用途:通过 Google Gemini API 生成与编辑图像,默认使用 gemini-3-pro-image-preview 模型,需先设置环境变量 GEMINI_API_KEY。
主要能力:文生图;基于已有图像按文本提示编辑;通过 chat 进行多轮迭代细化;支持最多 14 张参考图合成;支持 Google 搜索接地生成基于实时数据的图像。默认分辨率 1K,可选 2K、4K;默认宽高比 1:1,可选 1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9。
使用方式:用 google-genai 客户端调用 client.models.generate_content,配置 response_modalities=['TEXT','IMAGE'];自定义分辨率与宽高比通过 types.ImageConfig 的 image_size 与 aspect_ratio 设置;编辑时在 contents 中同时传入提示词与 PIL 图像;多轮细化使用 client.chats.create 后 send_message。
限制与注意:Gemini 默认返回 JPEG,保存时须用 .jpg 扩展名,否则会出现媒体类型不匹配错误;如需 PNG 需显式指定 format="PNG";所有生成图像含 SynthID 水印;仅图像模式不支持 Google 搜索接地;默认 1K 以提升速度,质量关键时再用 2K/4K。提示词建议:写实场景注明镜头、光线、角度与氛围;风格化艺术明确风格;图中文字说明字体与位置;产品图描述布光与表面。