Buat gambar

Gemini API mendukung pembuatan gambar menggunakan Gemini 2.0 Flash Experimental dan menggunakan Imagen 3. Panduan ini membantu Anda memulai kedua model tersebut.

Untuk panduan perintah gambar, lihat bagian Panduan perintah Imagen.

Sebelum memulai

Sebelum memanggil Gemini API, pastikan Anda telah menginstal SDK pilihan, dan kunci Gemini API telah dikonfigurasi dan siap digunakan.

Membuat gambar menggunakan Gemini

Gemini 2.0 Flash Experimental mendukung kemampuan untuk menghasilkan output teks dan gambar inline. Hal ini memungkinkan Anda menggunakan Gemini untuk mengedit gambar secara percakapan atau membuat output dengan teks yang terjalin (misalnya, membuat postingan blog dengan teks dan gambar dalam satu giliran). Semua gambar yang dihasilkan menyertakan watermark SynthID, dan gambar di Google AI Studio juga menyertakan watermark yang terlihat.

Contoh berikut menunjukkan cara menggunakan Gemini 2.0 untuk menghasilkan output teks dan gambar:

from google import genai
from google.genai import types
from PIL import Image
from io import BytesIO
import base64

client = genai.Client()

contents = ('Hi, can you create a 3d rendered image of a pig '
            'with wings and a top hat flying over a happy '
            'futuristic scifi city with lots of greenery?')

response = client.models.generate_content(
    model="gemini-2.0-flash-exp-image-generation",
    contents=contents,
    config=types.GenerateContentConfig(
      response_modalities=['TEXT', 'IMAGE']
    )
)

for part in response.candidates[0].content.parts:
  if part.text is not None:
    print(part.text)
  elif part.inline_data is not None:
    image = Image.open(BytesIO((part.inline_data.data)))
    image.save('gemini-native-image.png')
    image.show()

import { GoogleGenAI, Modality } from "@google/genai";
import * as fs from "node:fs";

async function main() {

  const ai = new GoogleGenAI({ apiKey: "GEMINI_API_KEY" });

  const contents =
    "Hi, can you create a 3d rendered image of a pig " +
    "with wings and a top hat flying over a happy " +
    "futuristic scifi city with lots of greenery?";

  // Set responseModalities to include "Image" so the model can generate  an image
  const response = await ai.models.generateContent({
    model: "gemini-2.0-flash-exp-image-generation",
    contents: contents,
    config: {
      responseModalities: [Modality.TEXT, Modality.IMAGE],
    },
  });
  for (const part of response.candidates[0].content.parts) {
    // Based on the part type, either show the text or save the image
    if (part.text) {
      console.log(part.text);
    } else if (part.inlineData) {
      const imageData = part.inlineData.data;
      const buffer = Buffer.from(imageData, "base64");
      fs.writeFileSync("gemini-native-image.png", buffer);
      console.log("Image saved as gemini-native-image.png");
    }
  }
}

main();

curl -s -X POST \
  "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash-exp-image-generation:generateContent?key=$GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{
      "parts": [
        {"text": "Hi, can you create a 3d rendered image of a pig with wings and a top hat flying over a happy futuristic scifi city with lots of greenery?"}
      ]
    }],
    "generationConfig":{"responseModalities":["TEXT","IMAGE"]}
  }' \
  | grep -o '"data": "[^"]*"' \
  | cut -d'"' -f4 \
  | base64 --decode > gemini-native-image.png

Bergantung pada perintah dan konteks, Gemini akan membuat konten dalam mode yang berbeda (teks ke gambar, teks ke gambar dan teks, dll.). Berikut beberapa contohnya:

• Teks ke gambar
  • Contoh perintah: "Buat gambar menara Eiffel dengan kembang api di latar belakang."
• Teks ke gambar dan teks (disisipkan)
  • Contoh perintah: "Buat resep bergambar untuk paella."
• Gambar dan teks ke gambar dan teks (disisipkan)
  • Contoh perintah: (Dengan gambar ruangan yang dilengkapi furnitur) "Sofa warna apa lagi yang cocok untuk ruangan saya? Bisakah Anda memperbarui gambarnya?"
• Pengeditan gambar (teks dan gambar ke gambar)
  • Contoh perintah: "Edit gambar ini agar terlihat seperti kartun"
  • Contoh perintah: [gambar kucing] + [gambar bantal] + "Buat sulaman silang kucing saya di bantal ini".
• Pengeditan gambar multi-giliran (chat)
  • Contoh perintah: [upload gambar mobil biru.] "Ubah mobil ini menjadi mobil konversi." "Sekarang ubah warnanya menjadi kuning."

Pengeditan gambar dengan Gemini

Untuk melakukan pengeditan gambar, tambahkan gambar sebagai input. Contoh berikut menunjukkan cara mengupload gambar berenkode base64. Untuk beberapa gambar dan payload yang lebih besar, lihat bagian input gambar.

from google import genai
from google.genai import types
from PIL import Image
from io import BytesIO

import PIL.Image

image = PIL.Image.open('/path/to/image.png')

client = genai.Client()

text_input = ('Hi, This is a picture of me.'
            'Can you add a llama next to me?',)

response = client.models.generate_content(
    model="gemini-2.0-flash-exp-image-generation",
    contents=[text_input, image],
    config=types.GenerateContentConfig(
      response_modalities=['TEXT', 'IMAGE']
    )
)

for part in response.candidates[0].content.parts:
  if part.text is not None:
    print(part.text)
  elif part.inline_data is not None:
    image = Image.open(BytesIO(part.inline_data.data))
    image.show()

import { GoogleGenAI, Modality } from "@google/genai";
import * as fs from "node:fs";

async function main() {

  const ai = new GoogleGenAI({ apiKey: "GEMINI_API_KEY" });

  // Load the image from the local file system
  const imagePath = "path/to/image.png";
  const imageData = fs.readFileSync(imagePath);
  const base64Image = imageData.toString("base64");

  // Prepare the content parts
  const contents = [
    { text: "Can you add a llama next to the image?" },
    {
      inlineData: {
        mimeType: "image/png",
        data: base64Image,
      },
    },
  ];

  // Set responseModalities to include "Image" so the model can generate an image
  const response = await ai.models.generateContent({
    model: "gemini-2.0-flash-exp-image-generation",
    contents: contents,
    config: {
      responseModalities: [Modality.TEXT, Modality.IMAGE],
    },
  });
  for (const part of response.candidates[0].content.parts) {
    // Based on the part type, either show the text or save the image
    if (part.text) {
      console.log(part.text);
    } else if (part.inlineData) {
      const imageData = part.inlineData.data;
      const buffer = Buffer.from(imageData, "base64");
      fs.writeFileSync("gemini-native-image.png", buffer);
      console.log("Image saved as gemini-native-image.png");
    }
  }
}

main();

IMG_PATH=/path/to/your/image1.jpeg

if [[ "$(base64 --version 2>&1)" = *"FreeBSD"* ]]; then
  B64FLAGS="--input"
else
  B64FLAGS="-w0"
fi

IMG_BASE64=$(base64 "$B64FLAGS" "$IMG_PATH" 2>&1)

curl -X POST \
  "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash-exp-image-generation:generateContent?key=$GEMINI_API_KEY" \
    -H 'Content-Type: application/json' \
    -d "{
      \"contents\": [{
        \"parts\":[
            {\"text\": \"'Hi, This is a picture of me. Can you add a llama next to me\"},
            {
              \"inline_data\": {
                \"mime_type\":\"image/jpeg\",
                \"data\": \"$IMG_BASE64\"
              }
            }
        ]
      }],
      \"generationConfig\": {\"responseModalities\": [\"TEXT\", \"IMAGE\"]}
    }"  \
  | grep -o '"data": "[^"]*"' \
  | cut -d'"' -f4 \
  | base64 --decode > gemini-edited-image.png

Batasan

• Untuk performa terbaik, gunakan bahasa berikut: EN, es-MX, ja-JP, zh-CN, hi-IN.
• Pembuatan gambar tidak mendukung input audio atau video.
• Pembuatan gambar mungkin tidak selalu memicu:
  • Model hanya dapat menghasilkan teks. Coba minta output gambar secara eksplisit (misalnya, "buat gambar", "berikan gambar saat Anda melakukannya", "perbarui gambar").
  • Model mungkin berhenti menghasilkan di tengah jalan. Coba lagi atau coba perintah lain.
• Saat membuat teks untuk gambar, Gemini berfungsi paling baik jika Anda membuat teks terlebih dahulu, lalu meminta gambar dengan teks tersebut.

Pilih model

Model mana yang harus Anda gunakan untuk membuat gambar? Hal ini bergantung pada kasus penggunaan Anda.

Gemini 2.0 paling cocok untuk menghasilkan gambar yang relevan secara kontekstual, menggabungkan teks + gambar, menggabungkan pengetahuan dunia, dan bernalar tentang gambar. Anda dapat menggunakannya untuk membuat visual yang akurat dan relevan secara kontekstual yang disematkan dalam urutan teks yang panjang. Anda juga dapat mengedit gambar secara percakapan, menggunakan bahasa alam, sambil mempertahankan konteks selama percakapan.

Jika kualitas gambar adalah prioritas utama Anda, Imagen 3 adalah pilihan yang lebih baik. Imagen 3 unggul dalam fotorealisme, detail artistik, dan gaya artistik tertentu seperti impresionisme atau anime. Imagen 3 juga merupakan pilihan yang tepat untuk tugas pengeditan gambar khusus seperti memperbarui latar belakang produk, meningkatkan kualitas gambar, dan memasukkan branding dan gaya ke dalam visual. Anda dapat menggunakan Imagen 3 untuk membuat logo atau desain produk bermerek lainnya.

Membuat gambar menggunakan Imagen 3

Gemini API memberikan akses ke Imagen 3, model text-to-image berkualitas terbaik Google, yang menampilkan sejumlah kemampuan baru dan yang ditingkatkan. Imagen 3 dapat melakukan hal berikut:

• Membuat gambar dengan detail yang lebih baik, pencahayaan yang lebih kaya, dan lebih sedikit artefak yang mengganggu dibandingkan model sebelumnya
• Memahami perintah yang ditulis dalam bahasa alami
• Buat gambar dalam berbagai format dan gaya
• Merender teks secara lebih efektif daripada model sebelumnya

from google import genai
from google.genai import types
from PIL import Image
from io import BytesIO

client = genai.Client(api_key='GEMINI_API_KEY')

response = client.models.generate_images(
    model='imagen-3.0-generate-002',
    prompt='Robot holding a red skateboard',
    config=types.GenerateImagesConfig(
        number_of_images= 4,
    )
)
for generated_image in response.generated_images:
  image = Image.open(BytesIO(generated_image.image.image_bytes))
  image.show()

import { GoogleGenAI } from "@google/genai";
import * as fs from "node:fs";

async function main() {

  const ai = new GoogleGenAI({ apiKey: "GEMINI_API_KEY" });

  const response = await ai.models.generateImages({
    model: 'imagen-3.0-generate-002',
    prompt: 'Robot holding a red skateboard',
    config: {
      numberOfImages: 4,
    },
  });

  let idx = 1;
  for (const generatedImage of response.generatedImages) {
    let imgBytes = generatedImage.image.imageBytes;
    const buffer = Buffer.from(imgBytes, "base64");
    fs.writeFileSync(`imagen-${idx}.png`, buffer);
    idx++;
  }
}

main();

curl -X POST \
    "https://generativelanguage.googleapis.com/v1beta/models/imagen-3.0-generate-002:predict?key=GEMINI_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
        "instances": [
          {
            "prompt": "Robot holding a red skateboard"
          }
        ],
        "parameters": {
          "sampleCount": 4
        }
      }'

Saat ini, Imagen hanya mendukung perintah dalam bahasa Inggris dan parameter berikut:

Parameter model Imagen

(Konvensi penamaan bervariasi menurut bahasa pemrograman.)

• numberOfImages: Jumlah gambar yang akan dihasilkan, dari 1 hingga 4 (inklusif). Defaultnya adalah 4.
• aspectRatio: Mengubah rasio aspek gambar yang dihasilkan. Nilai yang didukung adalah "1:1", "3:4", "4:3", "9:16", dan "16:9". Defaultnya adalah "1:1".
• personGeneration: Mengizinkan model membuat gambar orang. Nilai berikut didukung:
  • "DONT_ALLOW": Memblokir pembuatan gambar orang.
  • "ALLOW_ADULT": Membuat gambar orang dewasa, tetapi tidak untuk anak-anak. Ini adalah defaultnya.

Panduan perintah Imagen

Bagian panduan Imagen ini menunjukkan cara memodifikasi perintah teks ke gambar dapat menghasilkan hasil yang berbeda, beserta contoh gambar yang dapat Anda buat.

Dasar-dasar penulisan perintah

Perintah yang baik bersifat deskriptif dan jelas, serta menggunakan kata kunci dan pengubah yang bermakna. Mulailah dengan memikirkan subjek, konteks, dan gaya Anda.

1. Subjek: Hal pertama yang harus dipikirkan dengan perintah apa pun adalah subjek: objek, orang, hewan, atau pemandangan yang Anda inginkan gambarnya.

2. Konteks dan latar belakang: Sama pentingnya adalah latar belakang atau konteks tempat subjek akan ditempatkan. Coba tempatkan subjek di berbagai latar belakang. Misalnya, studio dengan latar belakang putih, di luar ruangan, atau di dalam ruangan.

3. Gaya: Terakhir, tambahkan gaya gambar yang Anda inginkan. Gaya dapat bersifat umum (lukisan, foto, sketsa) atau yang sangat spesifik (lukisan pastel, gambar arang, 3D isometrik). Anda juga dapat menggabungkan gaya.

Setelah menulis versi pertama perintah, pertajam perintah dengan menambahkan detail lainnya hingga Anda mendapatkan gambar yang diinginkan. Iterasi adalah hal penting. Mulailah dengan menetapkan ide inti, lalu pertajam dan perluas ide inti tersebut hingga gambar yang dihasilkan mendekati visi Anda.

Imagen 3 dapat mengubah ide Anda menjadi gambar mendetail, baik perintah Anda singkat maupun panjang dan mendetail. Tingkatkan visi Anda melalui perintah berulang, tambahkan detail hingga Anda mencapai hasil yang sempurna.

Perintah singkat memungkinkan Anda membuat gambar dengan cepat.

Perintah yang lebih panjang memungkinkan Anda menambahkan detail spesifik dan membuat gambar.

Saran tambahan untuk penulisan perintah Imagen:

• Gunakan bahasa deskriptif: Gunakan kata sifat dan kata keterangan yang mendetail untuk memberikan gambaran yang jelas untuk Imagen 3.
• Berikan konteks: Jika perlu, sertakan informasi latar belakang untuk membantu pemahaman AI.
• Mereferensikan artis atau gaya tertentu: Jika Anda memiliki estetika tertentu dalam pikiran, mereferensikan artis atau gerakan seni tertentu dapat membantu.
• Gunakan alat prompt engineering: Pertimbangkan untuk mempelajari alat atau referensi prompt engineering untuk membantu Anda meningkatkan kualitas perintah dan mencapai hasil yang optimal.
• Meningkatkan detail wajah dalam gambar pribadi dan grup Anda:
  • Tentukan detail wajah sebagai fokus foto (misalnya, gunakan kata "potret" dalam perintah).

Membuat teks dalam gambar

Imagen dapat menambahkan teks ke dalam gambar, sehingga membuka lebih banyak kemungkinan pembuatan gambar yang kreatif. Gunakan panduan berikut untuk mendapatkan hasil maksimal dari fitur ini:

• Lakukan iterasi dengan yakin: Anda mungkin harus membuat ulang gambar hingga mencapai tampilan yang diinginkan. Integrasi teks Imagen masih berkembang, dan terkadang beberapa upaya menghasilkan hasil terbaik.
• Panjangnya singkat: Batasi teks hingga 25 karakter atau kurang untuk pembuatan yang optimal.

• Beberapa frasa: Bereksperimenlah dengan dua atau tiga frasa yang berbeda untuk memberikan informasi tambahan. Hindari melebihi tiga frasa untuk komposisi yang lebih bersih.

  

• Panduan Penempatan: Meskipun Imagen dapat mencoba memosisikan teks sesuai petunjuk, terkadang akan ada variasi. Fitur ini terus ditingkatkan.

• Gaya font inspirasi: Tentukan gaya font umum untuk memengaruhi pilihan Imagen secara halus. Jangan mengandalkan replikasi font yang akurat, tetapi harapkan interpretasi materi iklan.

• Ukuran font: Tentukan ukuran font atau indikasi ukuran umum (misalnya, kecil, sedang, besar) untuk memengaruhi pembuatan ukuran font.

Parameterisasi perintah

Untuk mengontrol hasil output dengan lebih baik, Anda mungkin perlu memparametrisasi input ke dalam Imagen. Misalnya, Anda ingin pelanggan dapat membuat logo untuk bisnis mereka, dan Anda ingin memastikan logo selalu dibuat dengan latar belakang warna solid. Anda juga ingin membatasi opsi yang dapat dipilih klien dari menu.

Dalam contoh ini, Anda dapat membuat perintah berparameter yang mirip dengan berikut:

A {logo_style} logo for a {company_area} company on a solid color background. Include the text {company_name}.

Di antarmuka pengguna kustom Anda, pelanggan dapat memasukkan parameter menggunakan menu, dan nilai yang dipilih akan mengisi perintah yang diterima Imagen.

Contoh:

1. Perintah: A minimalist logo for a health care company on a solid color background. Include the text Journey.

   

2. Perintah: A modern logo for a software company on a solid color background. Include the text Silo.

   

3. Perintah: A traditional logo for a baking company on a solid color background. Include the text Seed.

   

Teknik penulisan perintah lanjutan

Gunakan contoh berikut untuk membuat perintah yang lebih spesifik berdasarkan atribut seperti deskripsi fotografi, bentuk dan bahan, gerakan seni historis, dan pengubah kualitas gambar.

Fotografi

• Perintah menyertakan: "Foto..."

Untuk menggunakan gaya ini, mulai dengan menggunakan kata kunci yang dengan jelas memberi tahu Imagen bahwa Anda mencari foto. Mulailah perintah Anda dengan "Foto. . .". Misalnya:

^{Sumber gambar: Setiap gambar dibuat menggunakan perintah teks yang sesuai dengan model Imagen 3.}

Pengubah fotografi

Pada contoh berikut, Anda dapat melihat beberapa pengubah dan parameter khusus fotografi. Anda dapat menggabungkan beberapa pengubah untuk kontrol yang lebih akurat.

1. Kedekatan Kamera - Jarak dekat, diambil dari jarak jauh

2. Posisi Kamera - dari atas, dari bawah

3. Pencahayaan - alami, dramatis, hangat, dingin

4. Setelan Kamera - motion blur, soft focus, bokeh, potret

5. Jenis lensa - 35 mm, 50 mm, mata ikan, sudut lebar, makro

6. Jenis film - hitam dan putih, polaroid

^{Sumber gambar: Setiap gambar dibuat menggunakan perintah teks yang sesuai dengan model Imagen 3.}

Ilustrasi dan seni

• Perintah menyertakan: "painting dari...", "sketch dari..."

Gaya seni bervariasi mulai dari gaya monokrom seperti sketsa pensil, hingga seni digital yang sangat realistis. Misalnya, gambar berikut menggunakan perintah yang sama dengan gaya yang berbeda:

"[art style or creation technique] sedan listrik sporty sudut dengan pencakar langit di latar belakang"

^{Sumber gambar: Setiap gambar dibuat menggunakan perintah teks yang sesuai dengan model Imagen 2.}

Bentuk dan bahan

• Perintah mencakup: "...terbuat dari...", "...dalam bentuk..."

Salah satu keunggulan teknologi ini adalah Anda dapat membuat citra yang sulit atau tidak mungkin dilakukan. Misalnya, Anda dapat membuat ulang logo perusahaan dengan bahan dan tekstur yang berbeda.

^{Sumber gambar: Setiap gambar dibuat menggunakan perintah teks yang sesuai dengan model Imagen 3.}

Referensi seni bersejarah

• Perintah mencakup: "...dalam gaya..."

Gaya tertentu telah menjadi ikon selama bertahun-tahun. Berikut adalah beberapa ide lukisan sejarah atau gaya seni yang dapat Anda coba.

"buat gambar dengan gaya [art period or movement] : ladang kincir angin"

^{Sumber gambar: Setiap gambar dibuat menggunakan perintah teks yang sesuai dengan model Imagen 3.}

Pengubah kualitas gambar

Kata kunci tertentu dapat memberi tahu model bahwa Anda mencari aset berkualitas tinggi. Contoh pengubah kualitas mencakup hal berikut:

• Pengubah Umum - berkualitas tinggi, indah, bergaya
• Foto - 4K, HDR, Foto Studio
• Seni, Ilustrasi - oleh profesional, mendetail

Berikut adalah beberapa contoh perintah tanpa pengubah kualitas dan perintah yang sama dengan pengubah kualitas.

^{Sumber gambar: Setiap gambar dibuat menggunakan perintah teks yang sesuai dengan model Imagen 3.}

Rasio aspek

Pembuatan gambar Imagen 3 memungkinkan Anda menetapkan lima rasio aspek gambar yang berbeda.

1. Persegi (1:1, default) - Foto persegi standar. Penggunaan umum untuk rasio aspek ini mencakup postingan media sosial.

2. Layar penuh (4:3) - Rasio aspek ini biasanya digunakan dalam media atau film. Dimensi ini juga merupakan dimensi sebagian besar TV lama (non-layar lebar) dan kamera format sedang. Rasio ini menangkap lebih banyak pemandangan secara horizontal (dibandingkan dengan 1:1), sehingga menjadi rasio aspek yang lebih disukai untuk fotografi.

3. Layar penuh potret (3:4) - Ini adalah rasio aspek layar penuh yang diputar 90 derajat. Hal ini memungkinkan pengambilan lebih banyak scene secara vertikal dibandingkan dengan rasio aspek 1:1.

4. Layar lebar (16:9) - Rasio ini telah menggantikan 4:3 dan kini menjadi rasio aspek yang paling umum untuk TV, monitor, dan layar ponsel (lanskap). Gunakan rasio aspek ini jika Anda ingin mengambil lebih banyak latar belakang (misalnya, lanskap yang indah).

   

5. Potret (9:16) - Rasio ini adalah layar lebar, tetapi diputar. Ini adalah rasio aspek yang relatif baru yang telah dipopulerkan oleh aplikasi video pendek (misalnya, YouTube Shorts). Gunakan ini untuk objek tinggi dengan orientasi vertikal yang kuat seperti bangunan, pohon, air terjun, atau objek serupa lainnya.

   

Gambar fotorealistik

Versi model pembuatan gambar yang berbeda mungkin menawarkan campuran output artistik dan fotorealistik. Gunakan kata-kata berikut dalam perintah untuk menghasilkan output yang lebih fotorealistik, berdasarkan subjek yang ingin Anda buat.

Potret

Dengan menggunakan beberapa kata kunci dari tabel, Imagen dapat menghasilkan potret berikut:

Perintah: Wanita, potret 35 mm, duotone biru dan abu-abu
Model: imagen-3.0-generate-002

Perintah: Seorang wanita, potret 35 mm, film noir
Model: imagen-3.0-generate-002

Objek

Dengan menggunakan beberapa kata kunci dari tabel, Imagen dapat membuat gambar objek berikut:

Perintah: daun tanaman doa, lensa makro, 60 mm
Model: imagen-3.0-generate-002

Perintah: sepiring pasta, Lensa Makro 100 mm
Model: imagen-3.0-generate-002

Gerakan

Dengan menggunakan beberapa kata kunci dari tabel, Imagen dapat membuat gambar gerakan berikut:

Perintah: touchdown yang menentukan kemenangan, kecepatan shutter yang cepat, pelacakan gerakan
Model: imagen-3.0-generate-002

Perintah: Rusa berlari di hutan, kecepatan shutter cepat, pelacakan gerakan
Model: imagen-3.0-generate-002

Sudut lebar

Dengan menggunakan beberapa kata kunci dari tabel, Imagen dapat menghasilkan gambar sudut lebar berikut:

Perintah: pegunungan yang luas, sudut lebar lanskap 10 mm
Model: imagen-3.0-generate-002

Perintah: foto bulan, fotografi astro, sudut lebar 10 mm
Model: imagen-3.0-generate-002

Langkah berikutnya

• Lihat panduan Veo untuk mempelajari cara membuat video dengan Gemini API.
• Untuk mempelajari model Gemini 2.0 lebih lanjut, lihat Model Gemini dan Model eksperimental.