主题
Google AI Gemini 图像生成
Gemini 能以对话方式生成和编辑图像，使用被称为 Nano Banana（Gemini 2.5 Flash Image）与 Nano Banana Pro（Gemini 3 Pro Image Preview）的专用图像模型。
目录
概述
Gemini 的原生图像生成能力让你能够：
- 文生图：从文本描述生成高质量图像
- 图像编辑：在已有图像中添加、移除或修改元素
- 风格迁移：为图像应用艺术风格
- 迭代精炼：通过多轮对话式地精炼图像
- 高保真文本渲染：生成带有清晰、排版良好文字的图像
所有生成的图像都带有 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） | 1024px | 3 |
gemini-3-pro-image-preview | 高级特性、思考模式、Google 搜索接地（Nano Banana Pro） | 4K | 14 |
GoogleAiGeminiImageModel
基本用法
java
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"
);
// Save the generated image
Image image = response.content();
byte[] imageBytes = Base64.getDecoder().decode(image.base64Data());
Files.write(Paths.get("nano-banana.png"), imageBytes);配置
java
ImageModel imageModel = GoogleAiGeminiImageModel.builder()
.apiKey(System.getenv("GOOGLE_AI_GEMINI_API_KEY"))
.modelName("gemini-3-pro-image-preview")
.aspectRatio("16:9") // Output aspect ratio
.imageSize("2K") // Resolution (Gemini 3 Pro only)
.timeout(Duration.ofSeconds(120))
.maxRetries(3)
.logRequestsAndResponses(true)
.safetySettings(...) // Content safety settings
.build();图像生成
文生图
从描述性文本提示词生成图像：
java
ImageModel imageModel = GoogleAiGeminiImageModel.builder()
.apiKey(System.getenv("GOOGLE_AI_GEMINI_API_KEY"))
.modelName("gemini-2.5-flash-image")
.build();
// Photorealistic style
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.
""");
// Stylized illustration
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 design
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
两个模型都支持的宽高比：
| 宽高比 | 使用场景 |
|---|---|
1:1 | 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、5:4 | Instagram 帖子 |
9:16、16:9 | 快拍、YouTube 缩略图 |
21:9 | 电影感、超宽屏 |
java
ImageModel imageModel = GoogleAiGeminiImageModel.builder()
.apiKey(System.getenv("GOOGLE_AI_GEMINI_API_KEY"))
.modelName("gemini-2.5-flash-image")
.aspectRatio("16:9") // Widescreen format
.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 | 最高分辨率 |
java
ImageModel imageModel = GoogleAiGeminiImageModel.builder()
.apiKey(System.getenv("GOOGLE_AI_GEMINI_API_KEY"))
.modelName("gemini-3-pro-image-preview")
.aspectRatio("1:1")
.imageSize("4K") // High resolution output
.build();图像编辑
添加与移除元素
通过连同文本提示词一并提供图像来编辑已有图像：
java
ImageModel imageModel = GoogleAiGeminiImageModel.builder()
.apiKey(System.getenv("GOOGLE_AI_GEMINI_API_KEY"))
.modelName("gemini-2.5-flash-image")
.build();
// Load the source image
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：
java
Image cityPhoto = // ... load your image
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."
);局部重绘
在保留其余部分的同时修改特定元素：
java
Image livingRoom = // ... load your image
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
要大规模生成多张图像并节省 50% 成本：
java
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.'"
);
// Submit batch
BatchResponse<Response<Image>> response = batchModel.submit(GeminiBatchRequest.from(
prompts, "image-batch"));
String batchId = response.batchId();
// Poll for completion
while (!response.state().isTerminal()) {
Thread.sleep(10000);
response = batchModel.retrieve(batchId);
}
// Process results
if (response.state() == BatchState.SUCCEEDED) {
for (Response<Image> imageResponse : response.responses()) {
Image image = imageResponse.content();
byte[] imageBytes = Base64.getDecoder().decode(image.base64Data());
// Save or process each image
}
}
// Clean up
batchModel.deleteBatchJob(batchId);responses() 与 errors() 是扁平的便捷视图（永不为 null，无可上报时为空），它们不会告诉你是哪个提示词产生了哪张图像。要将每个结果映射回其提示词，请使用 results()：它每个请求返回一个 BatchItemResult，顺序与提交的提示词一致，每个要么是 BatchItemResult.Success（含 response()），要么是 BatchItemResult.Failure（含 error()）：
java
List<BatchItemResult<Response<Image>>> results = response.results();
for (int i = 0; i < results.size(); i++) {
BatchItemResult<Response<Image>> item = results.get(i);
if (item.isSuccess()) {
Image image = item.response().content();
// Save or process the image generated for prompts.get(i)
} else {
BatchError error = item.error();
System.err.println("Prompt #" + i + " failed: " + error.code() + " - " + error.message());
}
}限制
- 语言：以 EN 表现最佳，支持的语言包括 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：图像生成不支持音频与视频输入
- 输出数量：模型不一定总能生成所请求的确切图像数量
- 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（含 5 张用于一致性的人物图像）
- URL 图像：编辑不支持基于 URL 的图像；请使用 base64 编码的图像
- 水印：所有生成的图像都带有 SynthID 水印