用途:通过 Gemini API 生成图像,并借助 6000+ 精选专业提示词库完成文生图、图像编辑与提示词检索。
主要能力:支持直接生成、先搜索提示词再生成、编辑已有图像三种模式;提示词库按类别组织,包括社交媒体系 3800+、产品营销 1900+、头像 700+、信息图 350+、海报 300+、漫画 200+、电商 200+、游戏素材 200+、缩略图 100+、网页设计 100+。模型可选 gemini-2.5-flash-image(1024px,适合速度与批量)和 gemini-3-pro-image-preview(最高 4K,适合专业素材与文字渲染)。
使用方式:需设置 GEMINI_API_KEY 环境变量。常用命令:python scripts/generate_image.py "A cat wearing a wizard hat" output.png;python scripts/search_prompts.py "avatar professional";python scripts/edit_image.py input.png "Add rainbow background" output.png;python scripts/multi_turn_chat.py 用于多轮迭代编辑。生成调用 generateContent 端点并设置 responseModalities: ["TEXT", "IMAGE"],可通过 image_config 控制 aspect_ratio 与 image_size。
适用场景:社交媒体内容、广告营销、头像、信息图、海报、漫画、电商产品图、游戏素材、视频封面与 UI 模型图等。
限制:所有生成图像含 SynthID 水印;纯图像模式(responseModalities: ["IMAGE"])无法与 Google Search grounding 同时使用;4K 仅 Pro 模型支持;Pro 模型支持 Google Search grounding 与最多 14 张参考图。提示词检索建议用 grep 模式,避免完整加载参考文件。