# Gemini 3 Pro 图像生成（Nano Banana Pro）使用 Gemini 3 Pro Image（“gemini-3-pro-image-preview”）（也称为 Nano Banana Pro）生成图像的综合指南。该技能侧重于图像输出（生成图像） - 有关输入（分析图像），请参阅“gemini-3-multimodal”。 ## 概述 **Gemini 3 Pro Image**（Nano Banana Pro 🍌）是 Google 的图像生成模型，具有原生 4K 支持、图像中的文本渲染、Google 搜索的接地生成以及对话式编辑功能。 ### 关键功能 * **4K 分辨率：** 原生 4K 生成，升级至 2K/4K * **文本渲染：** 图像中的高质量文本 * **接地一代：** 使用 Google 搜索进行事实验证的图像 * **对话式编辑：** 多轮图像修改保留上下文 * **宽高比：** 支持 4K 时 16:9 和自定义比例 * **质量控制：** 微调生成参数 ### 何时使用此技能 * 根据文本提示生成图像 * 创建 4K 分辨率图像 * 渲染图像中的文本 * 事实验证的图像生成（接地） * 对话式图像编辑 * 多轮图像细化 * 自定义宽高比图像 ** ** ## 快速入门 ### 先决条件 * **Gemini API 设置**（参见 `gemini-3-pro-api` 技巧） * **型号：** `gemini-3-pro-image-preview` ### Python 快速入门将 google.generativeai 导入为 genai genai.configure(api_key="YOUR_API_KEY") # 使用图像生成模型模型 = genai.GenerativeModel("gemini-3-pro-image-preview") # 生成图像 response = model.generate_content("日落时的宁静山景") # 保存图像如果响应.部分：打开（“ generated_image.png”，“ wb”）作为f： f.write(response.parts[0].inline_data.data) print("图片已保存！") ### Node.js 快速入门从“@google/generative-ai”导入 { GoogleGenerativeAI }；从“fs”导入 fs； const genAI = new GoogleGenerativeAI("YOUR_API_KEY"); const model = genAI.getGenerativeModel({ model: "gemini-3-pro-image-preview" }); const result = wait model.generateContent("日落时的宁静山景"); const imageData = result.response.parts[0].inlineData.data; fs.writeFileSync(" generated_image.png", Buffer.from(imageData, "base64")); console.log("图片已保存！"); ** ** ## 核心任务 ### 任务 1：根据文本提示生成图像 **目标：** 根据文本描述创建高质量图像。 **Python 示例：** 将 google.generativeai 导入为 genai genai.configure(api_key="YOUR_API_KEY") 模型 = genai.GenerativeModel( “gemini-3-pro-图像预览”，一代配置={ "thinking_level": "high", # 最佳质量 “温度”：1.0 } ） # 生成图像提示=“”“夜晚的未来城市景观： - 霓虹灯和全息广告 - 飞行器 - 具有独特建筑风格的摩天大楼 - 雨水打湿的街道反射着灯光 - 电影级、细节丰富、4K 画质""" 响应= model.generate_content（提示） # 保存图像如果response.parts和hasattr(response.parts[0], 'inline_data'): image_data = response.parts[0].inline_data.data 以 open("futuristic_city.png", "wb") 作为 f： f.write(图像数据) print("图片生成成功！") 其他： print("没有生成图像") **更好的提示提示：** * 具体、详细 * 指定美术风格（写实、卡通、油画等） * 包括灯光、情绪和氛围 * 提及质量级别（4K、详细、高质量） * 描述颜色、纹理、构图 **参见：** `references/ Generation-guide.md` 了解全面的提示技巧 ** ** ### 任务 2：生成 4K 图像 **目标：** 创建具有升级功能的高分辨率 4K 图像。 **Python 示例：** # 以 4K 质量规格生成提示=“”“现代实验室中科学家的逼真肖像： - 4K超高清 - 对主题的敏锐聚焦 - 柔和的散景背景 - 专业工作室灯光 - 纹理细节丰富 - 影院级品质""" 响应= model.generate_content（提示） # 将生成4K图像如果响应.部分：将 open("scientist_4k.png", "wb") 作为 f： f.write(response.parts[0].inline_data.data) **4K 特点：** * 原生4K分辨率支持 * 升级至 2K/4K * 4K 时宽高比为 16:9 * 增强细节和清晰度 **参见：** `references/resolution-guide.md` 用于分辨率控制 ** ** ### 任务 3：渲染图像中的文本 **目标：** 生成具有可读、高质量文本的图像。 **Python 示例：** 提示=“”“创建专业的名片设计： - 公司名称：“TechVision AI” - 文字：“博士。陈莎拉” - 文字：“首席人工智能官” - 文本：“sarah.chen@techvision.ai” - 短信：“+1 (555) 123-4567” - 现代、简洁的设计 - 专业字体 - 蓝色和白色配色方案 - 所有文字清晰可读""" 响应= model.generate_content（提示）如果响应.部分：将 open("business_card.png", "wb") 作为 f： f.write(response.parts[0].inline_data.data) **文本渲染最佳实践：** * 在引号中显式指定文本内容 * 请求“可读”或“清晰可见”的文本 * 保持文字简短 * 如果需要指定字体样式 * 使用高对比度背景 **参见：** `references/ Generation-guide.md` 了解文本渲染技术 ** ** ### 任务 4：扎根的一代（经过事实验证的图像） **目标：** 使用 Google 搜索基础生成事实上准确的图像。 **Python 示例：** # 启用 Google 搜索基础以确保事实准确性 model_grounded = genai.GenerativeModel( “gemini-3-pro-图像预览”， tools=[{"google_search_retrieval": {}}] # 启用接地） Prompt = """生成国际空间站的准确图像以地球为背景。使用当前的国际空间站配置。""" 响应= model_grounded.generate_content（提示）如果响应.部分：将 open("iss_grounded.png", "wb") 作为 f： f.write(response.parts[0].inline_data.data) # 检查是否使用了接地 if hasattr(response, 'grounding_metadata'): print(f"使用的接地源：{len(response.grounding_metadata.grounding_chunks)}") **接地一代用例：** * 历史场景（准确到时期） * 科学可视化 * 时事 * 著名地标 * 产品表述 **好处：** * 事实准确性 * 真实世界接地 *减少幻觉 * 最新信息 **注意：** 使用免费的 Google 搜索配额（每天 1,500 次查询） **请参阅：** `references/grounded- Generation.md` 以获取全面指南 ** ** ### 任务 5：对话式图像编辑 **目标：** 通过多轮对话迭代地细化图像。 **Python 示例：** 模型 = genai.GenerativeModel("gemini-3-pro-image-preview") # 启动聊天会话以进行对话编辑聊天 = model.start_chat() # 第一代 response1 = chat.send_message("创建一个舒适的咖啡店内部") 如果响应1.部分：将 open("coffee_shop_v1.png", "wb") 作为 f： f.write(response1.parts[0].inline_data.data) # 细化图像 response2 = chat.send_message("添加更多植物和温暖的灯光") 如果响应2.parts：将 open("coffee_shop_v2.png", "wb") 作为 f： f.write(response2.parts[0].inline_data.data) # 进一步细化 response3 = chat.send_message("变得更简约，去掉一些装饰") 如果响应3.部分：将 open("coffee_shop_v3.png", "wb") 作为 f： f.write(response3.parts[0].inline_data.data) **对话式编辑功能：** * 保留转弯时的视觉背景 * 增量修改 * 自然语言指令 * 多圈细化 * 上下文感知的变化 **编辑命令示例：** *“让它变暗/变亮” *“添加更多[元素]” *“将配色方案更改为[颜色]” *“让它更现实/艺术” *“删除[元素]” **请参阅：** `references/conversational-editing.md` 了解高级模式 ** ** ### 任务 6：自定义纵横比 **目标：** 生成特定纵横比的图像。 **Python 示例：** # 16:9 宽高比（支持 4K） Prompt_169 = “16:9 宽高比的电影景观，4K 画质” # 正方形长宽比 Prompt_square = "一家科技公司的方形标志设计" # 纵向 Prompt_portrait = "肖像电影海报" 响应 = model.generate_content(prompt_169) # 图像将以指定的比例生成 **支持的比率：** * **16:9** \- 宽幅、影院级（支持 4K） * **1:1** \- 方形 * **4:3** \- 标准 * **9:16** \- 垂直/纵向 ** ** ### 任务 7：优化图像生成成本 **目标：** 平衡图像生成的质量和成本。 **定价：** * **文本输入：** 每 100 万个代币 1-2 美元 * **文本输出：** 每 100 万个代币 6-9 美元 * **图像输出：** 每张图像 0.134 美元（因分辨率而异） **Python 成本优化：** defgenerate_with_cost_tracking（提示）： """生成图像并跟踪成本""" 响应= model.generate_content（提示） # 计算成本用法 = 响应.usage_metadata input_cost = (usage.prompt_token_count / 1_000_000) * 2.00 输出成本 = (usage.candidates_token_count / 1_000_000) * 9.00 image_cost = 0.134 # 每张图像总成本 = 输入成本 + 输出成本 + 图像成本 print(f"输入令牌：{usage.prompt_token_count} (${input_cost:.6f})") print(f"输出令牌：{usage.candidates_token_count} (${output_cost:.6f})") print(f"图像成本：${image_cost:.6f}") print(f"总计：${total_cost:.6f}") 返回响应响应=generate_with_cost_tracking（“山上美丽的日落”） **成本优化策略：** 1. **批量请求：** 在一个会话中生成多个图像 2. **重用聊天会话：** 对话式编辑更高效 3. **具体提示：** 清晰的提示减少再生需求 4. **监控使用情况：** 跟踪每个项目的成本 5. **使用适当的质量：** 并非所有图像都需要 4K **详细策略请参见：** `references/pricing-optimization.md` ** ** ## 批量图像生成将 google.generativeai 导入为 genai genai.configure(api_key="YOUR_API_KEY") 模型 = genai.GenerativeModel("gemini-3-pro-image-preview") 提示=[ “黎明时的宁静山湖”， “摩洛哥繁华的市场”， “未来机器人助手”， “抽象的几何图案” ] 对于 i，枚举中提示（提示）： print(f"生成图像 {i+1}/{len(prompts)}: {prompt}") 响应= model.generate_content（提示）如果响应.部分：将 open(f" generated_{i+1}.png", "wb") 作为 f： f.write(response.parts[0].inline_data.data) print(f" 已保存：生成_{i+1}.png") ** ** ## 错误处理从 google.api_core 导入异常 def safe_image_ Generation（提示）： """生成带有错误处理的图像""" 尝试：响应= model.generate_content（提示）如果没有response.parts： return {"success": False, "error": "未生成图像"} 如果不是 hasattr(response.parts[0], 'inline_data'): return {"success": False, "error": "无效的响应格式"} 返回{ “成功”：确实， “image_data”：response.parts[0].inline_data.data， “mime_type”：response.parts[0].inline_data.mime_type } 除了异常。InvalidArgument 为 e： return {"success": False, "error": f"无效提示: {e}"} 除了异常。ResourceExhausted 为 e： return {"success": False, "error": f"超出速率限制: {e}"} 除了异常 e：返回{“成功”：False，“错误”：f“错误：{e}”} ** ** ## 参考文献 **核心指南** * [模型设置]() \- Nano Banana Pro 配置 * 【生成指南】() \- 全面的提示技巧 * [Grounded Generation]() \- 经过事实验证的图像创建 * [对话式编辑]() \- 多轮细化 **优化** * [分辨率指南]() \- 4K 和质量控制 * [定价优化]() \- 成本管理 **脚本** * [生成图像脚本]() \- 生产就绪生成 * [Grounded Generation 脚本]() \- 经过事实验证的图像 * [编辑图像脚本]() \- 对话式编辑 **官方资源** * [Imagen 3 文档]() * [图像生成指南]() * [定价]() ** ** ## 相关技能 * **gemini-3-pro-api** \- 基本设置、身份验证、文本生成 * **gemini-3-multimodal** \- 图像输入（分析图像） * **gemini-3-advanced** \- 高级功能（缓存、批处理、工具） ** ** ## 最佳实践 1. **具体：** 详细的提示会产生更好的结果 2. **指定质量：** 明确请求 4K 或高质量 3. **使用接地：** 启用以确保事实准确性 4. **对话式迭代：** 使用聊天进行改进 5. **监控成本：** 跟踪使用情况，尤其是 4K 6. **处理错误：** 实现重试逻辑 7. **正确保存图像：** 使用二进制模式进行写入 ** ** ## 故障排除 ### 问题：未生成图像 **解决方案：** 检查 `response.parts` 是否存在并具有 `inline_data` 属性 ### 问题：低质量图像 **解决方案：**添加“4K”、“高品质”、“详细”提示 ### 问题：图像中的文本不可读 **解决方案：** 在引号中显式指定文本，请求“可读文本” ### 问题：图像不准确 **解决方案：** 通过 Google 搜索启用接地生成 ### 问题：成本高 **解决方案：** 优化提示、批量请求、监控使用情况 ** ** ## 总结该技能提供完整的图像生成功能： ✅ 文本到图像生成 ✅ 原生 4K 支持 ✅ 图像中的文本渲染 ✅ 接地生成（事实验证） ✅ 对话式编辑 ✅ 自定义宽高比 ✅ 成本优化 ✅ 生产就绪示例 **准备好生成图像了吗？** 从任务 1 开始：根据上面的文本提示生成图像！

Gemini 3 图像生成

包含技能