Google AI Gemini 图像生成

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

目录

• 概述
• 可用模型
• GoogleAiGeminiImageModel
  • 基本用法
  • 配置
• 图像生成
  • 文本到图像
  • 宽高比
  • 图像尺寸
• 图像编辑
  • 添加与移除元素
  • 风格迁移
  • 局部重绘
• 批量图像生成
• 限制
• 资源

概述

Gemini 的原生图像生成能力允许你：

• 文本到图像：根据文本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：将艺术风格应用到图像上
• 迭代优化：通过多轮对话迭代优化图像
• 高保真文本渲染：生成带有清晰、位置合理文字的图像

所有生成的图像都包含 SynthID 水印。

可用模型

模型	说明	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	高级功能、思考模式、Google Search grounding（Nano Banana Pro）	4K	14

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"
);

// 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

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

文本到图像

根据描述性文本提示词生成图像：

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	用例
1:1	正方形，社交媒体帖子
2:3、3:2	竖拍/横拍照片
3:4、4:3	标准照片
4:5、5:4	Instagram 帖子
9:16、16:9	Stories、YouTube 缩略图
21:9	电影宽屏、超宽

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	说明
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")  // High resolution output
    .build();

图像编辑

添加与移除元素

通过将现有图像与文本提示词一起提供来编辑图像：

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：

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：

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

用于大规模生成多张图像，成本降低 50%：

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() 和 errors() 是扁平的便捷视图（永不返回 null，无内容时为空）， 它们不会告诉你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()：它按与提交提示词相同的顺序为每个请求返回一个 BatchItemResult， 每个结果要么是带有 response() 的 BatchItemResult.Success，要么是带有 error() 的 BatchItemResult.Failure：

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：在 EN 下表现最佳，支持的语言还包括 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和视频输入
• 输出数量：模型不一定总是生成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（包括最多 5 张用于保持一致性的人物图像）
• 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：所有生成的图像都包含 SynthID 水印

资源

• Gemini 图像生成文档
• Gemini API 模型
• Batch API 文档
• 图像生成 Cookbook