Gemini API 图像生成与多轮改图怎么调:用 google-genai SDK 出图、局部修改与宽高比控制参数

怎么用 Python 代码调用 Gemini API 生成高清配图并像聊天一样连续局部改图?本文详解 google-genai SDK 原生生图代码、多轮对话改图、参考图融合与 aspect_ratio 宽高比配置。

NNathaniel bigo··原创首发·AI 辅助撰写
10 分钟读完
资料核对于 2026-11-18 · 依据官方文档与公开资料整理 其他 账号

结论先说

  1. 需要连续对话改图、多图合成或图文混排,首选 Gemini 原生图像模型:走熟悉的 client.models.generate_content 接口,传入图片加一句中文修改要求就能局部重绘,无需手工涂抹黑白遮罩(Mask)。
  2. 只做单轮高写实摄影海报直出,可选专用 Imagen 模型:走 client.models.generate_images 接口,参数里支持一次批量返回多张候选图(number_of_images)。
  3. 画幅比例统一在 ImageConfig 里用 aspect_ratio 控制:支持 "1:1"、"16:9"、"9:16"、"4:3"、"3:4" 等主流横竖屏比例,省去生成方形图后再二次裁切。
  4. 多轮连续改图务必复用 client.chats.create 会话实例:SDK 会自动把上一轮生成的图片和模型内部上下文带入下一轮,角色长相与商品轮廓一致性远高于每次重开单轮请求。
  5. 谷歌开发账号与设计生图会员入口:在 Google AI Studio 开通生图 API 需绑定结算账户并使用合规个人谷歌账号,缺号可查看本站 谷歌账号购买说明(含即买即发的 谷歌邮箱成品号),跨平台订阅总览见 AI 会员充值中心。

Gemini 原生生图与 Imagen 对比

图:本站根据 Google Gemini API 文档:Image generation 整理的示意图

本文根据 Google Gemini API 官方文档《Image generation》《Imagen》及定价页整理,资料核对于 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 Google 官方网站。

适用于谁

  • 想在自己的电商工作流、自媒体排版脚本或设计工具里批量调用 Gemini 出图与换背景的 Python 开发者;
  • 在网页端用顺手了 Nano Banana 改图(网页版操作见 Nano Banana 怎么用),想把「保持同一个主角连续修改细节」搬进 API 代码里的人;
  • 分不清什么时候调 generate_content(Gemini 原生生图),什么时候调 generate_images(Imagen 模型),或不知道怎么传 16:9 宽高比的用户。

一、Python 文生图与 aspect_ratio 宽高比控制

先确认已安装官方 google-genai 与 Pillow 图像处理库:pip install google-genai pillow(基础环境变量配置见 Gemini API Python 调用教程,提示词构图技巧可参考 Nano Banana 提示词怎么写)。

调用 Gemini 原生图像生成模型并指定 16:9 横屏比例的完整代码如下:

python
from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-2.5-flash-image",
    contents="一张极简木质书桌俯拍产品图,左侧放银色笔记本电脑,右侧一杯拿铁,柔和晨光",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="16:9"),
    ),
)

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 = part.as_image()
        image.save("desk_banner.png")

如果你选择调用专用 Imagen 模型做单轮出图,则改用 generate_images 方法:

python
img_resp = client.models.generate_images(
    model="imagen-3.0-generate-002",
    prompt="现代极简风陶瓷花瓶摄影棚特写,浅灰渐变背景,85mm 镜头质感",
    config=types.GenerateImagesConfig(number_of_images=2, aspect_ratio="3:4"),
)
for idx, gen_img in enumerate(img_resp.generated_images):
    gen_img.image.save(f"vase_{idx}.png")

二、传入本地原图做局部修改与多轮对话改图

Gemini 原生图像模型最省事的地方是用自然语言代替手绘局部遮罩。你可以先传一张商品白底图或室内实拍图,再用 chats 会话一轮接一轮微调光线、背景或替换桌面小物件:

python
from PIL import Image

chat = client.chats.create(
    model="gemini-2.5-flash-image",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="4:3"),
    ),
)

raw_img = Image.open("product_white_bg.png")

# 第一轮:保留商品主体,更换使用场景背景
r1 = chat.send_message([
    raw_img,
    "保持图中这款耳机外观与刻字完全不变,把它放在户外露营折叠木桌上,背景虚化绿植",
])
for part in r1.candidates[0].content.parts:
    if part.inline_data:
        part.as_image().save("step1_outdoor.png")

# 第二轮:基于上一轮结果继续局部调整光影
r2 = chat.send_message("把光线改成傍晚暖橙色夕阳,并在木桌右上角加一盏复古露营灯")
for part in r2.candidates[0].content.parts:
    if part.inline_data:
        part.as_image().save("step2_sunset.png")

需要把两三张不同参考图(例如「模特图 + 服装平铺图 + 指定场景图」)融合成一张图时,同样只需把多个 PIL.Image 对象与指令字符串一起放进列表传给 contents 即可。各家主流生图接口价格与额度横向对比见 AI 生图工具怎么选。

谷歌开发账号与多平台创作会员提示:图像生成接口通常要求 Google AI Studio 关联已启用结算(Paid Tier)的付费层项目,若国内缺乏可用谷歌账号可在本站选购 谷歌邮箱成品号(说明见 谷歌账号购买页);若想直接在对话网页端高频生图与写代码,也可免外币卡开通 ChatGPT Plus 或 Claude Pro。

Python 出图与多轮改图四步流

图:本站根据 Google Gemini API 文档:Image generation 整理的示意图

三、局部改图防走形技巧与计费注意事项

  1. 指令明确写出「保持不变的部分」与「只改动的部分」:不要只写「加一副墨镜」,而要写「保持人物五官、发型、衣服与背景构图不变,仅给人物戴上一副黑色细框墨镜」,能显著降低整张图被重绘跑偏的概率。
  2. 多轮改图超过 4–5 轮出现画质劣化时开新会话:随着连续叠加重绘轮次增多,画面细节可能逐步变糊;一旦某轮得到了满意的中间图,可将该高清图保存后作为新会话的首张输入重新出发。
  3. 看清免费层限制与按张折算 Token 成本:图像生成模型在免费测试层(Free Tier)往往不开放或仅有极低配额,正式调用需升级到付费层;生成的每张图片按固定的输出图像 Token 数折算计费,并发量大时也可搭配异步 Batch 接口享受半价折扣。

常见问题

问:运行代码时报 400 提示当前模型不支持 IMAGE 输出模态怎么办?

答:普通的纯文本/多模态理解模型(如不带 -image 后缀的常规版本)只能「看图说话」,不能「输出图片字节」。请确认 model 参数填写的是官方明确标注支持图像输出的专用型号(如 gemini-2.5-flash-image 或更新的图像生成型号)。

问:提示词要求在海报里写中英文标题,怎么减少错别字?

答:把需要印在画面上的准确文字用英文双引号单独框出来(例如 在招牌正中央用白色无衬线粗体写上 "OPEN 24H"),单张图内的文字控制在简短标语以内;大段说明正文建议出无字底图后用设计软件后期排版。

问:为什么传入真人照片改图时偶尔不返回图片,只返回一段文字说明?

答:Google 对涉及真实人脸编辑、未成年人形象与敏感场景设有严格安全过滤;当触发人物生成策略限制(IMAGE_SAFETY)时,inline_data 会为空,可通过检查 candidates[0].finish_reason 定位拦截原因并调整合规提示词。

问:没有外币卡怎么买谷歌账号或开通 ChatGPT Plus、Claude Pro 会员,支持开发票报销吗?

答:可前往本站 谷歌账号购买页、ChatGPT Plus 充值页 或 AI 会员充值总览 下单,支持支付宝、微信支付与 AlipayHK,会员升级提供无需交出密码的自助卡密兑换,企业团队可申请开具国内增值税发票;实时价格与售后保障(掉订阅按剩余天数折退,封号不在质保范围)以商品页说明为准。

相关教程

参考资料

  • Google Gemini API 官方文档:Image generation — https://ai.google.dev/gemini-api/docs/image-generation
  • Google Gemini API 官方文档:Generate images using Imagen — https://ai.google.dev/gemini-api/docs/imagen
  • Google Gemini API 官方文档:Gemini Developer API Pricing — https://ai.google.dev/gemini-api/docs/pricing

Nathaniel 的更多内容

  1. 01

    独立开发者用 ChatGPT + Codex 跑通产品全流程:市场验证、PRD、原型到代码上线复盘清单

    单人做独立产品最容易陷入「闭门写两个月代码上线零用户」或「AI 写到一半目录越改越崩」。本文整理「ChatGPT 负责市场验证、PRD 与复盘 + Codex 负责工程实现与测试」的五阶段双轨流程,附起手提示词与 7 项上线复盘清单。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成规范文件命名规则、整理混乱目录树与合并零散发票抬头清单脚本

    面对满桌面的「新建文件夹」「最终版2」和上百张零散电子发票,手工改名抄台账耗时又容易漏重。本文分享先脱敏取样、再用 ChatGPT 生成带预演和回滚日志的本地 Python 脚本,离线安全完成目录整理与发票抬头合并去重的实战流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外邮件营销(EDM)受众分层文案、A/B 主题行测试与防进垃圾箱自检

    做海外独立站或出海 SaaS 邮件营销(EDM),最怕千人一面群发被直接送进垃圾箱。本文结合 Gmail/Yahoo 批量发件人规范,梳理用 ChatGPT 设计受众分层文案、批量生成 A/B 主题行矩阵并开展发前垃圾词与合规自检的实战提示词。

    ChatGPT0
  4. 04

    用 ChatGPT 写 Notion Formula 2.0 公式、Obsidian Dataview 查询与 Airtable 自动化脚本

    给 Notion 数据库写多条件 Formula 2.0 公式、给 Obsidian 写 Dataview 动态看板,或在 Airtable 里写自动化脚本,经常因为一个小括号或类型不匹配报错半天。本文整理三大工具的通用上下文喂料规范与三套直接可复制的生成提示词。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 处理复杂 JSON / YAML / XML 字段映射、格式转换与校验规则编写实战

    对接第三方 API、迁移 Kubernetes 配置或解析政企 XML 报文时,手工对照几百行嵌套字段既慢又容易漏掉空值与类型边界。本文整理用 ChatGPT 完成字段映射表梳理、生成确定性转换脚本以及编写 JSON Schema / Pydantic / XSD 校验规则的实战流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 准备本科/硕士毕业论文答辩:提炼答辩 PPT 结构、模拟导师犀利追问与 3 分钟自述稿

    毕业论文写完后,要在 3–5 分钟内讲清研究价值并顶住答辩评委的连环追问并不轻松。本文整理在严格遵守高校学术规范的前提下,用 ChatGPT 提炼答辩 PPT 结构、打磨 3 分钟口语自述稿并开展模拟导师犀利追问的排练流程与提示词。

    ChatGPT0

同模型

  1. 01

    用 Google Takeout 单独备份导出 NotebookLM 笔记本与 Gemini 记录:只勾选指定服务不下载整个云端硬盘的步骤

    想把 NotebookLM 里的几十个研究笔记本、来源副本与音频概览,连同 Gemini 聊天记录一起备份到本地,又怕 Google Takeout 把整个云端硬盘和相册全打包?本文讲清先取消全选、精准勾选两项服务、解压目录查看与跨号迁移的做法。

    Gemini0
  2. 02

    Google Workspace 企业/教育版管理员怎么在后台给成员开启 Gemini 应用、NotebookLM 与设置年龄访问权限

    团队成员或学校师生登录 Google Workspace 账号时提示无权使用 Gemini 或打不开 NotebookLM?本文按 Google 管理控制台官方文档整理服务开关路径、组织部门(OU)与群组放行、18 岁年龄访问权限设置及对话保留合规配置。

    Gemini0
  3. 03

    安卓手机默认助手换成 Gemini 后设闹钟、发短信或控制智能家居失灵怎么办:Workspace 与实用程序扩展开启步骤

    安卓手机把默认语音助手从 Google Assistant 换成 Gemini 后,喊它定闹钟、开手电筒、发短信或开关智能灯全都没反应?本文按官方帮助中心整理实用程序(Utilities)、Google Home 与 Workspace 关联应用开启步骤及锁屏放行设置。

    Gemini0
  4. 04

    Gemini 写长代码或长文档到一半突然停住、格式截断怎么无缝续写:锚点接续指令与 Canvas 分块修改技巧

    让 Gemini 写几百行代码或万字长文时经常写到一半突然停住、Markdown 代码块没闭合,直接回「继续」又重头抄一遍?本文整理字面锚点续写指令、代码块防乱码补齐法与 Canvas 局部圈选修改工作流。

    Gemini0
  5. 05

    NotebookLM 中文音频播客(Audio Overview)高阶玩法:用自定义引导词控制对谈深度、受众水平与重点章节(附模板)

    NotebookLM 生成的中文音频播客总是泛泛而谈、漏掉核心章节或夹杂生僻英文缩写?本文按官方帮助中心整理来源勾选过滤、四种播客格式搭配与三维自定义引导词写法,附 4 套可直接复制的中文控场模板。

    Gemini0
  6. 06

    NotebookLM 添加 YouTube 视频、网页或扫描版 PDF 提示「无法导入来源」怎么办:无字幕、反爬与纯图 PDF 逐项解决

    往 NotebookLM(Gemini Notebook)塞 YouTube 链接、外文网页或扫描教材时总是亮红叹号提示无法导入来源?本文按官方帮助中心逐项排查无字幕视频、反爬动态页与加密纯图 PDF 的替代导入步骤。

    Gemini0

同产品的其他教程

  1. 01

    iPhone 操作按钮(Action Button)或锁屏小组件一键开启 ChatGPT / Gemini 实时语音对话配置教程

    每次在 iPhone 上练口语或语音提问都要解锁、找图标、再点耳机按钮太繁琐?本文整理利用 iPhone 操作按钮(Action Button)、iOS 18 锁屏底部控制项、控制中心与背面轻点一键直达 ChatGPT 实时语音或 Gemini Live 的完整步骤。

    ChatGPTGemini0
  2. 02

    Firebase Studio(原 Project IDX)是什么、怎么用:浏览器云端全栈开发环境搭配 Gemini 智能体实战

    以前收藏的 Project IDX 网址为什么跳到了 Firebase Studio?本文按 Google 官方文档讲清它的全栈云端定位、App Prototyping 原型智能体、Code 视图切换、.idx/dev.nix 环境定制与免费工作区上限。

    Gemini其他 AI 工具0
  3. 03

    Google Colab 内置 Gemini 编程助手怎么用:免费云端 GPU 笔记本自动生成数据分析代码、修报错与限额说明

    不用配本地 Python 环境,怎么在 Google Colab 云端笔记本里免费用 Gemini 自动写数据分析代码、一键修复红字报错并跑 Data Science Agent?本文整理四大入口用法、Secrets 密钥管理与免费版限额。

    Gemini其他 AI 工具0
  4. 04

    Gemini API Token 计数(count_tokens)与多模态计费规则:图片分辨率、音频秒数与视频帧率怎么折算 Token

    传一张高清截图或一段 10 分钟视频给 Gemini API 到底扣多少 Token?本文按官方文档拆解 258 图片切片、每秒 32 音频与每秒 263 视频折算公式,附 count_tokens 免费预估与降本代码。

    Gemini0
  5. 05

    Gemini API 回答被安全策略拦截(SAFETY / PROHIBITED_CONTENT)怎么办:阈值调节边界与合规提示词排查

    调用 Gemini API 翻译文档或分析安全日志时返回空白、报 finish_reason: SAFETY 或 PROHIBITED_CONTENT 怎么办?本文详解四类可调安全阈值代码写法、不可关闭的硬性红线区别与误报排查步骤。

    Gemini0
  6. 06

    Gemini API Google Maps Grounding(地图接地)怎么用:结合真实地点评分、路线与周边信息构建位置助手

    做旅行规划、门店导购或本地生活助手怎么防模型编造假店名?本文详解 Gemini API 挂载 google_maps 工具、传入经纬度坐标、提取 place_id 与评分链接,以及前端来源归属展示要求。

    Gemini0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~