名称: gemini-imagegen 描述: 该技能应用于使用Gemini API（Nano Banana Pro）生成和编辑图像。适用于从文本提示创建图像、编辑现有图像、应用风格转移、生成带文本的logo、创建贴纸、产品模型或任何图像生成/处理任务。支持文本到图像、图像编辑、多轮细化和从多个参考图像组合。

Gemini 图像生成（Nano Banana Pro）

使用 Google 的 Gemini API 生成和编辑图像。必须设置环境变量 GEMINI_API_KEY。

默认模型

模型	分辨率	最佳用途
`gemini-3-pro-image-preview`	1K-4K	所有图像生成（默认）

注意： 始终使用此 Pro 模型。仅在明确请求时使用其他模型。

快速参考

默认设置

模型： gemini-3-pro-image-preview
分辨率： 1K（默认，选项：1K, 2K, 4K）
纵横比： 1:1（默认）

可用纵横比

1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9

可用分辨率

1K（默认）, 2K, 4K

核心 API 模式

import os
from google import genai
from google.genai import types

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

# 基本生成（1K, 1:1 - 默认）
response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=["您的提示在这里"],
    config=types.GenerateContentConfig(
        response_modalities=['TEXT', 'IMAGE'],
    ),
)

for part in response.parts:
    if part.text:
        print(part.text)
    elif part.inline_data:
        image = part.as_image()
        image.save("output.png")

自定义分辨率和纵横比

from google.genai import types

response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=[prompt],
    config=types.GenerateContentConfig(
        response_modalities=['TEXT', 'IMAGE'],
        image_config=types.ImageConfig(
            aspect_ratio="16:9",  # 宽屏格式
            image_size="2K"       # 更高分辨率
        ),
    )
)

分辨率示例

# 1K（默认）- 快速，适合预览
image_config=types.ImageConfig(image_size="1K")

# 2K - 平衡质量和速度
image_config=types.ImageConfig(image_size="2K")

# 4K - 最高质量，较慢
image_config=types.ImageConfig(image_size="4K")

纵横比示例

# 方形（默认）
image_config=types.ImageConfig(aspect_ratio="1:1")

# 横向宽屏
image_config=types.ImageConfig(aspect_ratio="16:9")

# 超宽全景
image_config=types.ImageConfig(aspect_ratio="21:9")

# 纵向
image_config=types.ImageConfig(aspect_ratio="9:16")

# 照片标准
image_config=types.ImageConfig(aspect_ratio="4:3")

编辑图像

传递现有图像和文本提示：

from PIL import Image

img = Image.open("input.png")
response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=["为此场景添加日落", img],
    config=types.GenerateContentConfig(
        response_modalities=['TEXT', 'IMAGE'],
    ),
)

多轮细化

使用聊天进行迭代编辑：

from google.genai import types

chat = client.chats.create(
    model="gemini-3-pro-image-preview",
    config=types.GenerateContentConfig(response_modalities=['TEXT', 'IMAGE'])
)

response = chat.send_message("为 'Acme Corp' 创建一个 logo")
# 保存第一张图像...

response = chat.send_message("使文本更粗体并添加蓝色渐变")
# 保存细化后的图像...

提示最佳实践

逼真场景

包括相机细节：镜头类型、光线、角度、氛围。

“一个逼真的特写肖像，85mm镜头，柔和的黄金小时光，浅景深”

风格化艺术

明确指定风格：

“一个卡哇伊风格的快乐红熊猫贴纸，粗轮廓，赛璐珞着色，白色背景”

图像中的文本

明确字体风格和位置：

“创建一个带文本 ‘Daily Grind’ 的logo，使用简洁的无衬线字体，黑白配色，咖啡豆图案”

产品模型

描述光线设置和表面：

“工作室光线下产品照片，在抛光混凝土地面上，三点软箱设置，45度角度”

高级功能

Google 搜索基础

基于实时数据生成图像：

response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=["以信息图表形式可视化今天东京的天气"],
    config=types.GenerateContentConfig(
        response_modalities=['TEXT', 'IMAGE'],
        tools=[{"google_search": {}}]
    )
)

多个参考图像（最多14个）

从多个来源组合元素：

response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=[
        "在办公室中创建这些人的合影",
        Image.open("person1.png"),
        Image.open("person2.png"),
        Image.open("person3.png"),
    ],
    config=types.GenerateContentConfig(
        response_modalities=['TEXT', 'IMAGE'],
    ),
)

重要：文件格式和媒体类型

关键： Gemini API 默认以 JPEG 格式返回图像。保存时，始终使用 .jpg 扩展名以避免媒体类型不匹配。

# 正确 - 使用 .jpg 扩展名（Gemini 返回 JPEG）
image.save("output.jpg")

# 错误 - 将导致“图像不匹配媒体类型”错误
image.save("output.png")  # 创建了 JPEG 但使用 PNG 扩展名！

转换为 PNG（如果需要）

如果特别需要 PNG 格式：

from PIL import Image

# 使用 Gemini 生成
for part in response.parts:
    if part.inline_data:
        img = part.as_image()
        # 通过指定格式保存转换为 PNG
        img.save("output.png", format="PNG")

验证图像格式

使用 file 命令检查实际格式与扩展名：

file image.png
# 如果输出显示“JPEG 图像数据” - 重命名为 .jpg！

备注

所有生成的图像包含 SynthID 水印
Gemini 默认返回 JPEG 格式 - 始终使用 .jpg 扩展名
仅图像模式（responseModalities: ["IMAGE"]）不能与 Google 搜索基础一起使用
对于编辑，以对话方式描述更改——模型理解语义掩码
默认使用 1K 分辨率以提高速度；质量关键时使用 2K/4K