Générer des images avec Imagen 3

L'API Gemini donne accès à Imagen 3, le modèle de génération d'images de pointe de Google. Avec Imagen, vous pouvez générer de nouvelles images à partir de requêtes textuelles. L'intégration de l'API Gemini à Imagen est conçue pour vous aider à créer des applications d'IA de nouvelle génération qui transforment les requêtes utilisateur en éléments visuels de haute qualité en quelques secondes.

Ce guide vous aidera à vous lancer avec Imagen à l'aide du SDK Python de l'API Gemini.

À propos d'Imagen 3

Imagen 3 est le modèle de texte-vers-image de la plus haute qualité de Google. Il offre un certain nombre de nouvelles fonctionnalités améliorées. Imagen 3 peut effectuer les opérations suivantes :

  • Générez des images avec de meilleurs détails, un éclairage plus riche et moins d'artefacts gênants que les modèles précédents.
  • Comprenez les requêtes écrites en langage naturel et quotidien afin de générer plus facilement des résultats alignés sans ingénierie des requêtes complexe.
  • Générez des images dans un large éventail de formats et de styles, des paysages photoréalistes aux peintures à l'huile aux textures riches ou aux scènes fantaisistes d'animation de pâte à modeler.
  • Affiche le texte plus efficacement que les modèles précédents, ce qui ouvre de nouvelles possibilités pour les cas d'utilisation tels que les cartes d'anniversaire stylisées, les présentations, etc.

Imagen 3 a été conçu à l'aide des dernières innovations de Google en matière de sécurité et de responsabilité, du développement de données et de modèles à la production. L'équipe Google DeepMind a utilisé un filtrage et un libellé de données étendus pour réduire au maximum le contenu nuisible dans les ensembles de données et diminuer la probabilité de résultats nuisibles. L'équipe a également mené des évaluations et des analyses de groupe de contrôle sur des sujets tels que l'équité, les biais et la sécurité des contenus.

Pour en savoir plus et voir un exemple de résultat, consultez la présentation de Google DeepMind Imagen 3.

Avant de commencer : configurez votre projet et votre clé API

pip install -U git+https://github.com/google-gemini/generative-ai-python@imagen

Avant d'appeler l'API Gemini, vous devez configurer votre projet et votre clé API.

Générer des images

Cette section explique comment instancier un modèle Imagen et générer des images.

Pour exécuter l'exemple de code, vous devez d'abord installer Pillow :

pip install --upgrade Pillow

Ensuite, une fois Pillow et le SDK Python installés, vous pouvez utiliser le code suivant pour générer des images :

import os
import google.generativeai as genai

genai.configure(api_key=os.environ['API_KEY'])

imagen = genai.ImageGenerationModel("imagen-3.0-generate-001")

result = imagen.generate_images(
    prompt="Fuzzy bunnies in my kitchen",
    number_of_images=4,
    safety_filter_level="block_only_high",
    person_generation="allow_adult",
    aspect_ratio="3:4",
    negative_prompt="Outside",
)

for image in result.images:
  print(image)

# The output should look similar to this:
# <vertexai.preview.vision_models.GeneratedImage object at 0x78f3396ef370>
# <vertexai.preview.vision_models.GeneratedImage object at 0x78f3396ef700>
# <vertexai.preview.vision_models.GeneratedImage object at 0x78f33953c2b0>
# <vertexai.preview.vision_models.GeneratedImage object at 0x78f33953c280>

for image in result.images:
  # Open and display the image using your local operating system.
  image._pil_image.show()

Le notebook doit afficher quatre images semblables à celle-ci :

Image générée par IA de deux lapins dans la cuisine

Paramètres du modèle Imagen

Les paramètres suivants sont disponibles pour generate_images() :

  • prompt : requête de texte pour l'image.

  • negative_prompt : description de ce que vous souhaitez omettre dans les images générées. La valeur par défaut est "Aucun".

    Prenons l'exemple de la requête "Une rue pluvieuse la nuit sans personne". Le modèle peut interpréter "personne" comme une instruction d'inclusion plutôt que d'omission. Pour générer de meilleurs résultats, vous pouvez utiliser l'invite "rue d'une ville pluvieuse la nuit" avec la requête négative "personnes".

  • number_of_images: nombre d'images à générer, compris entre 1 et 4 (inclus). La valeur par défaut est 4.

  • aspect_ratio : modifie le format de l'image générée. Les valeurs acceptées sont "1:1", "3:4", "4:3", "9:16" et "16:9". La valeur par défaut est "1:1".

  • safety_filter_level : ajoute un niveau de filtre au filtrage de sécurité. Les valeurs suivantes sont valides :

    • "block_low_and_above" : bloquer lorsque le score de probabilité ou le score de gravité est LOW, MEDIUM ou HIGH.
    • "block_medium_and_above" : bloquer lorsque le score de probabilité ou le score de gravité est MEDIUM ou HIGH.
    • "block_only_high" : bloquer lorsque le score de probabilité ou le score de gravité est HIGH.

  • person_generation : autoriser le modèle à générer des images de personnes. Les valeurs suivantes sont acceptées :

    • "dont_allow": bloquer la génération d'images de personnes.
    • "allow_adult" : générer des images d'adultes, mais pas d'enfants

Langue de la requête textuelle

Les langues de requêtes textuelles d'entrée suivantes sont acceptées :

  • Chinois (simplifié) (zh/zh-CN)
  • Chinois (traditionnel) (zh-TW)
  • Anglais (en)
  • Hindi (hi)
  • Japonais (ja)
  • Coréen (ko)
  • Portugais (pt)
  • Espagnol (es)

Étape suivante

Imagen 3 de l'API Gemini est disponible en accès anticipé. Nous vous communiquerons prochainement des informations sur l'état de cette fonctionnalité.