SuperAPI AI 工具集

gemini-imagegen

设计与创作

查看项目

更新于 10-15 21:12

技能介绍

用途:调用 Google Gemini 原生图像生成模型完成文生图与图像编辑,适合快速出稿、批量配图、幻灯片插画和基于参考图的合成。

主要能力:支持两个模型。gemini-2.5-flash-image(Nano Banana)适合快速草稿、高并发、低延迟,最高 1K;gemini-3-pro-image-preview(Nano Banana Pro)适合工作室级质量、文字渲染与复杂提示,最高 4K。默认使用 Pro,除非更看重速度或成本。支持多种宽高比(1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9)。Pro 支持最多 14 张参考图做多图合成,最多 5 张人物参考图保持角色一致性。

使用方式:先安装依赖 pip install google-genai,并将 GEMINI_API_KEY 设为环境变量;若缺失应提示用户自行设置,切勿让用户在对话中粘贴密钥。文生图通过 client.models.generate_content 指定模型与 response_modalities=["TEXT","IMAGE"],再遍历返回 parts 取 inline_data 写入文件。宽高比用 image_config 的 aspect_ratio 设置。图像编辑时在 contents 中同时传入参考图 Blob 与文字指令。批量生成按顺序循环并用编号文件名保存,可加 time.sleep(1) 避免触发限流。

提示建议:按场景→主体→风格→构图→约束组织,明确艺术风格、光线与情绪;图中文字需标注确切文本、字体与位置;幻灯片插画可要求某侧留白;即使内容非英文也建议用英文提示,控制在 500 词以内。多图套系可在每条提示前加统一风格前缀以保证一致性。

限制与错误处理:安全过滤可能拒绝它认为不安全的提示,需调整措辞后重试;响应为空或无人像部分通常因提示过于模糊;遇到 429 需指数退避(如 time.sleep(2 ** attempt));Pro 复杂提示可能需要 10–30 秒,应设置合理超时。收费、价格与配额等细节资料未提供,暂未提供。