Gemini API 圖像生成與多輪改圖怎麼調:用 google-genai SDK 出圖、局部修改與寬高比控制參數

怎麼用 Python 代碼調用 Gemini API 生成高清配圖並像聊天一樣連續局部改圖?本文詳解 google-genai SDK 原生生圖代碼、多輪對話改圖、參考圖融合與 aspect_ratio 寬高比配置。

NNathaniel bigo··原創首發·AI 輔助撰寫
10 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 其他 帳號

結論先說

  1. 需要連續對話改圖、多圖合成或圖文混排,首選 Gemini 原生圖像模型:走熟悉的 client.models.generate_content 接口,傳入圖片加一句中文修改要求就能局部重繪,無需手工塗抹黑白遮罩(Mask)。
  2. 只做單輪高寫實攝影海報直出,可選專用 Imagen 模型:走 client.models.generate_images 接口,參數裏支持一次批量返回多張候選圖(number_of_images)。
  3. 畫幅比例統一在 ImageConfig 裏用 aspect_ratio 控制:支持 "1:1"、"16:9"、"9:16"、"4:3"、"3:4" 等主流橫豎屏比例,省去生成方形圖後再二次裁切。
  4. 多輪連續改圖務必複用 client.chats.create 會話實例:SDK 會自動把上一輪生成的圖片和模型內部上下文帶入下一輪,角色長相與商品輪廓一致性遠高於每次重開單輪請求。
  5. 谷歌開發帳號與設計生圖會員入口:在 Google AI Studio 開通生圖 API 需綁定結算帳戶並使用合規個人谷歌帳號,缺號可查看本站 谷歌帳號購買說明(含即買即發的 谷歌電郵成品號),跨平台訂閱總覽見 AI 會員充值中心。

Gemini 原生生圖與 Imagen 對比

圖:本站根據 Google Gemini API 文檔:Image generation 整理的示意圖

本文根據 Google Gemini API 官方文檔《Image generation》《Imagen》及定價頁整理,資料核對於 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 Google 官方網站。

適用於誰

  • 想在自己的電商工作流、自媒體排版腳本或設計工具裏批量調用 Gemini 出圖與換背景的 Python 開發者;
  • 在網頁端用順手了 Nano Banana 改圖(網頁版操作見 Nano Banana 怎麼用),想把「保持同一個主角連續修改細節」搬進 API 代碼裏的人;
  • 分不清什麼時候調 generate_content(Gemini 原生生圖),什麼時候調 generate_images(Imagen 模型),或不知道怎麼傳 16:9 寬高比的用戶。

一、Python 文生圖與 aspect_ratio 寬高比控制

先確認已安裝官方 google-genai 與 Pillow 圖像處理庫:pip install google-genai pillow(基礎環境變量配置見 Gemini API Python 調用教學,提示詞構圖技巧可參考 Nano Banana 提示詞怎麼寫)。

調用 Gemini 原生圖像生成模型並指定 16:9 橫屏比例的完整代碼如下:

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="一張極簡木質書桌俯拍產品圖,左側放銀色筆記本電腦,右側一杯拿鐵,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")

如果你選擇調用專用 Imagen 模型做單輪出圖,則改用 generate_images 方法:

python
img_resp = client.models.generate_images(
    model="imagen-3.0-generate-002",
    prompt="現代極簡風陶瓷花瓶攝影棚特寫,淺灰漸變背景,85mm 鏡頭質感",
    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、傳入本地原圖做局部修改與多輪對話改圖

Gemini 原生圖像模型最省事的地方是用自然語言代替手繪局部遮罩。你可以先傳一張商品白底圖或室內實拍圖,再用 chats 會話一輪接一輪微調光線、背景或替換桌面小物件:

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")

# 第一輪:保留商品主體,更換使用場景背景
r1 = chat.send_message([
    raw_img,
    "保持圖中這款耳機外觀與刻字完全不變,把它放在戶外露營摺疊木桌上,背景虛化綠植",
])
for part in r1.candidates[0].content.parts:
    if part.inline_data:
        part.as_image().save("step1_outdoor.png")

# 第二輪:基於上一輪結果繼續局部調整光影
r2 = chat.send_message("把光線改成傍晚暖橙色夕陽,並在木桌右上角加一盞復古露營燈")
for part in r2.candidates[0].content.parts:
    if part.inline_data:
        part.as_image().save("step2_sunset.png")

需要把兩三張不同參考圖(例如「模特圖 + 服裝平鋪圖 + 指定場景圖」)融合成一張圖時,同樣只需把多個 PIL.Image 對象與指令字符串一起放進列表傳給 contents 即可。各家主流生圖接口價格與額度橫向對比見 AI 生圖工具怎麼選。

谷歌開發帳號與多平台創作會員提示:圖像生成接口通常要求 Google AI Studio 關聯已啟用結算(Paid Tier)的付費層項目,若國內缺乏可用谷歌帳號可在本站選購 谷歌電郵成品號(說明見 谷歌帳號購買頁);若想直接在對話網頁端高頻生圖與寫代碼,也可免外幣卡開通 ChatGPT Plus 或 Claude Pro。

Python 出圖與多輪改圖四步流

圖:本站根據 Google Gemini API 文檔:Image generation 整理的示意圖

三、局部改圖防走形技巧與計費注意事項

  1. 指令明確寫出「保持不變的部分」與「只改動的部分」:不要只寫「加一副墨鏡」,而要寫「保持人物五官、髮型、衣服與背景構圖不變,僅給人物戴上一副黑色細框墨鏡」,能顯著降低整張圖被重繪跑偏的概率。
  2. 多輪改圖超過 4–5 輪出現畫質劣化時開新會話:隨着連續疊加重繪輪次增多,畫面細節可能逐步變糊;一旦某輪得到了滿意的中間圖,可將該高清圖儲存後作為新會話的首張輸入重新出發。
  3. 看清免費層限制與按張折算 Token 成本:圖像生成模型在免費測試層(Free Tier)往往不開放或僅有極低配額,正式調用需升級到付費層;生成的每張圖片按固定的輸出圖像 Token 數折算計費,並發量大時也可搭配異步 Batch 接口享受半價折扣。

常見問題

問:運行代碼時報 400 提示當前模型不支持 IMAGE 輸出模態怎麼辦?

答:普通的純文本/多模態理解模型(如不帶 -image 後綴的常規版本)只能「看圖說話」,不能「輸出圖片字節」。請確認 model 參數填寫的是官方明確標註支持圖像輸出的專用型號(如 gemini-2.5-flash-image 或更新的圖像生成型號)。

問:提示詞要求在海報裏寫中英文標題,怎麼減少錯別字?

答:把需要印在畫面上的準確文字用英文雙引號單獨框出來(例如 在招牌正中央用白色無襯線粗體寫上 "OPEN 24H"),單張圖內的文字控制在簡短標語以內;大段說明正文建議出無字底圖後用設計軟件後期排版。

問:為什麼傳入真人照片改圖時偶爾不返回圖片,只返回一段文字說明?

答:Google 對涉及真實人臉編輯、未成年人形象與敏感場景設有嚴格安全過濾;當觸發人物生成策略限制(IMAGE_SAFETY)時,inline_data 會為空,可通過檢查 candidates[0].finish_reason 定位攔截原因並調整合規提示詞。

問:沒有外幣卡怎麼買谷歌帳號或開通 ChatGPT Plus、Claude Pro 會員,支持開發票報銷嗎?

答:可前往本站 谷歌帳號購買頁、ChatGPT Plus 充值頁 或 AI 會員充值總覽 下單,支持支付寶、微信支付與 AlipayHK,會員升級提供無需交出密碼的自助卡密兌換,企業團隊可申請開具國內增值稅發票;實時價格與售後保障(掉訂閱按剩餘天數折退,封號不在質保範圍)以商品頁說明為準。

相關教學

參考資料

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

Nathaniel 的更多內容

  1. 01

    獨立開發者用 ChatGPT + Codex 跑通產品全流程:市場驗證、PRD、原型到代碼上線覆盤清單

    單人做獨立產品最容易陷入「閉門寫兩個月代碼上線零用戶」或「AI 寫到一半目錄越改越崩」。本文整理「ChatGPT 負責市場驗證、PRD 與覆盤 + Codex 負責工程實現與測試」的五階段雙軌流程,附起手提示詞與 7 項上線覆盤清單。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成規範文件命名規則、整理混亂目錄樹與合併零散發票抬頭清單腳本

    面對滿桌面的「新建文件夾」「最終版2」和上百張零散電子發票,手工改名抄台帳耗時又容易漏重。本文分享先脫敏取樣、再用 ChatGPT 生成帶預演和回滾日誌的本地 Python 腳本,離線安全完成目錄整理與發票抬頭合併去重的實戰流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外電郵營銷(EDM)受眾分層文案、A/B 主題行測試與防進垃圾箱自檢

    做海外獨立站或出海 SaaS 電郵營銷(EDM),最怕千人一面群發被直接送進垃圾箱。本文結合 Gmail/Yahoo 批量發件人規範,梳理用 ChatGPT 設計受眾分層文案、批量生成 A/B 主題行矩陣並開展發前垃圾詞與合規自檢的實戰提示詞。

    ChatGPT0
  4. 04

    用 ChatGPT 寫 Notion Formula 2.0 公式、Obsidian Dataview 查詢與 Airtable 自動化腳本

    給 Notion 數據庫寫多條件 Formula 2.0 公式、給 Obsidian 寫 Dataview 動態看板,或在 Airtable 裏寫自動化腳本,經常因為一個小括號或類型不匹配報錯半天。本文整理三大工具的通用上下文喂料規範與三套直接可複製的生成提示詞。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 處理複雜 JSON / YAML / XML 字段映射、格式轉換與校驗規則編寫實戰

    對接第三方 API、遷移 Kubernetes 配置或解析政企 XML 報文時,手工對照幾百行嵌套字段既慢又容易漏掉空值與類型邊界。本文整理用 ChatGPT 完成字段映射表梳理、生成確定性轉換腳本以及編寫 JSON Schema / Pydantic / XSD 校驗規則的實戰流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 準備本科/碩士畢業論文答辯:提煉答辯 PPT 結構、模擬導師犀利追問與 3 分鐘自述稿

    畢業論文寫完後,要在 3–5 分鐘內講清研究價值並頂住答辯評委的連環追問並不輕鬆。本文整理在嚴格遵守高校學術規範的前提下,用 ChatGPT 提煉答辯 PPT 結構、打磨 3 分鐘口語自述稿並開展模擬導師犀利追問的排練流程與提示詞。

    ChatGPT0

同模型

  1. 01

    用 Google Takeout 單獨備份導出 NotebookLM 筆記本與 Gemini 記錄:只勾選指定服務不下載整個雲端硬碟的步驟

    想把 NotebookLM 裏的幾十個研究筆記本、來源副本與音頻概覽,連同 Gemini 聊天記錄一起備份到本地,又怕 Google Takeout 把整個雲端硬碟和相冊全打包?本文講清先取消全選、精準勾選兩項服務、解壓目錄查看與跨號遷移的做法。

    Gemini0
  2. 02

    Google Workspace 企業/教育版管理員怎麼在後台給成員開啟 Gemini 應用、NotebookLM 與設定年齡訪問權限

    團隊成員或學校師生登入 Google Workspace 帳號時提示無權使用 Gemini 或打不開 NotebookLM?本文按 Google 管理控制檯官方文檔整理服務開關路徑、組織部門(OU)與群組放行、18 歲年齡訪問權限設定及對話保留合規配置。

    Gemini0
  3. 03

    安卓手機預設助手換成 Gemini 後設鬧鐘、發短訊或控制智能家居失靈怎麼辦:Workspace 與實用程序擴展開啟步驟

    安卓手機把預設語音助手從 Google Assistant 換成 Gemini 後,喊它定鬧鐘、開手電筒、發短訊或開關智能燈全都沒反應?本文按官方幫助中心整理實用程序(Utilities)、Google Home 與 Workspace 關聯應用開啟步驟及鎖屏放行設定。

    Gemini0
  4. 04

    Gemini 寫長代碼或長文檔到一半突然停住、格式截斷怎麼無縫續寫:錨點接續指令與 Canvas 分塊修改技巧

    讓 Gemini 寫幾百行代碼或萬字長文時經常寫到一半突然停住、Markdown 代碼塊沒閉合,直接回「繼續」又重頭抄一遍?本文整理字面錨點續寫指令、代碼塊防亂碼補齊法與 Canvas 局部圈選修改工作流。

    Gemini0
  5. 05

    NotebookLM 中文音頻播客(Audio Overview)高階玩法:用自定義引導詞控制對談深度、受眾水平與重點章節(附模板)

    NotebookLM 生成的中文音頻播客總是泛泛而談、漏掉核心章節或夾雜生僻英文縮寫?本文按官方幫助中心整理來源勾選過濾、四種播客格式搭配與三維自定義引導詞寫法,附 4 套可直接複製的中文控場模板。

    Gemini0
  6. 06

    NotebookLM 添加 YouTube 影片、網頁或掃描版 PDF 提示「無法導入來源」怎麼辦:無字幕、反爬與純圖 PDF 逐項解決

    往 NotebookLM(Gemini Notebook)塞 YouTube 連結、外文網頁或掃描教材時總是亮紅歎號提示無法導入來源?本文按官方幫助中心逐項排查無字幕影片、反爬動態頁與加密純圖 PDF 的替代導入步驟。

    Gemini0

同產品的其他教學

  1. 01

    iPhone 操作按鈕(Action Button)或鎖屏小組件一鍵開啟 ChatGPT / Gemini 實時語音對話配置教學

    每次在 iPhone 上練口語或語音提問都要解鎖、找圖標、再點耳機按鈕太繁瑣?本文整理利用 iPhone 操作按鈕(Action Button)、iOS 18 鎖屏底部控制項、控制中心與背面輕點一鍵直達 ChatGPT 實時語音或 Gemini Live 的完整步驟。

    ChatGPTGemini0
  2. 02

    Firebase Studio(原 Project IDX)是什麼、怎麼用:瀏覽器雲端全棧開發環境搭配 Gemini 智能體實戰

    以前收藏的 Project IDX 網址為什麼跳到了 Firebase Studio?本文按 Google 官方文檔講清它的全棧雲端定位、App Prototyping 原型智能體、Code 視圖切換、.idx/dev.nix 環境定製與免費工作區上限。

    Gemini其他 AI 工具0
  3. 03

    Google Colab 內置 Gemini 編程助手怎麼用:免費雲端 GPU 筆記本自動生成數據分析代碼、修報錯與限額說明

    不用配本地 Python 環境,怎麼在 Google Colab 雲端筆記本里免費用 Gemini 自動寫數據分析代碼、一鍵修復紅字報錯並跑 Data Science Agent?本文整理四大入口用法、Secrets 密鑰管理與免費版限額。

    Gemini其他 AI 工具0
  4. 04

    Gemini API Token 計數(count_tokens)與多模態計費規則:圖片解像度、音頻秒數與影片幀率怎麼折算 Token

    傳一張高清截圖或一段 10 分鐘影片給 Gemini API 到底扣多少 Token?本文按官方文檔拆解 258 圖片切片、每秒 32 音頻與每秒 263 影片折算公式,附 count_tokens 免費預估與降本代碼。

    Gemini0
  5. 05

    Gemini API 回答被安全策略攔截(SAFETY / PROHIBITED_CONTENT)怎麼辦:閾值調節邊界與合規提示詞排查

    調用 Gemini API 翻譯文檔或分析安全日誌時返回空白、報 finish_reason: SAFETY 或 PROHIBITED_CONTENT 怎麼辦?本文詳解四類可調安全閾值代碼寫法、不可關閉的硬性紅線區別與誤報排查步驟。

    Gemini0
  6. 06

    Gemini API Google Maps Grounding(地圖接地)怎麼用:結合真實地點評分、路線與周邊資訊構建位置助手

    做旅行規劃、門店導購或本地生活助手怎麼防模型編造假店名?本文詳解 Gemini API 掛載 google_maps 工具、傳入經緯度座標、提取 place_id 與評分連結,以及前端來源歸屬展示要求。

    Gemini0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~