SuperAPI AI 工具集

gemini-nano-banana-2

设计与创作

查看项目

更新于 10-16 03:40

技能介绍

用途:通过 Gemini API 调用 Gemini Nano Banana 2 图像模型(gemini-3.1-flash-image-preview)生成新图或编辑已有图像,适合插画创作、照片改动、多图合成、风格迁移与产品图制作等场景。

主要能力:支持 512 至 4K 分辨率、14 种画幅比例;可通过 --thinking-level 选择 minimal 或 high 思考级别;支持 --google-search 网页搜索接地与 --image-search 图片搜索接地;支持 --response-modality 返回图文或仅图像;支持最多 14 张参考图输入(其中约 10 张用于对象细节保留、4 张用于角色一致性)进行合成与风格迁移。

使用方式:以绝对路径运行脚本,不要在技能目录内执行,例如生成图像:uv run ~/.claude/skills/gemini-nano-banana-2/scripts/generate_image.py --prompt "描述" --filename "output.png";编辑图像时追加 --input-image "path/to/input.png";多图参考可重复使用 --input-image。常用参数包括 --aspect-ratio、--resolution、--output-format、--response-modality、--thinking-level、--google-search、--image-search、--yes、--cost-threshold 与 --api-key。API 密钥依次从 --api-key、GEMINI_API_KEY、GOOGLE_API_KEY 读取,均无则报错退出。文件名建议采用 yyyy-mm-dd-hh-mm-ss-name.ext 格式。

成本提示:脚本会在调用前估算费用,达到默认阈值 0.10 美元时要求确认,自动化调用时通常加 --yes,并提前告知用户预估费用。资料给出的每张图像近似费用为:512 约 0.045 美元、1K 约 0.067 美元、2K 约 0.101 美元、4K 约 0.151 美元;思考 token 约 0.006 至 0.030 美元,搜索接地约 0.001 美元,输入图约每张 0.0001 美元。

限制:需要可用的 Gemini API 密钥;分辨率越高、思考级别越高、启用搜索接地时耗时与费用增加;生成文件保存到当前工作目录;模型返回多图时会按序号命名。其余未在资料中说明的平台与限制暂未提供。