Gemini 图片生成 (NanoBanana)¶
Gemini 可以通过对话方式生成和处理图片。您可以使用文本、图片或两者结合来向模型发出提示，从而创建、修改和迭代视觉内容。
可用模型：
gemini-2.5-flash-image(Nano Banana) - 快速高效，适合大批量、低延迟任务gemini-3-pro-image-preview(Nano Banana Pro) - 专业素材制作，支持高达 4K 分辨率
文本生成图片¶
根据文本描述生成图片。
Body¶
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| contents | array | 是 | 包含文本提示的内容数组 |
| generationConfig | object | 否 | 生成配置 |
generationConfig.imageConfig 子属性¶
| 参数 | 类型 | 说明 |
|---|---|---|
| aspectRatio | string | 宽高比。可选：1:1、16:9、9:16、4:3、3:4、3:2、2:3、5:4、4:5、21:9 |
| imageSize | string | 图片尺寸（仅 gemini-3-pro-image-preview）。可选：1K、2K、4K |
generationConfig.responseModalities 说明¶
| 值 | 说明 |
|---|---|
["IMAGE"] |
仅返回图片 |
["TEXT", "IMAGE"] |
返回文本和图片（默认） |
请求示例¶
curl -s -X POST \
"https://cdn.12ai.org/v1beta/models/gemini-2.5-flash-image:generateContent?key=$API_KEY" \
-H "Content-Type: application/json" \
-d '{
"contents": [{
"parts": [
{"text": "Create a picture of a cute cat playing in the sunshine"}
]
}],
"generationConfig": {
"responseModalities": ["IMAGE"],
"imageConfig": {
"aspectRatio": "16:9"
}
}
}' \
| grep -o '"data": "[^"]*"' \
| cut -d'"' -f4 \
| base64 --decode > output.png
from google import genai
from google.genai import types
# 直接在 Client 中设置自定义 base URL
client = genai.Client(
api_key="YOUR_API_KEY",
http_options={"base_url": "https://cdn.12ai.org"}
)
response = client.models.generate_content(
model="gemini-3-pro-image-preview",
contents=["draw a pig"],
config=types.GenerateContentConfig(
response_modalities=["IMAGE"],
image_config=types.ImageConfig(
aspect_ratio="16:9",
image_size="2K",
),
),
)
# 保存图片
for part in response.candidates[0].content.parts:
if part.inline_data is not None:
image = part.as_image()
image.save("output.png")
print("图片已保存为 output.png")
break
elif part.text:
print("文本响应:", part.text)
响应示例¶
响应中的图片以 base64 编码的 inline_data 形式返回：
{
"candidates": [{
"content": {
"parts": [{
"inline_data": {
"mime_type": "image/png",
"data": "<BASE64_IMAGE_DATA>"
}
}],
"role": "model"
},
"finishReason": "STOP"
}],
"usageMetadata": {
"promptTokenCount": 10,
"candidatesTokenCount": 1290,
"totalTokenCount": 1300
}
}
图片编辑¶
提供图片和文本提示来修改图片。
限制
仅支持通过 inline_data 以 base64 方式上传图片。
请求示例¶
# 将图片转为 base64
IMG_BASE64=$(base64 -w0 input.jpg)
curl -X POST \
"https://cdn.12ai.org/v1beta/models/gemini-2.5-flash-image:generateContent?key=$API_KEY" \
-H 'Content-Type: application/json' \
-d "{
\"contents\": [{
\"parts\": [
{\"text\": \"Add a wizard hat to the cat in this image\"},
{
\"inline_data\": {
\"mime_type\": \"image/jpeg\",
\"data\": \"$IMG_BASE64\"
}
}
]
}]
}" \
| grep -o '"data": "[^"]*"' \
| cut -d'"' -f4 \
| base64 --decode > edited.png
from google import genai
from google.genai import types
from PIL import Image
# 直接在 Client 中设置自定义 base URL
client = genai.Client(
api_key="YOUR_API_KEY",
http_options={"base_url": "https://cdn.12ai.org"}
)
# 加载图片
image = Image.open("input.jpg")
response = client.models.generate_content(
model="gemini-2.5-flash-image",
contents=[
"Add a wizard hat to the cat in this image",
image,
],
)
# 保存编辑后的图片
for part in response.candidates[0].content.parts:
if part.inline_data is not None:
part.as_image().save("edited.png")
print("编辑后的图片已保存为 edited.png")
break
多轮图片对话¶
通过多轮对话迭代优化图片。
请求示例¶
# 第一轮：生成信息图
curl -s -X POST \
"https://cdn.12ai.org/v1beta/models/gemini-3-pro-image-preview:generateContent?key=$API_KEY" \
-H "Content-Type: application/json" \
-d '{
"contents": [{
"role": "user",
"parts": [
{"text": "Create an infographic about photosynthesis for a 4th grader"}
]
}],
"generationConfig": {
"responseModalities": ["TEXT", "IMAGE"]
}
}' > turn1.json
# 第二轮：将文字改为西班牙语
# 需要将第一轮的响应加入对话历史
高级功能¶
高分辨率输出 (gemini-3-pro-image-preview)¶
curl -s -X POST \
"https://cdn.12ai.org/v1beta/models/gemini-3-pro-image-preview:generateContent?key=$API_KEY" \
-H "Content-Type: application/json" \
-d '{
"contents": [{"parts": [{"text": "A detailed butterfly illustration"}]}],
"generationConfig": {
"responseModalities": ["IMAGE"],
"imageConfig": {
"aspectRatio": "1:1",
"imageSize": "4K"
}
}
}'
使用 Google 搜索进行接地¶
根据实时信息生成图片：
curl -s -X POST \
"https://cdn.12ai.org/v1beta/models/gemini-3-pro-image-preview:generateContent?key=$API_KEY" \
-H "Content-Type: application/json" \
-d '{
"contents": [{"parts": [{"text": "Visualize the current weather forecast for San Francisco"}]}],
"tools": [{"google_search": {}}],
"generationConfig": {
"responseModalities": ["TEXT", "IMAGE"],
"imageConfig": {"aspectRatio": "16:9"}
}
}'
多张参考图片 (gemini-3-pro-image-preview)¶
最多可使用 14 张参考图片：
- 最多 6 张高保真对象图片
- 最多 5 张人像照片（保持角色一致性）
宽高比和分辨率¶
gemini-2.5-flash-image¶
| 宽高比 | 分辨率 | 令牌数 |
|---|---|---|
| 1:1 | 1024x1024 | 1290 |
| 16:9 | 1344x768 | 1290 |
| 9:16 | 768x1344 | 1290 |
| 4:3 | 1184x864 | 1290 |
| 3:4 | 864x1184 | 1290 |
| 3:2 | 1248x832 | 1290 |
| 2:3 | 832x1248 | 1290 |
gemini-3-pro-image-preview¶
| 宽高比 | 1K 分辨率 | 2K 分辨率 | 4K 分辨率 |
|---|---|---|---|
| 1:1 | 1024x1024 | 2048x2048 | 4096x4096 |
| 16:9 | 1376x768 | 2752x1536 | 5504x3072 |
| 9:16 | 768x1376 | 1536x2752 | 3072x5504 |
| 4:3 | 1200x896 | 2400x1792 | 4800x3584 |
| 3:4 | 896x1200 | 1792x2400 | 3584x4800 |
提示技巧¶
逼真场景¶
使用摄影术语：拍摄角度、镜头类型、光线和细节。
A photorealistic close-up portrait of an elderly Japanese ceramicist
with deep wrinkles and a warm smile. Soft, golden hour light streaming
through a window. Captured with an 85mm portrait lens with soft bokeh.
风格化插画¶
明确说明样式：
A kawaii-style sticker of a happy red panda wearing a bamboo hat.
Bold, clean outlines, simple cel-shading, vibrant colors. White background.
准确的文字渲染¶
清楚说明文字内容和字体样式：
Create a modern, minimalist logo for a coffee shop called 'The Daily Grind'.
Clean, bold, sans-serif font. Black and white color scheme.
Put the logo in a circle. Use a coffee bean in a clever way.
限制¶
- 图片生成不支持音频或视频输入
gemini-2.5-flash-image最多接受 3 张输入图片gemini-3-pro-image-preview最多接受 14 张输入图片- 所有生成的图片都包含 SynthID 水印
- 推荐语言：英语、中文、日语、韩语、法语、德语、西班牙语等