Google Gemini 图像格式（Image）¶

官方文档

📝 简介¶

给定文本提示，模型将生成新的图片。Google Gemini 提供强大的图像生成模型，可以根据自然语言描述创建图像。目前支持的模型包括：

模型	描述
gemini-2.5-flash-image	Google Gemini 图像生成模型，支持根据文本提示生成高质量图像
gemini-3-pro-preview	Google Gemini 图像生成和编辑模型，支持根据文本提示生成图像，以及基于输入图像和文本提示进行图像编辑

💡 请求示例¶

创建图片 ✅¶

# 基础图片生成
curl "https://computevault.unodetech.xyz/v1beta/models/gemini-2.5-flash-image:generateContent?key=$API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [{
      "parts": [{"text": "给我一个猫的图片"}]
    }]
  }'

响应示例:

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "Here is an image for you: "
          },
          {
            "inlineData": {
              "mimeType": "image/png",
              "data": "..."
            }
          }
        ],
        "role": "model"
      },
      "finishReason": "STOP",
      "index": 0
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 9,
    "candidatesTokenCount": 1298,
    "totalTokenCount": 1307,
    "promptTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 9
      }
    ],
    "candidatesTokensDetails": [
      {
        "modality": "IMAGE",
        "tokenCount": 1290
      }
    ]
  },
  "modelVersion": "gemini-2.5-flash-image",
  "responseId": "..."
}

编辑图片 ✅¶

# 图片编辑
curl "https://computevault.unodetech.xyz/v1beta/models/gemini-2.5-flash-image:generateContent?key=$API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [{
      "parts": [
        {"text": "Create a picture of my cat eating a nano-banana in a fancy restaurant under the Gemini constellation"},
        {
          "inline_data": {
            "mime_type": "image/jpeg",
            "data": "$IMG_BASE64"
          }
        }
      ]
    }]
  }'

响应示例:

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "Here is the edited image for you: "
          },
          {
            "inlineData": {
              "mimeType": "image/png",
              "data": "..."
            }
          }
        ],
        "role": "model"
      },
      "finishReason": "STOP",
      "index": 0
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 15,
    "candidatesTokenCount": 1350,
    "totalTokenCount": 1365,
    "promptTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 15
      },
      {
        "modality": "IMAGE",
        "tokenCount": 1200
      }
    ],
    "candidatesTokensDetails": [
      {
        "modality": "IMAGE",
        "tokenCount": 1350
      }
    ]
  },
  "modelVersion": "gemini-2.5-flash-image",
  "responseId": "..."
}

📮 请求¶

端点¶

创建图片¶

POST /v1beta/models/gemini-2.5-flash-image:generateContent

根据文本提示创建图片。

编辑图片¶

POST /v1beta/models/gemini-2.5-flash-image:generateContent

基于输入图像和文本提示编辑或生成新图片。支持 gemini-2.5-flash-image 和 gemini-3-pro-preview 模型。

鉴权方法¶

在请求URL参数中包含API密钥：

?key=$API_KEY

其中 $API_KEY 是您的 API 密钥。

请求体参数¶

`contents`¶

类型：数组
必需：是
说明：包含生成请求的内容数组。

Content 对象属性：

属性	类型	必需	描述
`parts`	数组	是	有序的内容部分，构成单个消息

Part 对象属性：

属性	类型	必需	描述
`text`	字符串	是（创建图片时）	期望生成或编辑图片的文本描述
`inline_data`	对象	是（编辑图片时）	输入图像数据（用于图片编辑）

`text` (在 parts 中)¶

类型：字符串
必需：是（创建图片时必需，编辑图片时也必需）
说明：期望生成或编辑图片的文本描述。
提示：
使用具体和详细的描述
包含关键的视觉元素
指定期望的艺术风格
描述构图和视角
编辑图片时，描述希望如何修改输入图像

`inline_data` (在 parts 中，用于图片编辑)¶

类型：对象
必需：是（编辑图片时）
说明：要编辑的输入图像数据。

InlineData 对象属性（请求中）：

属性	类型	必需	描述
`mime_type`	字符串	是	图像的MIME类型（如 "image/jpeg"、"image/png"）
`data`	字符串	是	base64编码的图像数据

📥 响应¶

成功响应¶

`candidates`¶

类型：数组
说明：模型的候选回答列表

Candidate 对象属性：

属性	类型	描述
`content`	对象	模型返回的生成内容
`finishReason`	枚举	模型停止生成的原因
`index`	整数	响应候选列表中候选项的索引

Content 对象属性：

属性	类型	描述
`parts`	数组	生成的内容部分，可能包含文本和图像
`role`	字符串	内容的生产者，通常为 "model"

Part 对象属性：

属性	类型	描述
`text`	字符串	文本内容（可选，可能包含描述性文本）
`inlineData`	对象	生成的图像数据（可选）

InlineData 对象属性：

属性	类型	描述
`mimeType`	字符串	图像的MIME类型（如 "image/png"）
`data`	字符串	base64编码的图像数据

FinishReason 枚举值：

STOP: 模型的自然停止点
MAX_TOKENS: 已达到请求中指定的词元数量上限
SAFETY: 出于安全考虑，系统已标记回答候选内容
IMAGE_SAFETY: 由于生成的图片违反了安全规定，因此词元生成已停止
OTHER: 原因未知

`usageMetadata`¶

类型：对象
说明：有关生成请求令牌用量的元数据

UsageMetadata 对象属性：

属性	类型	描述
`promptTokenCount`	整数	提示中的词元数
`candidatesTokenCount`	整数	所有生成的候选回答中的词元总数
`totalTokenCount`	整数	生成请求的总令牌数
`promptTokensDetails`	数组	在请求输入中处理的模态列表
`candidatesTokensDetails`	数组	响应中返回的模态列表

candidatesTokensDetails 对象属性：

属性	类型	描述
`modality`	枚举	与此令牌数关联的模态（TEXT、IMAGE等）
`tokenCount`	整数	令牌数量

`modelVersion`¶

类型：字符串
说明：用于生成回答的模型版本

`responseId`¶

类型：字符串
说明：用于标识每个响应的ID

`promptFeedback` (可选)¶

类型：对象
说明：与内容过滤器相关的提示反馈

图片对象示例¶

{
  "inlineData": {
    "mimeType": "image/png",
    "data": "..."
  }
}

🌟 最佳实践¶

Prompt 编写建议¶

使用清晰具体的描述
指定重要的视觉细节
描述期望的艺术风格和氛围
注意构图和视角的说明
可以包含颜色、光线、情绪等细节

参数选择建议¶

模型选择
- gemini-2.5-flash-image：适合快速生成高质量图像
- gemini-3-pro-preview：支持图像生成和编辑，适合需要基于现有图像进行编辑的场景
Prompt 优化
- 使用详细和描述性的文本
- 包含具体的视觉元素和风格要求
- 避免模糊或过于简短的描述
- 编辑图片时，明确描述希望如何修改输入图像（添加、移除、替换元素等）
安全设置
- 根据应用场景调整安全阈值

常见问题¶

图片生成失败
- 检查 prompt 是否符合内容政策
- 验证 API 密钥权限
- 确认请求格式正确
结果与预期不符
- 优化 prompt 描述，使其更加具体和详细
- 添加更多视觉细节和风格描述
- 尝试不同的描述方式
安全过滤问题
- 修改 prompt 以避免触发安全过滤器