用途:通过 Google Gemini API 生成和编辑图像,默认模型为 gemini-3-pro-image-preview(Nano Banana Pro),使用前必须设置环境变量 GEMINI_API_KEY。
主要能力:支持文本提示生成图像、基于已有图像编辑、多轮对话式细化,以及最多 14 张参考图合成。默认分辨率 1K,可选 2K、4K;默认宽高比 1:1,可选 1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9。支持 Google Search 接地,根据实时数据生成图像。
使用方式:用 genai.Client 初始化客户端,调用 client.models.generate_content,配置 response_modalities=['TEXT','IMAGE'];通过 types.ImageConfig 设置 aspect_ratio 与 image_size。编辑时把 PIL 图像与文本提示一起传入 contents;多轮细化用 client.chats.create 创建会话后连续 send_message。
限制与注意:Gemini 默认返回 JPEG,保存时务必用 .jpg 扩展名,否则会出现媒体类型不匹配错误;如需 PNG 需显式指定 format="PNG"。所有生成图像含 SynthID 水印。仅图像模式(responseModalities: ["IMAGE"])不支持 Google Search 接地。默认 1K 以提升速度,质量关键时再用 2K/4K。提示词建议明确镜头、光线、风格、字体与排版等细节。
适用场景:文生图、图像编辑、产品效果图、风格化插画、含文字图像、多参考图合成及基于实时数据的可视化。
其他:收费、价格与平台信息暂未提供。