用途:调用 Google Gemini 图像生成 API 生成缩略图、社交帖图、博客头图或创意视觉,强调避免通用化、AI 感强的画面。
主要能力:提供从概念构思、提示词优化、风格变体到 API 生成与迭代的完整流程;支持 Flash(gemini-2.5-flash-image,快、适合草稿)与 Pro(gemini-3-pro-image-preview,适合成品、16:9)两种模型;支持 1K/2K/4K 尺寸与多种宽高比;支持 --variations 生成多版本;支持 --input 再创作模式,对已有图片做局部修改、风格迁移、对象增删、季节变化与角色一致性处理。
使用方式:先获取 Gemini API Key,通过 .env 文件(GEMINI_API_KEY=your_api_key_here)或环境变量配置;安装依赖 pip install google-generativeai python-dotenv pillow。生成命令示例:python scripts/images/generate_image.py "prompt here" --model pro --aspect 16:9 --size 2K。再创作示例:python scripts/generate_image.py "Add snow to the roof and yard" --input ./house.png --model pro。常用参数包括 --model、--size、--aspect、--variations、--output、--name。
适用场景:Skill Stack 缩略图(要求 risograph 风格、--model pro、--size 2K、--aspect 16:9)、信息图与文字渲染、角色一致性缩略图、图片编辑与风格迁移。
限制与注意:成品务必指定 --size 2K 或 4K,否则默认 1K 质量偏低;提示词应使用完整自然语言,颜色用名称而非十六进制;避免在图中生成文字、陈词滥调与光滑 AI 质感;最多 2-3 个元素。具体收费、价格与平台支持范围资料未提供。