4k"。

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

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

问题 #2：可能会忽略宽高比（2025 年 9 月起）

错误：请求 16:9 或其他宽高比，却返回 1:1 正方形图像 来源：Google 支持讨论帖 原因：2025 年 9 月的后端更新影响了 Gemini 2.5 Flash Image 模型对宽高比的处理。 预防措施：使用 Gemini 3 Pro Image Preview 可靠地控制宽高比，或者先生成 1:1 图像，再通过多轮编辑扩展图像。

// 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" } }

状态：Google 已确认正在修复（2025 年 9 月）。

问题 #3：超过 5 张人物参考图

错误：生成图像中的角色一致性难以预测 来源：Google AI 图像生成文档 原因：Gemini 3 Pro Image 最多支持 14 张参考图，但为了保持角色一致性，其中人物图最多只能有 5 张。 预防措施：人物图限制为 5 张或更少。其余名额（最多共 14 张）可用于物体或场景。

// ❌ 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" }})),
];

问题 #4：无法停用 SynthID 水印

错误：不适用（已记录的限制） 来源：Google AI 图像生成文档 原因：所有生成的图像都会自动添加 SynthID 水印，用于追踪内容真实性。 预防措施：商业用途请注意此限制。开发者无法停用水印。

问题 #5：Google Search Grounding 不包含图像结果

错误：生成的图像不会反映视觉搜索结果，只会反映文本 来源：Google AI 图像生成文档 原因：使用 Google Search 工具生成图像时，“基于图像的搜索结果不会传递给生成模型”。 预防措施：视觉输出仅参考基于文本的搜索结果。不要期望模型会参考搜索结果中的图像。

// 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

定价

当前定价（截至 2025 年 11 月）：

• Gemini 2.5 Flash Image：每张图像约 0.008 美元
  • 输入：每张图像 258 个 token
  • 输出：每张图像 1290 个 token
  • 费率：每 100 万个输出 token 收费 30.00 美元

注意：generateImages API（Imagen 模型）不会在响应中返回 usageMetadata。请根据上述定价手动追踪费用。

来源：Google 开发者博客 - Gemini 2.5 Flash Image

参考文件

• references/prompting.md - 有效的提示词模式
• references/website-images.md - 主视觉、服务和背景模板
• references/editing.md - 多轮编辑模式
• references/local-imagery.md - 澳大利亚相关细节
• references/integration.md - API 代码示例

---

上次验证时间：2026-01-21 | 技能版本：2.0.0 | 变更：添加 SDK 迁移通知（重要）；更新为当前模型名称（gemini-3-pro-image-preview、gemini-2.5-flash-image）；添加 5 个已知问题（分辨率区分大小写、宽高比错误、参考图限制、SynthID 水印、Google Search grounding）；添加定价部分；添加文本渲染基准测试。