Генерируйте изображения с помощью Imagen

Imagen — это высокоточная модель генерации изображений от Google, способная создавать реалистичные и высококачественные изображения на основе текстовых запросов. Все сгенерированные изображения содержат водяной знак SynthID. Подробнее о доступных вариантах модели Imagen см. в разделе « Версии модели» .

Создавайте изображения, используя модели Imagen.

Этот пример демонстрирует генерацию изображений с помощью модели Imagen :

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

client = genai.Client()

response = client.models.generate_images(
    model='imagen-4.0-generate-001',
    prompt='Robot holding a red skateboard',
    config=types.GenerateImagesConfig(
        number_of_images= 4,
    )
)
for generated_image in response.generated_images:
  generated_image.image.show()

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

async function main() {

  const ai = new GoogleGenAI({});

  const response = await ai.models.generateImages({
    model: 'imagen-4.0-generate-001',
    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, err := genai.NewClient(ctx, nil)
  if err != nil {
      log.Fatal(err)
  }

  config := &genai.GenerateImagesConfig{
      NumberOfImages: 4,
  }

  response, _ := client.Models.GenerateImages(
      ctx,
      "imagen-4.0-generate-001",
      "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-4.0-generate-001:predict" \
    -H "x-goog-api-key: $GEMINI_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
        "instances": [
          {
            "prompt": "Robot holding a red skateboard"
          }
        ],
        "parameters": {
          "sampleCount": 4
        }
      }'

Конфигурация изображения

В настоящее время Imagen поддерживает только подсказки на английском языке и следующие параметры:

• numberOfImages : Количество изображений для генерации, от 1 до 4 (включительно). Значение по умолчанию — 4.
• imageSize : Размер создаваемого изображения. Поддерживается только для моделей Standard и Ultra. Поддерживаемые значения: 1K и 2K . Значение по умолчанию: 1K .
• aspectRatio : Изменяет соотношение сторон создаваемого изображения. Поддерживаемые значения: "1:1" , "3:4" , "4:3" , "9:16" и "16:9" . Значение по умолчанию — "1:1" .

• personGeneration : Разрешить модели генерировать изображения людей. Поддерживаются следующие значения:

  • "dont_allow" : Блокировать генерацию изображений людей.
  • "allow_adult" : Генерировать изображения взрослых, но не детей. Это значение по умолчанию.
  • "allow_all" : Создавать изображения, включающие взрослых и детей.

Руководство по использованию изображений

В этом разделе руководства по Imagen показано, как изменение запроса на преобразование текста в изображение может привести к различным результатам, а также приведены примеры изображений, которые вы можете создать.

Основы написания текстов по заданным темам

Хороший запрос должен быть описательным и ясным, а также содержать значимые ключевые слова и определения. Начните с обдумывания темы , контекста и стиля .

1. Тема : Первое, о чем следует подумать, выбирая любое задание, — это тема : предмет, человек, животное или пейзаж, изображение которого вы хотите получить.

2. Контекст и фон: Не менее важен фон или контекст, в котором будет размещен объект съемки. Попробуйте разместить объект на разных фонах. Например, в студии на белом фоне, на открытом воздухе или в помещении.

3. Стиль: Наконец, добавьте желаемый стиль изображения. Стили могут быть общими (живопись, фотография, эскизы) или очень специфическими (пастельная живопись, рисунок углем, изометрическая 3D-модель). Вы также можете комбинировать стили.

После того, как вы напишете первый вариант своего задания, доработайте его, добавив больше деталей, пока не получите желаемый образ. Итерация важна. Начните с определения основной идеи, а затем дорабатывайте и расширяйте её, пока полученный образ не будет близок к вашему видению.

Модели изображений могут превратить ваши идеи в детальные изображения, независимо от того, короткие или длинные и подробные ваши запросы. Уточняйте свое видение с помощью итеративных запросов, добавляя детали, пока не добьетесь идеального результата.

Короткие подсказки позволяют быстро создать изображение.

Более длинные подсказки позволяют добавить конкретные детали и сформировать свой образ.

Дополнительные советы по написанию текстов по заданию Imagen:

• Используйте описательный язык : применяйте подробные прилагательные и наречия, чтобы создать четкую картину для Imagen.
• Предоставьте контекст : при необходимости включите справочную информацию, которая поможет ИИ понять материал.
• Упоминайте конкретных художников или стили : если у вас есть определенное эстетическое видение, полезно будет обратиться к работам конкретных художников или художественным направлениям.
• Используйте инструменты для оптимизации подсказок : Рассмотрите возможность изучения инструментов или ресурсов для оптимизации подсказок, которые помогут вам улучшить ваши подсказки и добиться оптимальных результатов.
• Улучшение детализации лиц на ваших личных и групповых фотографиях : Укажите детали лица как основной акцент фотографии (например, используйте слово «портрет» в задании).

Создание текста на изображениях

Модели изображений позволяют добавлять текст в изображения, открывая новые возможности для креативного создания картинок. Воспользуйтесь приведенными ниже рекомендациями, чтобы максимально эффективно использовать эту функцию:

• Не бойтесь экспериментировать : возможно, вам придётся перегенерировать изображения, пока вы не добьётесь желаемого результата. Интеграция текста в Imagen всё ещё находится в стадии развития, и иногда несколько попыток дают наилучшие результаты.
• Краткость : для оптимальной генерации текста ограничьте его 25 символами или меньше.

• Использование нескольких фраз : поэкспериментируйте с двумя или тремя различными фразами, чтобы добавить дополнительную информацию. Избегайте использования более трех фраз для более лаконичного изложения.

  

• Направляющие для размещения текста : Хотя Imagen может попытаться расположить текст в соответствии с указаниями, возможны occasional отклонения. Эта функция постоянно совершенствуется.

• Задайте стиль шрифта : укажите общий стиль шрифта, чтобы незаметно повлиять на выбор шрифтов Imagen. Не полагайтесь на точное воспроизведение шрифта, но ожидайте творческих интерпретаций.

• Размер шрифта : Укажите размер шрифта или общее обозначение размера (например, маленький , средний , большой ), чтобы повлиять на генерацию размера шрифта.

Параметризация подсказок

Для более точного контроля результатов может быть полезно параметризовать входные данные в Imagen. Например, предположим, вы хотите, чтобы ваши клиенты могли создавать логотипы для своего бизнеса, и вы хотите убедиться, что логотипы всегда создаются на однотонном фоне. Вы также хотите ограничить выбор параметров, которые клиент может выбрать из меню.

В этом примере вы можете создать параметризованную подсказку, аналогичную следующей:

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

В вашем пользовательском интерфейсе клиент может ввести параметры с помощью меню, и выбранное им значение будет отображаться в подсказке, которую получит Imagen.

Например:

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

   

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

   

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

   

Продвинутые методы написания заданий

Используйте следующие примеры для создания более конкретных запросов на основе таких атрибутов, как описание фотографии, формы и материалы, исторические направления в искусстве и модификаторы качества изображения.

Фотография

• Задание включает в себя: «Фотография...»

Чтобы использовать этот стиль, начните с ключевых слов, которые четко указывают Imagen, что вы ищете фотографию. Начинайте свои запросы со слов «Фотография...» . Например:

^{Источник изображений: Каждое изображение было сгенерировано с использованием соответствующего текстового запроса с помощью модели Imagen 3.}

Фотомодификаторы

В приведенных ниже примерах вы можете увидеть несколько модификаторов и параметров, специфичных для фотографии. Вы можете комбинировать несколько модификаторов для более точного управления.

1. Съемка крупным планом, с большого расстояния.

2. Ракурс камеры — вид сверху, снизу.

3. Освещение — естественное, драматическое, тёплое, холодное

4. Настройки камеры - размытие в движении, мягкая фокусировка, боке, портрет.

5. Типы объективов : 35 мм, 50 мм, «рыбий глаз», широкоугольный, макро.

6. Типы плёнки — чёрно-белая, полароидная

^{Источник изображений: Каждое изображение было сгенерировано с использованием соответствующего текстового запроса с помощью модели Imagen 3.}

Иллюстрация и искусство

• Задание включает в себя: « painting с изображением...» , « sketch с изображением...».

Художественные стили варьируются от монохромных, таких как карандашные наброски, до гиперреалистичного цифрового искусства. Например, следующие изображения используют одно и то же задание, но в разных стилях:

« [art style or creation technique] угловатого спортивного электроседана на фоне небоскребов»

^{Источник изображений: Каждое изображение было сгенерировано с использованием соответствующего текстового запроса с помощью модели Imagen 2.}

Формы и материалы

• В задании используются слова: "...сделано из..." , "...в форме...".

Одно из преимуществ этой технологии заключается в возможности создания изображений, которые другими способами сложно или невозможно получить. Например, можно воссоздать логотип вашей компании, используя различные материалы и текстуры.

^{Источник изображений: Каждое изображение было сгенерировано с использованием соответствующего текстового запроса с помощью модели Imagen 3.}

Исторические отсылки к искусству

• Задание включает в себя: "...в стиле..."

Некоторые стили со временем стали культовыми. Ниже представлены несколько идей исторических стилей живописи или искусства, которые вы можете попробовать.

"Создать изображение в стиле [art period or movement] : ветряная электростанция"

^{Источник изображений: Каждое изображение было сгенерировано с использованием соответствующего текстового запроса с помощью модели Imagen 3.}

Модификаторы качества изображения

Определенные ключевые слова могут дать модели понять, что вы ищете высококачественный ресурс. Примеры модификаторов качества включают следующее:

• Общие модификаторы - высококачественные, красивые, стилизованные
• Фотографии - 4K, HDR, студийная фотосъемка
• Искусство, иллюстрация — от профессионала, с вниманием к деталям.

Ниже приведены несколько примеров подсказок без уточнений качества и той же подсказки с уточнениями качества.

^{Источник изображений: Каждое изображение было сгенерировано с использованием соответствующего текстового запроса с помощью модели Imagen 3.}

Соотношение сторон

Функция генерации изображений позволяет задавать пять различных соотношений сторон изображения.

1. Квадратное (1:1, по умолчанию) — стандартное квадратное фото. Часто такое соотношение сторон используется для публикаций в социальных сетях.

2. Полноэкранный режим (4:3) — это соотношение сторон, широко используемое в медиа и кино. Оно также соответствует размерам большинства старых (не широкоэкранных) телевизоров и среднеформатных камер. Оно захватывает большую часть сцены по горизонтали (по сравнению с 1:1), что делает его предпочтительным соотношением сторон для фотографии.

3. Портретный полноэкранный режим (3:4) — это полноэкранное соотношение сторон, повернутое на 90 градусов. Это позволяет захватывать большую часть сцены по вертикали по сравнению с соотношением сторон 1:1.

4. Широкоэкранный формат (16:9) — это соотношение сторон, заменившее 4:3, и в настоящее время является наиболее распространенным для телевизоров, мониторов и экранов мобильных телефонов (альбомная ориентация). Используйте это соотношение сторон, когда хотите охватить большую часть фона (например, живописные пейзажи).

   

5. Портретный формат (9:16) — это широкоэкранный формат, но с поворотом. Это относительно новое соотношение сторон, получившее популярность благодаря приложениям для коротких видеороликов (например, YouTube Shorts). Используйте его для высоких объектов с выраженной вертикальной ориентацией, таких как здания, деревья, водопады или другие подобные объекты.

   

Фотореалистичные изображения

Различные версии модели генерации изображений могут предлагать сочетание художественного и фотореалистичного результата. Используйте следующие формулировки в подсказках, чтобы получить более фотореалистичный результат в зависимости от желаемой тематики.

Портреты

Используя несколько ключевых слов из таблицы, Imagen может сгенерировать следующие портреты:

Задание: Женщина, портрет, 35 мм, двухцветная сине-серая гамма.
Модель: imagen-3.0-generate-002

Задание: Женщина, портрет, 35 мм, фильм нуар.
Модель: imagen-3.0-generate-002

Объекты

Используя несколько ключевых слов из таблицы, Imagen может сгенерировать следующие изображения объектов:

Задание: лист молитвенного растения, макрообъектив, 60 мм
Модель: imagen-3.0-generate-002

Задание: тарелка пасты, макрообъектив 100 мм.
Модель: imagen-3.0-generate-002

Движение

Используя несколько ключевых слов из таблицы, Imagen может сгенерировать следующие видеоролики:

Подсказка: победный тачдаун, быстрая выдержка, отслеживание движения.
Модель: imagen-3.0-generate-002

Задание: Олень бежит в лесу, быстрая выдержка, слежение за движением.
Модель: imagen-3.0-generate-002

Широкоугольный

Используя несколько ключевых слов из таблицы, Imagen может сгенерировать следующие широкоугольные изображения:

Подсказка: обширный горный хребет, пейзаж, широкоугольный объектив 10 мм.
Модель: imagen-3.0-generate-002

Задание: фотография Луны, астрофотография, широкоугольный объектив 10 мм.
Модель: imagen-3.0-generate-002

Версии моделей