SuperAPI AI 工具集

media-gemini-3-image-prompt

设计与创作

查看项目

更新于 10-15 21:35

技能介绍

用途:将用户的自然语言一句话请求,转换为适用于 Gemini 3 Pro Image(Nano Banana Pro)的图像提示词文本。该技能只产出提示词文本,不生成实际图像;实际出图需配合 pair 技能 media-higgsfield-image 等。

主要能力:1) 按 Google AI for Developers 官方指南的 5-component 结构组织英文提示词(主体+形容词/动作/场景、构图与相机、光线氛围、风格媒介、特定约束与文字),各组件以完整英文句子加句号结束;2) 同一输入同时输出三个模型的提示词:Gemini 5-component 主输出、GPT-image-2 的 6-Block 自然语言、Midjourney v8.1 的关键词加参数;3) 通过 AskUserQuestion 分三轮收集信息:预设选择(产品图、人像角色、插画艺术、风景环境)、预设内 3 至 4 个细节槽位、画幅比例与图中文字及相机硬件;4) 提供相机硬件选项(默认 50mm DSLR、Fujifilm X-T5、GoPro HERO12、一次性胶片机、iPhone 15 Pro);5) 提示 Thinking 与 Fast 模式的选择,以及 Search Grounding 的使用建议。

使用方式:以自然语言提出需求并触发,随后按问答轮次选择预设与细节,即可得到三组提示词代码块、推荐参数与韩文说明。文本类需求若超过 30 字,会建议采用先对话确定文案、再原样写入提示词的 Text-First 两步流程。

适用场景:产品图、人像、插画、风景等图像提示词撰写,以及需要多模型并行提示词的场景。

限制:仅输出提示词文本;Gemini 输出会带不可感知的 SynthID 水印;Thinking 模式延迟更高;Search Grounding 生成的事实型信息图仍需自行复核;遮罩编辑、昼夜转换、多图混合可能出现不自然或伪影;部分平台参数与截断信息以资料为准。输入输出 token 上限等规格见资料,缺失信息暂未提供。