Obrazy możesz generować za pomocą interfejsu Gemini API, korzystając z wbudowanych funkcji multimodalnych Gemini lub z modelu Imagen, czyli wyspecjalizowanego modelu generowania obrazów od Google. W większości przypadków zacznij od Gemini. Wybierz Imagen do specjalistycznych zadań, w których przypadku jakość obrazu ma kluczowe znaczenie. Więcej wskazówek znajdziesz w sekcji Wybieranie odpowiedniego modelu.
Wszystkie wygenerowane obrazy zawierają znak wodny SynthID.
Zanim zaczniesz
Upewnij się, że do generowania obrazów używasz obsługiwanego modelu i wersji:
W przypadku Gemini użyj opcji generowania obrazów do podglądu w Gemini 2.0 Flash.
W przypadku Imagen użyj Imagen 3. Pamiętaj, że ten model jest dostępny tylko w wersji płatnej.
Możesz uzyskać dostęp do Gemini i Imagen 3, korzystając z tych samych bibliotek.
Generowanie obrazów za pomocą Gemini
Gemini może generować i przetwarzać obrazy w ramach rozmowy. Aby wykonywać różne zadania związane z obrazami, takie jak generowanie i edytowanie obrazów, możesz podać Gemini prompt w postaci tekstu, obrazów lub ich kombinacji.
W konfiguracji musisz uwzględnić responseModalities
: ["TEXT", "IMAGE"]
. Te modele nie obsługują danych wyjściowych w postaci tylko obrazu.
generowanie obrazów (tekst na obraz);
Ten kod pokazuje, jak wygenerować obraz na podstawie promptu opisowego:
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-preview-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-preview-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();
package main
import (
"context"
"fmt"
"os"
"google.golang.org/genai"
)
func main() {
ctx := context.Background()
client, _ := genai.NewClient(ctx, &genai.ClientConfig{
APIKey: os.Getenv("GEMINI_API_KEY"),
Backend: genai.BackendGeminiAPI,
})
config := &genai.GenerateContentConfig{
ResponseModalities: []string{"TEXT", "IMAGE"},
}
result, _ := client.Models.GenerateContent(
ctx,
"gemini-2.0-flash-preview-image-generation",
genai.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?"),
config,
)
for _, part := range result.Candidates[0].Content.Parts {
if part.Text != "" {
fmt.Println(part.Text)
} else if part.InlineData != nil {
imageBytes := part.InlineData.Data
outputFilename := "gemini_generated_image.png"
_ = os.WriteFile(outputFilename, imageBytes, 0644)
}
}
}
curl -s -X POST \
"https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash-preview-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

Edytowanie obrazów (tekst i przekształcanie obrazu)
Aby edytować obraz, dodaj obraz jako dane wejściowe. W tym przykładzie pokazano przesyłanie obrazów zakodowanych w formacie Base64. W przypadku wielu obrazów i większych zasobów danych zapoznaj się z sekcją Podawanie obrazów.
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-preview-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-preview-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();
package main
import (
"context"
"fmt"
"os"
"google.golang.org/genai"
)
func main() {
ctx := context.Background()
client, _ := genai.NewClient(ctx, &genai.ClientConfig{
APIKey: os.Getenv("GEMINI_API_KEY"),
Backend: genai.BackendGeminiAPI,
})
imagePath := "/path/to/image.png"
imgData, _ := os.ReadFile(imagePath)
parts := []*genai.Part{
genai.NewPartFromText("Hi, This is a picture of me. Can you add a llama next to me?"),
&genai.Part{
InlineData: &genai.Blob{
MIMEType: "image/png",
Data: imgData,
},
},
}
contents := []*genai.Content{
genai.NewContentFromParts(parts, genai.RoleUser),
}
config := &genai.GenerateContentConfig{
ResponseModalities: []string{"TEXT", "IMAGE"},
}
result, _ := client.Models.GenerateContent(
ctx,
"gemini-2.0-flash-preview-image-generation",
contents,
config,
)
for _, part := range result.Candidates[0].Content.Parts {
if part.Text != "" {
fmt.Println(part.Text)
} else if part.InlineData != nil {
imageBytes := part.InlineData.Data
outputFilename := "gemini_generated_image.png"
_ = os.WriteFile(outputFilename, imageBytes, 0644)
}
}
}
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-preview-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
Inne tryby generowania obrazów
Gemini obsługuje inne tryby interakcji z obrazem na podstawie struktury promptu i kontekstu, w tym:
- Tekst na obrazy i tekst (przeplatany): generuje obrazy z powiązanym tekstem.
- Przykład promptu: „Wygeneruj ilustrowany przepis na paellę”.
- Obrazy i tekst na obrazy i tekst (przeplatany): na podstawie podanych obrazów i tekstu tworzy nowe powiązane obrazy i tekst.
- Przykład promptu: (z obrazem umeblowanego pokoju) „Jaki kolor sofy pasowałby do mojego pokoju? Czy możesz zaktualizować obraz?”
- Wieloetapowe edytowanie obrazów (czat): możesz generować i edytować obrazy w ramach rozmowy.
- Przykładowe prompty: [prześlij zdjęcie niebieskiego samochodu] , „Zamień ten samochód na kabriolet”., „Zamień teraz kolor na żółty”.
Ograniczenia
- Aby zapewnić najlepszą skuteczność, używaj tych języków: EN, es-MX, ja-JP, zh-CN, hi-IN.
- Generowanie obrazu nie obsługuje danych wejściowych audio ani wideo.
- Generowanie obrazów może nie zostać uruchomione, jeśli:
- Model może generować tylko tekst. Spróbuj wyraźnie poprosić o dane wyjściowe w postaci obrazu (np. „wygeneruj obraz”, „prześlij obrazy w miarę ich tworzenia”, „zaktualizuj obraz”).
- Model może przestać generować dane w trakcie procesu. Spróbuj ponownie lub użyj innego prompta.
- Podczas generowania tekstu na potrzeby obrazu Gemini działa najlepiej, jeśli najpierw wygenerujesz tekst, a potem poprosisz o obraz z tekstem.
- Generowanie obrazów jest niedostępne w niektórych regionach i krajach. Więcej informacji znajdziesz w sekcji Modele.
Generowanie obrazów za pomocą modelu Imagen 3
W tym przykładzie pokazujemy generowanie obrazów za pomocą modelu Imagen 3:
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();
package main
import (
"context"
"fmt"
"os"
"google.golang.org/genai"
)
func main() {
ctx := context.Background()
client, _ := genai.NewClient(ctx, &genai.ClientConfig{
APIKey: os.Getenv("GEMINI_API_KEY"),
Backend: genai.BackendGeminiAPI,
})
config := &genai.GenerateImagesConfig{
NumberOfImages: 4,
}
response, _ := client.Models.GenerateImages(
ctx,
"imagen-3.0-generate-002",
"Robot holding a red skateboard",
config,
)
for n, image := range response.GeneratedImages {
fname := fmt.Sprintf("imagen-%d.png", n)
_ = os.WriteFile(fname, image.Image.ImageBytes, 0644)
}
}
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
}
}'

Parametry modelu Imagen
Obecnie Imagen obsługuje tylko prompty w języku angielskim i te parametry:
numberOfImages
: liczba obrazów do wygenerowania, od 1 do 4 (włącznie). Wartość domyślna to 4.aspectRatio
: zmienia format wygenerowanego obrazu. Obsługiwane wartości to"1:1"
,"3:4"
,"4:3"
,"9:16"
i"16:9"
. Wartość domyślna to"1:1"
.personGeneration
: zezwalaj modelowi na generowanie obrazów przedstawiających ludzi. Obsługiwane wartości:"DONT_ALLOW"
: blokowanie generowania obrazów przedstawiających ludzi."ALLOW_ADULT"
: generowanie obrazów przedstawiających dorosłych, ale nie dzieci. To ustawienie domyślne.
Wybór odpowiedniego modelu
Wybierz Gemini, jeśli:
- Potrzebujesz obrazów dopasowanych do kontekstu, które wykorzystują wiedzę i rozumowanie.
- Ważne jest, aby tekst i obrazy płynnie się ze sobą łączyły.
- Chcesz wstawiać dokładne elementy wizualne w długich sekwencjach tekstowych.
- Chcesz edytować obrazy w sposób konwersacyjny, zachowując kontekst.
Wybierz Obraz 3, jeśli:
- Najważniejsze są jakość obrazu, fotorealizm, szczegóły artystyczne lub określone style (np. impresjonizm, anime).
- wykonywanie specjalistycznych zadań edytowania, takich jak aktualizacja tła produktu lub skalowanie obrazu;
- Umieszczanie logo, logotypów lub elementów stylu marki w projektach produktów.
Przewodnik po promptach w usłudze Imagen
W tej sekcji przewodnika po Imagen dowiesz się, jak modyfikowanie promptu tekst-obraz może wpływać na uzyskiwane wyniki. Znajdziesz tu też przykłady obrazów, które możesz utworzyć.
Podstawy pisania promptów
Dobry prompt jest opisowy i jasny oraz zawiera znaczące słowa kluczowe i modyfikatory. Zacznij od zastanowienia się nad tematem, kontekstem i stylem.

Temat: pierwszą rzeczą, o której należy pomyśleć, jest temat: obiekt, osoba, zwierzę lub krajobraz, które chcesz sfotografować.
Kontekst i tło: równie ważne jest tło lub kontekst, w którym znajduje się obiekt. Spróbuj umieścić obiekt na różnych tłach. Może to być na przykład studio z białym tłem, plener lub wnętrze.
Styl: na koniec dodaj żądany styl obrazu. Style mogą być ogólne (obraz, fotografia, szkic) lub bardzo konkretne (obraz w pastelach, rysunek węglem, 3D izometryczne). Możesz też łączyć style.
Po napisaniu pierwszej wersji promptu dodaj do niego więcej szczegółów, aż uzyskasz pożądany obraz. Powtarzanie jest ważne. Najpierw określ główną ideę, a potem ją udoskonalaj i rozwijaj, aż wygenerowany obraz będzie zbliżony do Twojej wizji.
![]() |
![]() |
![]() |
Imagen 3 może przekształcać Twoje pomysły w szczegółowe obrazy, niezależnie od tego, czy prompty są krótkie, czy długie i szczegółowe. Ulepszaj swoją wizję, korzystając z powtarzających się podpowiedzi i dodając szczegóły, aż osiągniesz idealny rezultat.
Krótkie prompty umożliwiają szybkie generowanie obrazów. ![]() |
Dłuższe prompty umożliwiają dodawanie konkretnych szczegółów i tworzenie obrazu. ![]() |
Dodatkowe wskazówki dotyczące pisania promptów w usłudze Imagen:
- Używaj języka opisowego: używaj szczegółowych przymiotników i przysłów, aby przedstawić wyraźny obraz w Imagen 3.
- Podaj kontekst: w razie potrzeby dodaj informacje ogólne, aby ułatwić AI zrozumienie.
- Przywoływanie konkretnych artystów lub stylów: jeśli masz na myśli konkretny styl, możesz przywołać konkretnych artystów lub kierunki artystyczne.
- Używanie narzędzi do tworzenia promptów: rozważ skorzystanie z narzędzi lub zasobów do tworzenia promptów, które pomogą Ci je ulepszać i osiągać optymalne wyniki.
- Poprawianie szczegółów twarzy na zdjęciach osobistych i grupowych: określ szczegóły twarzy jako punkt skupienia zdjęcia (na przykład użyj słowa „portret” w promptzie).
Generowanie tekstu na obrazach
Imagen może dodawać tekst do obrazów, co stwarza większe możliwości tworzenia kreatywnych obrazów. Aby w pełni korzystać z tej funkcji, postępuj zgodnie z tymi wskazówkami:
- Powtarzaj proces do skutku: może być konieczne ponowne wygenerowanie obrazów, aż uzyskasz pożądany wygląd. Integracja tekstu w Imagen jest nadal udoskonalana i czasem najlepsze wyniki przynoszą wielokrotne próby.
- Skróć tekst: aby uzyskać optymalne wyniki, ogranicz tekst do maksymalnie 25 znaków.
Wiele wyrażeń: eksperymentuj z 2 lub 3 wyrażeniami, aby podać dodatkowe informacje. Aby uzyskać przejrzystość kompozycji, nie używaj więcej niż 3 wyrazów.
Prompt: plakat z tekstem „Summerland” (ang. „Lato”) w grubym druku jako tytułem. Pod nim znajduje się slogan „Lato nigdy nie było tak dobre” (ang. „Summer never felt so good”). Pozycja przewodnika: chociaż Imagen może próbować umieścić tekst zgodnie z instrukcjami, należy się spodziewać sporadycznych zmian. Ta funkcja jest stale ulepszana.
Inspire font style (inspiruj styl czcionki): określ ogólny styl czcionki, aby subtelnie wpływać na wybory Imagena. Nie polegaj na dokładnym odwzorowaniu czcionek, ale spodziewaj się kreatywnych interpretacji.
Rozmiar czcionki: określ rozmiar czcionki lub ogólny rozmiar (np. mały, średni, duży), aby wpływać na generowanie rozmiaru czcionki.
Parametryzowanie promptów
Aby lepiej kontrolować wyniki wyjściowe, warto skonfigurować parametry wejściowe w Imagen. Załóżmy na przykład, że chcesz, aby Twoi klienci mogli generować logo swojej firmy, i chcesz mieć pewność, że logo będą zawsze generowane na jednolitym tle. Musisz też ograniczyć opcje, które klient może wybrać z menu.
W tym przykładzie możesz utworzyć prompt z parametrami podobny do tego:
A{logo_style} logo for a{company_area} company on a solid color background. Include the text{company_name} .
W niestandardowym interfejsie użytkownika klient może wpisywać parametry za pomocą menu, a wybrana przez niego wartość wypełnia prompt, który otrzymuje Imagen.
Na przykład:
Prompt:
A minimalist logo for a health care company on a solid color background. Include the text Journey.
Prompt:
A modern logo for a software company on a solid color background. Include the text Silo.
Prompt:
A traditional logo for a baking company on a solid color background. Include the text Seed.
Zaawansowane techniki pisania promptów
Korzystając z podanych niżej przykładów, możesz tworzyć bardziej szczegółowe prompty na podstawie atrybutów, takich jak opisy fotografii, kształty i materiały, historyczne kierunki w sztuce oraz modyfikatory jakości obrazu.
Fotografia
- Prompt: „Zdjęcie…”
Aby użyć tego stylu, zacznij od użycia słów kluczowych, które wyraźnie informują Imagen, że szukasz zdjęcia. Rozpocznij prompta od słów "Zrób zdjęcie. . .". Przykład:
![]() |
![]() |
![]() |
Źródło obrazu: każdy obraz został wygenerowany za pomocą odpowiedniego promptu tekstowego za pomocą modelu Imagen 3.
Modyfikatory fotografii
W następnych przykładach znajdziesz kilka modyfikatorów i parametrów związanych z fotografią. Aby uzyskać większą kontrolę, możesz łączyć ze sobą wiele modyfikatorów.
Odległość od aparatu – zbliżenie, zrobione z dużej odległości
Prompt: zbliżenie na ziarna kawy Prompt: zdjęcie z dużą perspektywą małego worka
z kawą w nieuporządkowanej kuchniPozycja kamery – powietrzna, od dołu
Prompt: zdjęcie lotnicze miasta z wieżowcami Prompt: zdjęcie korony drzew z niebem od dołu Oświetlenie – naturalne, dramatyczne, ciepłe, zimne
Prompt: zdjęcie nowoczesnego fotela w studio, oświetlenie naturalne Prompt: zdjęcie nowoczesnego fotela w studio z dramatycznym oświetleniem Ustawienia aparatu - rozmycie w ruchu, miękki fokus, bokeh, tryb portretowy
Prompt: zdjęcie miasta z wieżowcami zrobione z wnętrza samochodu z rozmyciem dynamicznym Prompt: nieostrego zdjęcia mostu w mieście w nocy Typy obiektywów – 35 mm, 50 mm, rybie oko, szerokokątny, makro
Prompt: zdjęcie liścia, obiektyw makro Prompt: fotografia uliczna, Nowy Jork, obiektyw rybią kość Typy filmów – czarno-biały, polaroid
Prompt: portret w polaroidzie psa w okularach przeciwsłonecznych Prompt: czarno-białe zdjęcie psa w okularach przeciwsłonecznych
Źródło obrazu: każdy obraz został wygenerowany za pomocą odpowiedniego promptu tekstowego za pomocą modelu Imagen 3.
Ilustracje i dzieła sztuki
- Prompt: "A painting of...", "A sketch of..."
Style artystyczne mogą być monochromatyczne, jak szkice ołówkiem, lub hiperrealistyczne, jak sztuka cyfrowa. Na przykład te obrazy używają tego samego prompta w różnych stylach:
„[art style or creation technique] sportowego elektrycznego sedana z zaokrąglonymi krawędziami na tle wieżowców”
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
Źródło obrazu: każdy obraz został wygenerowany za pomocą odpowiedniego promptu tekstowego za pomocą modelu Imagen 2.
Kształty i materiały
- Prompt: "...made of...", „…w kształcie…”
Jedną z zalet tej technologii jest to, że możesz tworzyć obrazy, które w innym przypadku byłyby trudne lub niemożliwe do uzyskania. Możesz na przykład odtworzyć logo swojej firmy w różnych materiałach i teksturach.
![]() |
![]() |
![]() |
Źródło obrazu: każdy obraz został wygenerowany za pomocą odpowiedniego promptu tekstowego za pomocą modelu Imagen 3.
odniesienia do sztuki historycznej,
- Prompt: "...w stylu..."
Niektóre style stały się z latami ikonami. Poniżej znajdziesz kilka pomysłów na malarstwo historyczne lub style artystyczne, które możesz wypróbować.
"wygeneruj obraz w stylu [art period or movement] : farma wiatrowa"
![]() |
![]() |
![]() |
Źródło obrazu: każdy obraz został wygenerowany za pomocą odpowiedniego promptu tekstowego za pomocą modelu Imagen 3.
Modyfikatory jakości obrazu
Niektóre słowa kluczowe mogą informować model, że szukasz zasobu wysokiej jakości. Przykłady modyfikatorów jakości:
- Ogólne modyfikatory – wysokiej jakości, piękne, stylizowane
- Zdjęcia – 4K, HDR, zdjęcie w Studio
- Grafika, ilustracja – wykonane przez profesjonalistę, szczegółowe
Poniżej znajdziesz kilka przykładów promptów bez modyfikatorów jakości i tego samego prompta z modyfikatorami jakości.
![]() |
![]() photo of a corn stalk taken by a professional photographer |
Źródło obrazu: każdy obraz został wygenerowany za pomocą odpowiedniego promptu tekstowego za pomocą modelu Imagen 3.
Formaty obrazu
Generowanie obrazów w modelu Imagen 3 umożliwia ustawienie 5 różnych współczynników proporcji obrazu.
- Kwadrat (1:1, domyślnie) – standardowe zdjęcie w formacie kwadratu. Ten format jest często używany w postach w mediach społecznościowych.
Pełny ekran (4:3) – ten format jest często używany w mediach i filmach. Są to też wymiary większości starszych telewizorów (niepanoramowych) i kamer średniego formatu. Pozwala ono uchwycić więcej sceny w orientacji poziomej (w porównaniu z formatem 1:1), co czyni go preferowanym formatem w fotografii.
Prompt: zbliżenie palców muzyka grającego na pianinie, czarno-biały film, vintage (format obrazu 4:3) Prompt: profesjonalne zdjęcie studyjne frytek dla ekskluzywnej restauracji w stylu magazynu kulinarnego (format obrazu 4:3) Pełny ekran pionowy (3:4) – to format pełnoekranowy obrócony o 90 stopni. Pozwala to uchwycić więcej szczegółów w pionie niż w formacie 1:1.
Prompt: kobieta na szlaku, zbliżenie na buty odbijające się w kałuży, duże góry w tle, w stylu reklamy, dramatyczne ujęcia (format obrazu 3:4) Prompt: ujęcie z lotu rzeki płynącej przez tajemniczą dolinę (format 3:4) Panorama (16:9) – ten format zastąpił format 4:3 i jest obecnie najczęściej stosowanym formatem w telewizorach, monitorach i ekranach telefonów komórkowych (w orientacji poziomej). Użyj tego formatu, jeśli chcesz uchwycić więcej tła (np. krajobraz).
Prompt: mężczyzna w białym stroju siedzący na plaży, zbliżenie, oświetlenie w złotej godzinie (format obrazu 16:9) Pionowa (9:16) – ten format jest panoramiczny, ale obrócony. To stosunkowo nowy format obrazu, który stał się popularny dzięki aplikacjom do tworzenia krótkich filmów (np. YouTube Shorts). Używaj tego w przypadku wysokich obiektów o wyraźnie pionowej orientacji, takich jak budynki, drzewa, wodospady lub inne podobne obiekty.
Prompt: cyfrowy obraz ogromnego, nowoczesnego drapacza chmur, który jest majestatyczny i efektywny, z pięknym zachodem słońca w tle (format 9:16)
realistyczne obrazy,
Różne wersje modelu do generowania obrazów mogą oferować zarówno wyniki o charakterze artystycznym, jak i realistyczne. Aby uzyskać bardziej fotorealistyczne wyniki na podstawie wybranego obiektu, użyj w promptach sformułowania opisanego poniżej.
Przypadek użycia | Typ obiektywu | Ogniskowe | Informacje dodatkowe |
---|---|---|---|
osoby (portrety), | Prime, zoom | 24-35mm | film czarno-biały, film noir, głębia ostrości, duotone (wymień 2 kolory) |
Jedzenie, owady, rośliny (obiekty, martwa natura) | Makro | 60-105mm | wysoka szczegółowość, precyzyjne ostrzenie, kontrolowane oświetlenie; |
Sport, przyroda (ruchome obrazy) | Zoom teleobiektywem | 100-400mm | Szybka szybkość migawki, śledzenie ruchu lub działania |
astronomiczny, orientacja pozioma (szerokokątny) | Szerokokątny | 10-24mm | długi czas naświetlania, ostry obraz, płynna woda lub chmury; |
Portrety
Przypadek użycia | Typ obiektywu | Ogniskowe | Informacje dodatkowe |
---|---|---|---|
osoby (portrety), | Prime, zoom | 24-35mm | film czarno-biały, film noir, głębia ostrości, duotone (wymień 2 kolory) |
Na podstawie kilku słów kluczowych z tabeli Imagen może wygenerować te portrety:
![]() |
![]() |
![]() |
![]() |
Prompt: Kobieta, portret 35 mm, duotony w kolorach niebieskim i szarym
Model: imagen-3.0-generate-002
![]() |
![]() |
![]() |
![]() |
Prompt: Kobieta, portret 35 mm, film noir
Model: imagen-3.0-generate-002
Obiekty
Przypadek użycia | Typ obiektywu | Ogniskowe | Informacje dodatkowe |
---|---|---|---|
Jedzenie, owady, rośliny (obiekty, martwa natura) | Makro | 60-105mm | wysoka szczegółowość, precyzyjne ostrzenie, kontrolowane oświetlenie; |
Korzystając z kilku słów kluczowych z tabeli, Imagen może wygenerować te obrazy obiektów:
![]() |
![]() |
![]() |
![]() |
Prompt: liść modlitwy, obiektyw makro, 60 mm
Model: imagen-3.0-generate-002
![]() |
![]() |
![]() |
![]() |
Prompt: talerz z makaronem, obiektyw makro 100 mm
Model: imagen-3.0-generate-002
Ruch
Przypadek użycia | Typ obiektywu | Ogniskowe | Informacje dodatkowe |
---|---|---|---|
Sport, przyroda (ruchome obrazy) | Zoom teleobiektywem | 100-400mm | Szybka szybkość migawki, śledzenie ruchu lub działania |
Korzystając z kilku słów kluczowych z tabeli, Imagen może wygenerować te obrazy w ruchu:
![]() |
![]() |
![]() |
![]() |
Prompt: wygrywający touchdown, szybka szybkość migawki, śledzenie ruchu
Model: imagen-3.0-generate-002
![]() |
![]() |
![]() |
![]() |
Prompt: Rzeczywistego jelenia biegającego po lesie, szybka szybkość migawki, śledzenie ruchu
Model: imagen-3.0-generate-002
Szerokokątny
Przypadek użycia | Typ obiektywu | Ogniskowe | Informacje dodatkowe |
---|---|---|---|
astronomiczny, orientacja pozioma (szerokokątny) | Szerokokątny | 10-24mm | długi czas naświetlania, ostry obraz, płynna woda lub chmury; |
Korzystając z kilku słów kluczowych z tabeli, Imagen może wygenerować te zdjęcia panoramiczne:
![]() |
![]() |
![]() |
![]() |
Prompt: rozległy łańcuch górski, tryb poziomy, kąt widzenia 10 mm
Model: imagen-3.0-generate-002
![]() |
![]() |
![]() |
![]() |
Prompt: zdjęcie księżyca, fotografia astronomiczna, obiektyw szerokokątny 10 mm
Model: imagen-3.0-generate-002
Co dalej?
- Aby dowiedzieć się, jak generować filmy za pomocą interfejsu Gemini API, zapoznaj się z przewodnikiem Veo.
- Więcej informacji o modelach Gemini 2.0 znajdziesz w artykułach Modele Gemini i Modele eksperymentalne.