SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场gemini-3-image-generation

gemini-3-image-generation

设计与创作

查看项目

更新于 10-15 10:01

技能介绍

用途

本技能是一份使用 Gemini 3 Pro Image（模型名 gemini-3-pro-image-preview，又称 Nano Banana Pro）生成图像的完整指南。它聚焦于图像输出（生成图像）；如需图像输入（分析图像），可参考 gemini-3-multimodal。

主要能力

  • 4K 分辨率：原生 4K 生成，并支持放大到 2K/4K。
  • 文字渲染：在图像中生成高质量文字。
  • 接地生成（Grounded Generation）：借助 Google Search 生成经事实校验的图像。
  • 对话式编辑：多轮修改图像并保留上下文。
  • 宽高比：支持 16:9 及 4K 下的自定义比例。
  • 质量控制：可微调生成参数。

适用场景

  • 从文本提示生成图像
  • 创建 4K 分辨率图像
  • 在图像中渲染文字
  • 事实校验式（接地）图像生成
  • 对话式图像编辑与多轮图像细化
  • 自定义宽高比图像

使用方式

前置条件：完成 Gemini API 配置（参见 gemini-3-pro-api 技能），使用模型 gemini-3-pro-image-preview。

Python 快速上手：

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 快速上手：

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：从文本提示生成图像

目标：根据文本描述创建高质量图像。示例中通过 generation_config 设置 thinking_level 为 high、temperature 为 1.0，并给出包含霓虹灯、全息广告、飞行器、摩天大楼、雨后街道等细节的提示词，最后将返回的 inline_data 写入 PNG 文件。提示词建议：具体详细、指定艺术风格、包含光照与氛围、注明质量级别（4K、detailed、high-quality）、描述颜色纹理与构图。

任务 2：生成 4K 图像

目标：创建带放大处理的高分辨率 4K 图像。示例提示词要求 4K 超高清、主体清晰对焦、柔和散景背景、专业影棚灯光、细腻纹理、电影级质量。4K 特性包括原生 4K 分辨率支持、放大到 2K/4K、4K 下 16:9 宽高比、增强的细节与清晰度。

任务 3：在图像中渲染文字

目标：生成带有可读、高质量文字的图像。示例为一张商务名片设计，包含公司名、人名、职位、邮箱、电话等文字内容，并要求现代简洁设计、专业字体、蓝白配色、所有文字清晰可读。文字渲染最佳实践：用引号明确指定文字内容、要求“readable”或“clearly visible”、保持文字简短、可指定字体风格、使用高对比度背景。

任务 4：接地生成（事实校验图像）

目标：使用 Google Search 接地生成事实准确的图像。示例通过 tools=[{"google_search_retrieval": {}}] 启用接地，提示词要求按当前 ISS 配置生成国际空间站图像，并可检查 grounding_metadata 中的来源数量。适用场景包括历史场景、科学可视化、时事、著名地标、产品表现。优势为事实准确、真实世界接地、减少幻觉、信息最新。注意：使用免费的 Google Search 配额（每天 1,500 次查询）。

任务 5：对话式图像编辑

目标：通过多轮对话迭代细化图像。示例使用 model.start_chat() 开启会话，先创建咖啡馆室内图，再依次发送“添加更多植物和暖光”“更极简、移除部分装饰”等指令，每轮保存新版本。特性包括跨轮保留视觉上下文、增量修改、自然语言指令、多轮细化、上下文感知变更。示例编辑命令如“调暗/调亮”“添加更多某元素”“更改配色”“更写实/更艺术”“移除某元素”。

任务 6：自定义宽高比

目标：按特定宽高比生成图像。示例分别给出 16:9（支持 4K）、正方形、竖版提示词。支持的比例如 16:9（宽幅电影感，支持 4K）、1:1（正方形）、4:3（标准）、9:16（竖版）。

任务 7：优化图像生成成本

目标：在质量与成本之间取得平衡。资料给出的定价为：文本输入每 100 万 token 1–2 美元；文本输出每 100 万 token 6–9 美元；图像输出每张 0.134 美元（随分辨率变化）。示例函数通过 usage_metadata 计算输入、输出与图像成本并打印明细。成本优化策略：批量请求、复用聊天会话、提示词具体明确、监控用量、按需选择质量（并非所有图像都需要 4K）。

批量生成与错误处理

批量生成示例遍历多个提示词逐一生成并保存为 generated_1.png 等文件。错误处理示例使用 google.api_core.exceptions，捕获 InvalidArgument（提示词无效）、ResourceExhausted（超出速率限制）等异常，并校验 response.parts 与 inline_data 是否存在。

最佳实践

  • 提示词具体：详细提示产生更好结果。
  • 明确质量：显式要求 4K 或高质量。
  • 使用接地：需要事实准确时启用。
  • 对话式迭代：用聊天进行细化。
  • 监控成本：尤其关注 4K 用量。
  • 处理错误：实现重试逻辑。
  • 正确保存图像：以二进制模式写入。

常见问题排查

  • 未生成图像：检查 response.parts 是否存在且含 inline_data 属性。
  • 图像质量低：在提示词中加入“4K”“high quality”“detailed”。
  • 图中文字不可读：用引号明确指定文字，并要求“readable text”。
  • 图像事实不准确：启用 Google Search 接地生成。
  • 成本过高：优化提示词、批量请求、监控用量。

限制与说明

资料未提供该技能自身的安装命令、平台支持范围、免费额度之外的计费细则、并发上限或区域可用性等信息，暂未提供。使用前需自行完成 Gemini API 配置并持有 API Key。