Gemini 可以生成及處理圖片，並以對話方式提供相關資訊。你可以使用文字、圖片或兩者組合提示 Gemini，完成各種圖片相關工作，例如生成和編輯圖片。所有生成的圖像都會加上 SynthID 浮水印。
圖片生成功能可能不適用於所有地區和國家/地區，詳情請參閱「Gemini 模型」頁面。
圖像生成 (文字轉圖像)
以下程式碼示範如何根據描述性提示生成圖片。您必須在設定中加入 responseModalities：["TEXT", "IMAGE"]。這些模型不支援僅輸出圖片。
Python
from google import genai from google.genai import types from PIL import Image from io import BytesIO import base64 client = genai.Client() contents = ('Hi, can you create a 3d rendered image of a pig ' 'with wings and a top hat flying over a happy ' 'futuristic scifi city with lots of greenery?') response = client.models.generate_content( model="gemini-2.0-flash-preview-image-generation", contents=contents, config=types.GenerateContentConfig( response_modalities=['TEXT', 'IMAGE'] ) ) for part in response.candidates[0].content.parts: if part.text is not None: print(part.text) elif part.inline_data is not None: image = Image.open(BytesIO((part.inline_data.data))) image.save('gemini-native-image.png') image.show() JavaScript
import { GoogleGenAI, Modality } from "@google/genai"; import * as fs from "node:fs"; async function main() { const ai = new GoogleGenAI({}); const contents = "Hi, can you create a 3d rendered image of a pig " + "with wings and a top hat flying over a happy " + "futuristic scifi city with lots of greenery?"; // Set responseModalities to include "Image" so the model can generate an image const response = await ai.models.generateContent({ model: "gemini-2.0-flash-preview-image-generation", contents: contents, config: { responseModalities: [Modality.TEXT, Modality.IMAGE], }, }); for (const part of response.candidates[0].content.parts) { // Based on the part type, either show the text or save the image if (part.text) { console.log(part.text); } else if (part.inlineData) { const imageData = part.inlineData.data; const buffer = Buffer.from(imageData, "base64"); fs.writeFileSync("gemini-native-image.png", buffer); console.log("Image saved as gemini-native-image.png"); } } } main(); Go
package main import ( "context" "fmt" "os" "google.golang.org/genai" ) func main() { ctx := context.Background() client, err := genai.NewClient(ctx, nil) if err != nil { log.Fatal(err) } config := &genai.GenerateContentConfig{ ResponseModalities: []string{"TEXT", "IMAGE"}, } result, _ := client.Models.GenerateContent( ctx, "gemini-2.0-flash-preview-image-generation", genai.Text("Hi, can you create a 3d rendered image of a pig " + "with wings and a top hat flying over a happy " + "futuristic scifi city with lots of greenery?"), config, ) for _, part := range result.Candidates[0].Content.Parts { if part.Text != "" { fmt.Println(part.Text) } else if part.InlineData != nil { imageBytes := part.InlineData.Data outputFilename := "gemini_generated_image.png" _ = os.WriteFile(outputFilename, imageBytes, 0644) } } } REST
curl -s -X POST "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash-preview-image-generation:generateContent" \ -H "x-goog-api-key: $GEMINI_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "contents": [{ "parts": [ {"text": "Hi, can you create a 3d rendered image of a pig with wings and a top hat flying over a happy futuristic scifi city with lots of greenery?"} ] }], "generationConfig":{"responseModalities":["TEXT","IMAGE"]} }' \ | grep -o '"data": "[^"]*"' \ | cut -d'"' -f4 \ | base64 --decode > gemini-native-image.png 
圖像編輯 (文字和圖像轉圖像)
如要編輯圖片，請先加入圖片做為輸入內容。下列範例示範如何上傳 Base64 編碼的圖片。如要處理多張圖片和較大的酬載，請參閱「圖片輸入」一節。
Python
from google import genai from google.genai import types from PIL import Image from io import BytesIO import PIL.Image image = PIL.Image.open('/path/to/image.png') client = genai.Client() text_input = ('Hi, This is a picture of me.' 'Can you add a llama next to me?',) response = client.models.generate_content( model="gemini-2.0-flash-preview-image-generation", contents=[text_input, image], config=types.GenerateContentConfig( response_modalities=['TEXT', 'IMAGE'] ) ) for part in response.candidates[0].content.parts: if part.text is not None: print(part.text) elif part.inline_data is not None: image = Image.open(BytesIO((part.inline_data.data))) image.show() JavaScript
import { GoogleGenAI, Modality } from "@google/genai"; import * as fs from "node:fs"; async function main() { const ai = new GoogleGenAI({}); // Load the image from the local file system const imagePath = "path/to/image.png"; const imageData = fs.readFileSync(imagePath); const base64Image = imageData.toString("base64"); // Prepare the content parts const contents = [ { text: "Can you add a llama next to the image?" }, { inlineData: { mimeType: "image/png", data: base64Image, }, }, ]; // Set responseModalities to include "Image" so the model can generate an image const response = await ai.models.generateContent({ model: "gemini-2.0-flash-preview-image-generation", contents: contents, config: { responseModalities: [Modality.TEXT, Modality.IMAGE], }, }); for (const part of response.candidates[0].content.parts) { // Based on the part type, either show the text or save the image if (part.text) { console.log(part.text); } else if (part.inlineData) { const imageData = part.inlineData.data; const buffer = Buffer.from(imageData, "base64"); fs.writeFileSync("gemini-native-image.png", buffer); console.log("Image saved as gemini-native-image.png"); } } } main(); Go
package main import ( "context" "fmt" "os" "google.golang.org/genai" ) func main() { ctx := context.Background() client, err := genai.NewClient(ctx, nil) if err != nil { log.Fatal(err) } imagePath := "/path/to/image.png" imgData, _ := os.ReadFile(imagePath) parts := []*genai.Part{ genai.NewPartFromText("Hi, This is a picture of me. Can you add a llama next to me?"), &genai.Part{ InlineData: &genai.Blob{ MIMEType: "image/png", Data: imgData, }, }, } contents := []*genai.Content{ genai.NewContentFromParts(parts, genai.RoleUser), } config := &genai.GenerateContentConfig{ ResponseModalities: []string{"TEXT", "IMAGE"}, } result, _ := client.Models.GenerateContent( ctx, "gemini-2.0-flash-preview-image-generation", contents, config, ) for _, part := range result.Candidates[0].Content.Parts { if part.Text != "" { fmt.Println(part.Text) } else if part.InlineData != nil { imageBytes := part.InlineData.Data outputFilename := "gemini_generated_image.png" _ = os.WriteFile(outputFilename, imageBytes, 0644) } } } REST
IMG_PATH=/path/to/your/image1.jpeg if [[ "$(base64 --version 2>&1)" = *"FreeBSD"* ]]; then B64FLAGS="--input" else B64FLAGS="-w0" fi IMG_BASE64=$(base64 "$B64FLAGS" "$IMG_PATH" 2>&1) curl -X POST \ "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash-preview-image-generation:generateContent" \ -H "x-goog-api-key: $GEMINI_API_KEY" \ -H 'Content-Type: application/json' \ -d "{ \"contents\": [{ \"parts\":[ {\"text\": \"'Hi, This is a picture of me. Can you add a llama next to me\"}, { \"inline_data\": { \"mime_type\":\"image/jpeg\", \"data\": \"$IMG_BASE64\" } } ] }], \"generationConfig\": {\"responseModalities\": [\"TEXT\", \"IMAGE\"]} }" \ | grep -o '"data": "[^"]*"' \ | cut -d'"' -f4 \ | base64 --decode > gemini-edited-image.png 其他圖片生成模式
Gemini 支援其他圖像互動模式，包括：
- 文字生成圖片和文字 (交錯)：輸出圖片和相關文字。
- 提示範例：「Generate an illustrated recipe for a paella.」(生成西班牙海鮮飯的插圖食譜)。
- 圖片和文字轉圖片和文字 (交錯)：使用輸入的圖片和文字，建立新的相關圖片和文字。
- 提示範例：(附上附家具的房間圖片)「我的空間適合什麼顏色的沙發？可以更新圖片嗎？」
- 多輪圖像編輯 (對話)：以對話方式持續生成 / 編輯圖像。
- 提示範例：[上傳藍色汽車的圖片。] 「將這輛車變成敞篷車。」「Now change the color to yellow.」(現在將顏色改為黃色)。
限制
- 為獲得最佳成效，請使用下列語言：英文、西班牙文 (墨西哥)、日文、中文 (中國)、印地文。
- 圖像生成功能不支援音訊或影片輸入內容。
- 系統不一定會觸發圖像生成功能：
- 模型可能只會輸出文字。請嘗試明確要求生成圖片 (例如「生成圖片」、「在過程中提供圖片」、「更新圖片」)。
- 模型可能會中途停止生成內容。請再試一次或改用其他提示。
- 為圖片生成文字時，建議先生成文字，然後要求 Gemini 根據文字生成圖片。
- 圖像生成功能不適用於部分國家/地區。 詳情請參閱「模型」。
Imagen 的適用時機
除了使用 Gemini 內建的圖像生成功能，你也可以透過 Gemini API 存取專門的圖像生成模型 Imagen。
在下列情況下選擇「Gemini」Gemini：
- 您需要運用世界知識和推理能力，生成與情境相關的圖片。
- 文字和圖片的融合程度很重要。
- 您希望在長篇文字序列中嵌入準確的圖像。
- 您想在對話中編輯圖片，同時保留情境。
在下列情況下選擇 Imagen：
- 圖片品質、相片擬真度、藝術細節或特定風格 (例如印象派、動漫) 是首要考量。
- 執行專業編輯工作，例如更新產品背景或放大圖片。
- 融入品牌、風格，或生成標誌和產品設計。
Imagen 4 是生成圖像的首選模型。如要處理進階用途或需要最佳圖片品質，請選擇 Imagen 4 Ultra。請注意，Imagen 4 Ultra 一次只能生成一張圖片。