跳到主要内容

Google AI Gemini 图像生成

Gemini 可以使用专用图像模型（称为 Nano Banana（Gemini 2.5 Flash Image）和 Nano Banana Pro（Gemini 3 Pro Image Preview））以对话方式生成和编辑图像。

目录​

概述​

Gemini 原生图像生成功能允许你：

  • 文本生成图像：从文字描述生成高质量图像
  • 图像编辑：在现有图像中添加、移除或修改元素
  • 风格迁移：为图像应用艺术风格
  • 迭代优化：通过多轮对话逐步完善图像
  • 高保真文字渲染：生成包含清晰、排列合理的文字的图像

所有生成的图像都包含 SynthID 水印。

可用模型​

模型描述最大分辨率最大输入图像数
gemini-2.5-flash-image快速高效的图像生成（Nano Banana）1024px3
gemini-3-pro-image-preview高级功能、思考模式、Google 搜索接地（Nano Banana Pro）4K14

GoogleAiGeminiImageModel​

基本用法​

ImageModel imageModel = GoogleAiGeminiImageModel.builder()
    .apiKey(System.getenv("GOOGLE_AI_GEMINI_API_KEY"))
    .modelName("gemini-2.5-flash-image")
    .build();

Response<Image> response = imageModel.generate(
    "A nano banana dish in a fancy restaurant with a Gemini theme"
);

// 保存生成的图像
Image image = response.content();
byte[] imageBytes = Base64.getDecoder().decode(image.base64Data());
Files.write(Paths.get("nano-banana.png"), imageBytes);

配置​

ImageModel imageModel = GoogleAiGeminiImageModel.builder()
    .apiKey(System.getenv("GOOGLE_AI_GEMINI_API_KEY"))
    .modelName("gemini-3-pro-image-preview")
    .aspectRatio("16:9")              // 输出宽高比
    .imageSize("2K")                   // 分辨率（仅 Gemini 3 Pro 支持）
    .timeout(Duration.ofSeconds(120))
    .maxRetries(3)
    .logRequestsAndResponses(true)
    .safetySettings(...)               // 内容安全设置
    .build();

图像生成​

文本生成图像​

通过描述性文字提示生成图像：

ImageModel imageModel = GoogleAiGeminiImageModel.builder()
    .apiKey(System.getenv("GOOGLE_AI_GEMINI_API_KEY"))
    .modelName("gemini-2.5-flash-image")
    .build();

// 写实风格
Response<Image> photo = imageModel.generate("""
    A photorealistic close-up portrait of an elderly Japanese ceramicist
    with deep wrinkles and a warm smile, inspecting a tea bowl.
    Soft golden hour light, 85mm portrait lens, shallow depth of field.
    """);

// 风格化插图
Response<Image> sticker = imageModel.generate("""
    A kawaii-style sticker of a happy red panda wearing a bamboo hat,
    munching on a leaf. Bold outlines, cel-shading, vibrant colors,
    white background.
    """);

// Logo 设计
Response<Image> logo = imageModel.generate("""
    A modern, minimalist logo for 'The Daily Grind' coffee shop.
    Clean, bold sans-serif font. Black and white. Circular design
    with a clever coffee bean element.
    """);

宽高比​

两种模型支持的宽高比：

宽高比使用场景
1:1正方形、社交媒体帖子
2:3, 3:2竖版/横版照片
3:4, 4:3标准照片
4:5, 5:4Instagram 帖子
9:16, 16:9故事、YouTube 缩略图
21:9电影感、超宽屏
ImageModel imageModel = GoogleAiGeminiImageModel.builder()
    .apiKey(System.getenv("GOOGLE_AI_GEMINI_API_KEY"))
    .modelName("gemini-2.5-flash-image")
    .aspectRatio("16:9")  // 宽屏格式
    .build();

图像尺寸​

Gemini 3 Pro Image Preview 支持更高分辨率：

尺寸描述
1K默认分辨率
2K更高分辨率
4K最大分辨率
ImageModel imageModel = GoogleAiGeminiImageModel.builder()
    .apiKey(System.getenv("GOOGLE_AI_GEMINI_API_KEY"))
    .modelName("gemini-3-pro-image-preview")
    .aspectRatio("1:1")
    .imageSize("4K")  // 高分辨率输出
    .build();

图像编辑​

添加和移除元素​

通过提供图像和文字提示来编辑现有图像：

ImageModel imageModel = GoogleAiGeminiImageModel.builder()
    .apiKey(System.getenv("GOOGLE_AI_GEMINI_API_KEY"))
    .modelName("gemini-2.5-flash-image")
    .build();

// 加载源图像
Image sourceImage = Image.builder()
    .base64Data(Base64.getEncoder().encodeToString(
        Files.readAllBytes(Paths.get("cat.png"))))
    .mimeType("image/png")
    .build();

Response<Image> edited = imageModel.edit(
    sourceImage,
    "Add a small wizard hat on the cat's head. " +
    "Make it look natural with matching lighting."
);

风格迁移​

将图像转换为不同的艺术风格：

Image cityPhoto = // ... 加载图像

Response<Image> stylized = imageModel.edit(
    cityPhoto,
    "Transform this city street into Vincent van Gogh's 'Starry Night' style. " +
    "Preserve the composition but render with swirling brushstrokes " +
    "and a dramatic palette of deep blues and bright yellows."
);

局部修改​

修改特定元素同时保留其余内容：

Image livingRoom = // ... 加载图像

Response<Image> edited = imageModel.edit(
    livingRoom,
    "Change only the blue sofa to a vintage brown leather chesterfield. " +
    "Keep everything else exactly the same."
);

批量图像生成​

大规模生成多张图像，可节省 50% 的费用：

GoogleAiGeminiBatchImageModel batchModel = GoogleAiGeminiBatchImageModel.builder()
    .apiKey(System.getenv("GOOGLE_AI_GEMINI_API_KEY"))
    .modelName("gemini-2.5-flash-image")
    .build();

List<String> prompts = List.of(
    "A nano banana dish in a Gemini-themed restaurant",
    "A kawaii sticker of a banana wearing a chef hat",
    "A photorealistic banana split dessert",
    "A minimalist logo for 'Nano Banana Co.'"
);

// 提交批量任务
BatchResponse<?> response = batchModel.createBatchInline(prompts, "image-batch");
BatchName batchName = getBatchName(response);

// 轮询等待完成
do {
    Thread.sleep(10000);
    response = batchModel.retrieveBatchResults(batchName);
} while (response instanceof BatchIncomplete);

// 处理结果
if (response instanceof BatchSuccess<?> success) {
    for (Image image : success.images()) {
        byte[] imageBytes = Base64.getDecoder().decode(image.base64Data());
        // 保存或处理每张图像
    }
}

// 清理
batchModel.deleteBatchJob(batchName);

限制​

  • 语言：最适合英语，也支持 ar-EG、de-DE、es-MX、fr-FR、hi-IN、id-ID、it-IT、ja-JP、ko-KR、pt-BR、ru-RU、vi-VN、zh-CN
  • 输入：不支持音频和视频输入用于图像生成
  • 输出数量：模型可能不会总是生成请求的确切数量的图像
  • 输入图像：
    • gemini-2.5-flash-image：最多 3 张输入图像
    • gemini-3-pro-image-preview：最多 14 张输入图像（包含 5 张人物图像用于一致性）
  • URL 图像：不支持基于 URL 的图像进行编辑，请使用 base64 编码的图像
  • 水印：所有生成的图像都包含 SynthID 水印

相关资源​