此页面由 Cloud Translation API 翻译。

图片生成

您可以使用 Gemini API 结合 Gemini 的内置多模态功能或 Google 的专用图片生成模型 Imagen 生成图片。对于大多数应用场景，请先使用 Gemini。如需执行图片质量至关重要的专门任务，请选择 Imagen。如需更多指导，请参阅选择合适的模型部分。

所有生成的图片都包含 SynthID 水印。

准备工作

确保您使用的是受支持的模型和版本来生成图片：

对于 Gemini，请使用 Gemini 2.0 Flash 预览图片生成功能。
对于 Imagen，请使用 Imagen 3。请注意，此模型仅适用于付费层级。

您可以使用相同的库访问 Gemini 和 Imagen 3。

使用 Gemini 生成图片

Gemini 可以通过对话方式生成和处理图片。您可以通过文本、图片或二者的组合向 Gemini 发出提示，以执行各种与图片相关的任务，例如图片生成和编辑。

您必须在配置中添加 responseModalities: ["TEXT", "IMAGE"]。这些模型不支持仅输出图片。

图片生成（文本转图片）

以下代码演示了如何根据描述性提示生成图片：

Python

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()

JavaScript

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();

Go

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)
      }
  }
}

REST

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

图片编辑（文字和图片转图片）

如需执行图片编辑，请添加图片作为输入。以下示例演示了如何上传 base64 编码的图片。对于多张图片和较大的载荷，请参阅图片输入部分。

Python

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()

JavaScript

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();

Go

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)
     }
 }
}

REST

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

其他图片生成模式

Gemini 支持根据提示结构和上下文使用其他图片互动模式，包括：

将文本转换为图片和文本（交织）：输出带有相关文本的图片。
- 示例提示：“生成带插图的西班牙海鲜饭食谱。”
图片和文本转图片和文本（交织）：使用输入的图片和文本创建新的相关图片和文本。
- 问题示例：（显示家具摆设的房间图片）“我的空间适合哪些其他颜色的沙发？您能更新一下图片吗？”
多轮图片编辑（聊天）：通过对话不断生成 / 编辑图片。
- 示例提示：[上传一张蓝色汽车的图片。]，然后说“将这辆车变成敞篷车”。“现在将颜色更改为黄色。”

限制

为获得最佳效果，请使用以下语言：英语、西班牙语（墨西哥）、日语、简体中文、印地语。
图片生成功能不支持音频或视频输入。
图片生成功能未必总会触发以下操作：
- 模型可能只会输出文本。尝试明确要求获取图片输出（例如“生成图片”“随时提供图片”“更新图片”）。
- 模型可能会在中途停止生成。请重试或尝试使用其他问题。
为图片生成文字时，如果您先生成文字，然后再请求包含文字的图片，Gemini 的效果会最好。
某些地区/国家/地区不支持图片生成功能。如需了解详情，请参阅模型。

使用 Imagen 3 生成图片

以下示例演示了如何使用 Imagen 3 生成图片：

Python

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()

JavaScript

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();

Go

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)
  }
}

REST

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
        }
      }'

AI 生成的图片：一个拿着红色滑板的机器人 — AI 生成的图片：手持红色滑板的机器人

Imagen 模型参数

Imagen 目前仅支持英语提示，以及以下参数：

numberOfImages：要生成的图片数量，介于 1 到 4（包括这两个数值）之间。默认值为 4。
aspectRatio：更改生成图片的宽高比。支持的值包括 "1:1"、"3:4"、"4:3"、"9:16" 和 "16:9"。默认值为 "1:1"。
personGeneration：允许模型生成人物图片。支持以下值：
- "DONT_ALLOW"：禁止生成人物图片。
- "ALLOW_ADULT"：生成成人图像，但不生成儿童图像。这是默认值。

选择合适的模型

在以下情况下，请选择 Gemini：

您需要利用世界知识和推理能力来提供与上下文相关的图片。
将文本和图片无缝融合非常重要。
您希望在长文本序列中嵌入准确的视觉内容。
您希望以对话方式编辑图片，同时保持上下文。

在以下情况下，请选择 Imagen 3：

画质、写实效果、艺术细节或特定风格（例如印象派、动漫）是首要考虑因素。
执行专门的编辑任务，例如更新商品背景或放大图片。
注入品牌、风格，或生成徽标和产品设计。

Imagen 提示指南

Imagen 指南的这一部分介绍了修改文本转图片提示会如何产生不同的结果，并举例说明了您可以创建的图片。

提示撰写的基础知识

好的提示应具有描述性且清晰，并使用有意义的关键字和修饰符。首先，考虑正文、背景和风格。

强调主体、背景和风格的提示 — 图片文本：一幅草图（风格），现代风格的公寓楼（主体），周围摩天大楼环绕（**背景和环境**）。

主体：对于任何提示，首先要考虑的都是主体：对象、人物、动物或场景。
背景和环境：与主体所处的背景或环境一样重要。请尝试将主体置于各种背景下。例如，白色背景、户外或室内环境下的工作室。
样式：最后，添加所需图片的样式。样式可以是常规内容（绘画、照片、草图），也可以是非常具体的内容（色粉画、木炭画、无透视三维绘图）。您还可以组合使用多种样式。

在撰写第一版提示后，请通过添加更多详细信息来优化提示，直到您获得所需的图片为止。迭代很重要。首先确定核心概念，然后在此核心概念的基础上进行优化和扩展，直到生成的图片接近您的构想为止。

逼真的示例图片 1 — 提示：A park in the spring next to a lake

逼真的示例图片 2 — 提示：A park in the spring next to a lake, **the sun sets across the lake, golden hour**

逼真的示例图片 3 — 提示：A park in the spring next to a lake, **the sun sets across the lake, golden hour, red wildflowers**

无论您的提示是简短的还是较长且详细的，Imagen 3 都可以将您的想法转换为详细的图片。通过迭代提示和添加详细信息来优化您的构想，直到您获得理想的结果。

您可以使用短提示快速生成图片。

Imagen 3 短提示示例 — 提示：close-up photo of a woman in her 20s, street photography, movie still, muted orange warm tones

您可以使用较长提示添加具体详细信息并构建图片。

Imagen 3 长提示示例 — 提示：captivating photo of a woman in her 20s utilizing a street photography style. The image should look like a movie still with muted orange warm tones.

关于 Imagen 提示撰写的其他建议：

使用描述性语言：使用详细的形容词和副词，为 Imagen 3 描绘清晰的画面。
提供背景信息：根据需要，添加背景信息以帮助 AI 理解。
参考特定艺术家或风格：如果您有特定的审美观，参考特定艺术家或艺术运动可能会有所帮助。
使用提示工程工具：可考虑探索提示工程工具或资源，以帮助您优化提示并实现最佳结果。
增强个人和群组图片中的面部细节：指定面部细节作为照片的焦点（例如，在提示中使用“portrait”一词）。

在图片中生成文本

Imagen 可以向图片添加文本，从而为创造性图片生成提供了更多可能性。请按照以下指南来充分利用此功能：

自信地迭代：您可能需要重新生成图片，直到实现所需的外观为止。Imagen 的文本集成仍在不断发展，有时多次尝试才能获得最佳结果。
简短明了：为获得最佳生成效果，请将文本长度限制在 25 个字符以内。
多个短语：尝试使用两三个不同的词组来提供更多信息。为了让组合更清晰，请避免超过三个短语。

提示：A poster with the text "Summerland" in bold font as a title, underneath this text is the slogan "Summer never felt so good"
指导放置：虽然 Imagen 可以尝试按指示放置文本，但您应该预料到偶尔会出现一些变化。此功能正在不断改进。
启发性字体样式：指定一种常规字体样式，以巧妙地影响 Imagen 的选择。不要依赖精确的字体复制，而是期待富有创意的诠释。
字体大小：指定字体大小或有关大小的一般指示（例如，小、中、大）以影响字体大小生成。

提示参数化

为了更好地控制输出结果，将发送给 Imagen 的输入参数化可能会有所帮助。例如，假设您希望客户能够为自己的企业生成徽标，并且希望确保徽标始终在纯色背景上生成。您还想限制客户端可以从菜单中选择的选项。

在此示例中，您可以创建一个类似于以下内容的参数化提示：

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

在自定义界面中，客户可以使用菜单输入参数，并且他们选择的值会填充 Imagen 收到的提示。

例如：

提示：A minimalist logo for a health care company on a solid color background. Include the text Journey.
提示：A modern logo for a software company on a solid color background. Include the text Silo.
提示：A traditional logo for a baking company on a solid color background. Include the text Seed.

高级提示撰写技术

使用以下示例根据属性（例如摄影描述符、形状和材料、历史艺术运动和图像质量修饰符）创建更具体的提示。

摄影

提示包括：“...的照片”

如需使用此风格，请先使用关键字，明确告诉 Imagen 您所需要的是照片。提示开头是“一张. . . 的照片”。例如：

^{图片来源：每张图片都是使用相应的文本提示通过 Imagen 3 模型生成的。}

摄影修饰符

在以下示例中，您可以看到多个专用于照片的修饰符和参数。您可以组合使用多个修饰符，以实现更精确的控制。

相机邻近性 - 特写，从远处拍摄

特写镜头示例图片 — 提示：A **close-up** photo of coffee beans

缩小的镜头示例图片 — 提示：A **zoomed out** photo of a small bag of
coffee beans in a messy kitchen

相机位置 - 航拍、仰拍

提示：aerial photo of urban city with skyscrapers

提示：A photo of a forest canopy with blue skies from below

光线 - 自然、舞台、暖、冷

自然光线示例图片 — 提示：studio photo of a modern arm chair, **natural lighting**

舞台灯光示例图片 — 提示：studio photo of a modern arm chair, **dramatic lighting**

相机设置 - 运动模糊、柔焦、焦外成像、人像

运动模糊示例图片 — 提示：photo of a city with skyscrapers from the inside of a car with **motion blur**

柔焦示例图片 — 提示：**soft focus** photograph of a bridge in an urban city at night

镜头类型 - 35 毫米、50 毫米、鱼眼、广角、微距

提示：photo of a leaf, macro lens

提示：street photography, new york city, fisheye lens
胶片类型 - 黑白、拍立得

提示：a polaroid portrait of a dog wearing sunglasses

提示：black and white photo of a dog wearing sunglasses

^{图片来源：每张图片都是使用相应的文本提示通过 Imagen 3 模型生成的。}

插图和艺术

提示包括：“...的 painting”、“...的 sketch”

艺术风格各不相同，从铅笔素描等单色风格到超现实的数字艺术均有。例如，以下图片使用相同提示而使用不同风格：

一辆背景是摩天大楼的棱角分明的运动型电动轿车的 [art style or creation technique]

艺术示例图片 — 提示：A **technical pencil drawing** of an angular...

^{图片来源：每张图片都是使用相应的文本提示通过 Imagen 2 模型生成的。}

形状和材料

提示包括：“...制作的...”、“...形状的…”

这项技术的一大优势是您可以创建以其他方式难以实现或无法实现的图像。例如，您可以用不同的材料和纹理重新创建公司徽标。

形状和材料示例图片 1 — 提示：a duffle bag **made of** cheese

形状和材料示例 2 — 提示：neon tubes **in the shape** of a bird

形状和材料示例 3 — 提示：an armchair **made of paper**, studio photo, origami style

^{图片来源：每张图片都是使用相应的文本提示通过 Imagen 3 模型生成的。}

历史艺术参考

提示包括：“...风格的...”

多年来，某些风格已经成为标志。以下是一些您可以尝试的历史绘图或艺术风格想法。

“generate an image in the style of [art period or movement]: a wind farm”

印象派示例图片 — 提示：generate an image in the style of *an impressionist painting*: a wind farm

文艺复兴示例图片 — 提示：generate an image in the style of *a renaissance painting*: a wind farm

流行艺术示例图片 — 提示：generate an image in the style of *pop art*: a wind farm

^{图片来源：每张图片都是使用相应的文本提示通过 Imagen 3 模型生成的。}

图片质量修饰符

某些关键字可使模型知道您正在寻找高质量的资源。质量修饰符的示例包括：

常规修饰符 - 高品质、精美、风格化
照片 - 4K、HDR、摄影棚照片
艺术、插图 - 由专业的、详细的

以下是几个不带质量修饰符的提示以及带有质量修饰符的相同提示的示例。

无修饰符的玉米示例图片 — 提示（无质量修饰符）：a photo of a corn stalk

带修饰符的玉米示例图片 — 提示（带有质量修饰符）：**4k HDR beautiful**
photo of a corn stalk taken by a
professional photographer

^{图片来源：每张图片都是使用相应的文本提示通过 Imagen 3 模型生成的。}

宽高比

借助 Imagen 3 图片生成，您可以设置五种不同的图片宽高比。

方形（1:1，默认值）- 标准方形照片。这种宽高比的常见用途包括社交媒体帖子。

全屏 (4:3) - 这种宽高比通常用于媒体或电影。它也是大多数旧款（非宽屏）电视和中等格式相机的尺寸。它可水平拍摄更多场景（与 1:1 相比），因而成为摄影的首选宽高比。

宽高比示例 — 提示：close up of a musician's fingers playing the piano, black and white film, vintage (4:3 aspect ratio)

纵向全屏 (3:4) - 这是旋转 90 度的全屏宽高比。与 1:1 宽高比相比，这种宽高比可垂直拍摄更多场景。

宽屏 (16:9) - 此宽高比已取代 4:3，现在是电视、显示器和手机屏幕（横向）的最常用宽高比。如果您想拍摄更多背景（例如风景），请使用这种宽高比。

提示：a man wearing all white clothing sitting on the beach, close up, golden hour lighting (16:9 aspect ratio)
纵向 (9:16) - 这种宽高比是宽屏，但进行了旋转。这是一种相对较新的宽高比，深受短视频应用（例如 YouTube Shorts）的欢迎。可将这种宽高比用于具有强烈垂直方向的较高对象，例如建筑物、树、瀑布或其他类似对象。

提示：a digital render of a massive skyscraper, modern, grand, epic with a beautiful sunset in the background (9:16 aspect ratio)

逼真图片

图片生成模型的不同版本可以同时提供具有艺术效果的输出和逼真的输出。根据要生成的主题，在提示中使用以下措辞，以生成更逼真的输出。

使用场景	镜头类型	焦距	其他详情
人物（人像）	定焦、变焦	24-35 毫米	黑白胶片、黑色电影、景深、双色调（提及两种颜色）
食品、昆虫、植物（物体、静物）	宏	60-105 毫米	高精度、精准聚焦、控制照明
体育运动、野生动物（运动）	远摄变焦	100-400 毫米	高速快门、动作或运动追踪
天文、风光（广角）	广角	10-24 毫米	长曝光、清晰对焦、长曝光、平滑的水或云