SuperAPI AI 工具集

image-gen

设计与创作

查看项目

更新于 10-15 23:31

技能介绍

用途:为网站生成和编辑图片,涵盖主视觉横幅、服务卡片、带可读文字的信息图,以及多轮编辑与图生图修改,适合缺少实拍素材或需要统一风格与特定地域图像的场景。若客户已有真实作品照片、需要真实团队照或产品实拍,或有法律合规顾虑,则不宜使用。

模型:gemini-3-pro-image-preview(预览,适合 4K、复杂提示词、图内文字)、gemini-2.5-flash-image(正式发布,适合快速迭代与一般用途)、imagen-4.0-generate-001(另一平台)。已停用或计划停用的模型包括 gemini-2.0-flash-exp-image-generation、gemini-2.0-flash-preview-image-generation 与 gemini-2.5-flash-image-preview。

主要能力:文生图、编辑现有图、改变宽高比、扩图、风格迁移、改色、增删元素、图内可读文字,以及最多 14 张参考图(其中人物图不超过 5 张,否则角色一致性不可控);4K 分辨率仅 Pro 支持。宽高比含 1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9。

用法要点:SDK 自 2025 年 11 月 30 日起须从 @google/generative-ai 迁移到 @google/genai,调用时 responseModalities 必须同时包含 ["TEXT", "IMAGE"];分辨率值区分大小写,须写 "4K"。已知问题包括 Gemini 2.5 Flash Image 可能忽略宽高比、人物参考图超限、SynthID 水印无法关闭、Google 搜索工具不传递图像搜索结果、Imagen API 不返回用量元数据需自行核算成本。

计费:Gemini 2.5 Flash Image 约每张 $0.008,输入 258 tokens、输出 1290 tokens,每 100 万输出 tokens 收费 $30.00(2025 年 11 月数据)。其余模型价格与具体限制暂未提供。