> ## Documentation Index > Fetch the complete documentation index at: https://docs.aihubmix.com/llms.txt > Use this file to discover all available pages before exploring further. # Gemini 新「智绘」 > Gemini 绘图和视频生成指引 ## Imagen 绘图 Imagen 是 Google 推出的先进图像生成 AI 模型系列，能够根据文本提示创建高质量、逼真的图像。本指南将帮助您了解如何使用 Imagen 系列 API 生成图像，包括参数设置、模型选择和代码示例。 可用模型列表： * `imagen-4.0-generate-001`：最新的正式版 * `imagen-4.0-ultra-generate-001`：更高级的 ultra 正式版 * `imagen-4.0-fast-generate-001`：快速版本 * `imagen-4.0-fast-generate-preview-06-06`：快速版本预览版 * `imagen-3.0-generate-002`：3.0 正式版 1. 目前 Imagen 仅支持英文提示词（prompt），集成时建议增加自动翻译，让用户能够无障碍使用 2. 绘制大量文本的表现不稳定，建议只绘制重点关键词 3. 抢先体验期间，Imagen 系列模型同价，后续可能会按官方正式价格调整。 ### 模型参数 Imagen 目前仅支持英文提示词，并提供以下参数： * **numberOfImages**: 要生成的图像数量，范围从 1 到 4（含）。默认值为 4。另外注意 `imagen-4.0-ultra-generate-001` 单次只能生成 1 张。 * **aspectRatio**: 更改生成图像的宽高比。支持的值有 "1:1"、"3:4"、"4:3"、"9:16" 和 "16:9"。默认值为 "1:1"。 * **personGeneration**: 允许模型生成人物图像。支持以下值： * "DONT\_ALLOW": 阻止生成人物图像。 * "ALLOW\_ADULT": 生成成人图像，但不生成儿童图像。这是默认值。 ### 费率 使用 Imagen API 生成图像的费用如下： * imagen-4-ultra：\$0.06/张 * imagen-4：\$0.04/张 * imagen-4-fast：\$0.02/张 * imagen-3：\$0.03/张 请注意，每次调用可以生成 1-4 张图像，费用将按实际生成的图像数量计算。 ### 调用示例 以下是使用 Imagen 生成图像的 Python 调用示例： ```py Imagen theme={null} import os import time from google import genai from google.genai import types from PIL import Image from io import BytesIO client = genai.Client( api_key="sk-***", # 🔑 换成你在 AiHubMix 生成的密钥 http_options={"base_url": "https://aihubmix.com/gemini"}, ) # 目前只支持英文 prompt，绘制大量文本的表现较差 response = client.models.generate_images( model='imagen-4.0-fast-generate-001', prompt='A minimalist logo for a LLM router market company on a solid white background. trident in a circle as the main symbol, with ONLY text \'InferEra\' below.', config=types.GenerateImagesConfig( number_of_images=1, aspect_ratio="1:1", # supports "1:1", "9:16", "16:9", "3:4", or "4:3". ) ) script_dir = os.path.dirname(os.path.abspath(__file__)) output_dir = os.path.join(script_dir, "output") os.makedirs(output_dir, exist_ok=True) # 生成时间戳作为文件名前缀，避免文件名冲突 timestamp = int(time.time()) # 保存并显示生成的图片 if response and hasattr(response, 'generated_images') and response.generated_images: for i, generated_image in enumerate(response.generated_images): try: image = Image.open(BytesIO(generated_image.image.image_bytes)) image.show() file_name = f"imagen3_{timestamp}_{i+1}.png" file_path = os.path.join(output_dir, file_name) image.save(file_path) print(f"图片已保存至：{file_path}") except Exception as e: print(f"处理图片 {i+1} 时出错：{e}") else: print("错误：未收到有效的图片响应") print(f"响应类型：{type(response)}") if response: print(f"响应属性：{dir(response)}") if hasattr(response, 'generated_images'): print(f"generated_images 值：{response.generated_images}") else: print("响应为空，请检查 API 密钥和网络连接") ``` ### 提示词技巧 创建有效的提示词对于获得理想的图像至关重要： * 使用详细的描述，包括主题、风格、光照、角度等。 * 指定艺术风格（如电影感、写实主义、动漫风格等）。 * 包含技术细节（如 DSLR、高清、细节丰富等）。 * 避免负面或违禁内容。 * **避免在提示词中包含大量文本**，仅使用重点关键词以获得更稳定的结果。 * 关键词包含 `girl` 时容易触发 TypeError: 'NoneType' object is not iterable 报错，不推荐用于人物绘制 ## Gemini 2.5 Flash 图像生成 Gemini 也提供了图像生成能力，作为一种替代方案。与 Imagen 系列相比，Gemini 的图像生成更适合于需要上下文理解和推理的场景，而非追求极致的艺术表现和视觉质量。 * 更高的视觉质量 → 相比早前的 exp 版，图像更锐利、更丰富、更清晰。 * 更准确的文本呈现 → 生成的视觉中，文本更加精准、干净、易读。 * 显著减少过滤拦截 → 得益于更智能、宽松的过滤机制，创作时几乎不再被打断。 **说明：** * 模型 id：`gemini-2.5-flash-image-preview` ，社交媒体上的别名是`nano-banana` * 费率（输入→输出）：Text: \$0.3→\$2.5/M tokens; Image: \$0.3→\$30/M tokens * 需要新增参数来体验新特性 `"modalities":["text","image"]` * 图片以 Base64 编码形式传递与输出 * 输出图片的默认尺寸为 1024\*1024px，折合 1290 Tokens * python 调用需要最新的 openai sdk 支持，请先运行 `pip install -U openai` * Aihubmix 平台支持 gemini 原生与 OpenAI 兼容则 2 种请求格式 * 了解更多请访问 [Gemini 官方文档](https://ai.google.dev/gemini-api/docs/image-generation) `gemini-2.0-flash-preview-image-generation` 已经正式升级为 `gemini-2.5-flash-image-preview`，让你的创作流程更流畅、更精彩。 **输入参考结构：** ```json theme={null} "modalities": ["text","image"] { "model": "gemini-2.5-flash-image-preview", "messages": [ { "role": "user", "content": "生成一幅山水画，并给出一首诗词描述" } ], "modalities":["text","image"], //需要添加 image "temperature": 0.7 }' ``` **输出参考结构：** ```json theme={null} "choices": [ { "index": 0, "message": { "role": "assistant", "content": "Hello! How can I assist you today?", "refusal": null, "multi_mod_content": //📍 新增 [ { "text": "", "inlineData": { "data":"base64 str", "mimeType":"png" } }, { "text": "hello", "inlineData": { } } ], "annotations": [] }, "logprobs": null, "finish_reason": "stop" } ], ``` ### 图文生成 Iuput：text Output：text + image ```shell Curl theme={null} IMG_PATH="/your_path/image.jpg" if [[ "$(base64 --version 2>&1)" = *"FreeBSD"* ]]; then B64FLAGS="--input" else B64FLAGS="-w0" fi IMG_BASE64=$(base64 "$B64FLAGS" "$IMG_PATH" 2>&1) curl https://aihubmix.com/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer sk-***" \ -d '{ "model": "gemini-2.5-flash-image-preview", "messages": [ { "role": "user", "content": [ { "type":"text", "text":"describe the image with a concise and engaging paragraph, then fill color as children's crayon style" }, { "type": "image_url", "image_url": { "url": "data:image/jpeg;base64,'$IMG_BASE64'" } } ] } ], "modalities": ["text","image"], "temperature": 0.7 }' \ | grep -o '"data":"[^"]*"' \ | cut -d'"' -f4 \ | base64 --decode > /your_path/imageGen.jpg ``` ```py OpenAI Python theme={null} import os from openai import OpenAI from PIL import Image from io import BytesIO import base64 client = OpenAI( api_key="sk-***", # 换成你在 AiHubMix 生成的密钥 base_url="https://aihubmix.com/v1", ) # Using text-only input response = client.chat.completions.create( model="gemini-2.5-flash-image-preview", messages=[ { "role": "user", "content": [ { "type": "text", "text": "generate an adorable mermaid in the sea, bold outline, chibi cartoon, in the style of Children coloring book, B&W, HD", } ], }, ], modalities=["text", "image"], temperature=0.7, ) try: # Print basic response information print(f"Creation time: {response.created}") print(f"Token usage: {response.usage.total_tokens}") # Check if multi_mod_content field exists if ( hasattr(response.choices[0].message, "multi_mod_content") and response.choices[0].message.multi_mod_content is not None ): print("\nResponse content:") for part in response.choices[0].message.multi_mod_content: if "text" in part and part["text"] is not None: print(part["text"]) # Process image content elif "inline_data" in part and part["inline_data"] is not None: print("\n🖼️ [Image content received]") image_data = base64.b64decode(part["inline_data"]["data"]) mime_type = part["inline_data"].get("mime_type", "image/png") print(f"Image type: {mime_type}") image = Image.open(BytesIO(image_data)) image.show() # Save image output_dir = os.path.join(os.path.dirname(os.path.abspath(__file__)), "output") os.makedirs(output_dir, exist_ok=True) output_path = os.path.join(output_dir, "generated_image.png") image.save(output_path) print(f"✅ Image saved to: {output_path}") else: print("No valid multimodal response received, check response structure") except Exception as e: print(f"Error processing response: {str(e)}") ``` ```py Gemini Python theme={null} import mimetypes from google import genai from google.genai import types import os def save_binary_file(file_name, data): f = open(file_name, "wb") f.write(data) f.close() print(f"File saved to to: {file_name}") def generate(): client = genai.Client( api_key="sk-***", # 换成你在 AiHubMix 生成的密钥 http_options={"base_url": "https://aihubmix.com/gemini"}, ) model = "gemini-2.5-flash-image-preview" contents = [ types.Content( role="user", parts=[ types.Part.from_text(text="""generate image: an adorable mermaid in the sea, bold outline, chibi cartoon, in the style of Children coloring book, super cute, B&W, HD"""), ], ), ] generate_content_config = types.GenerateContentConfig( response_modalities=[ "IMAGE", "TEXT", ], ) file_index = 0 for chunk in client.models.generate_content_stream( model=model, contents=contents, config=generate_content_config, ): if ( chunk.candidates is None or chunk.candidates[0].content is None or chunk.candidates[0].content.parts is None ): continue if chunk.candidates[0].content.parts[0].inline_data and chunk.candidates[0].content.parts[0].inline_data.data: file_name = f"ENTER_FILE_NAME_{file_index}" file_index += 1 inline_data = chunk.candidates[0].content.parts[0].inline_data data_buffer = inline_data.data file_extension = mimetypes.guess_extension(inline_data.mime_type) save_binary_file(f"{file_name}{file_extension}", data_buffer) else: print(chunk.text) if __name__ == "__main__": generate() ``` **输出实例：** 图片 ### 图片编辑 Iuput：text + image\ Output：text + image ```py Python theme={null} import os from openai import OpenAI from PIL import Image from io import BytesIO import base64 client = OpenAI( api_key="sk-***", # 换成你在 AiHubMix 生成的密钥 base_url="https://aihubmix.com/v1", ) project_root = os.path.dirname(os.path.dirname(os.path.abspath(__file__))) image_path = os.path.join(os.path.dirname(os.path.abspath(__file__)), "resources", "filled.jpg") if not os.path.exists(image_path): raise FileNotFoundError(f"image {image_path} not exists") def encode_image(image_path): with open(image_path, "rb") as image_file: return base64.b64encode(image_file.read()).decode("utf-8") base64_image = encode_image(image_path) response = client.chat.completions.create( model="gemini-2.5-flash-image-preview", messages=[ { "role": "user", "content": [ { "type": "text", "text": "describe the image with a concise and engaging paragraph, then fill color as children's crayon style", }, { "type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{base64_image}"}, }, ], }, ], modalities=["text", "image"], temperature=0.7, ) try: # Print basic response information without base64 data print(f"Creation time: {response.created}") print(f"Token usage: {response.usage.total_tokens}") # Check if multi_mod_content field exists if ( hasattr(response.choices[0].message, "multi_mod_content") and response.choices[0].message.multi_mod_content is not None ): print("\nResponse content:") for part in response.choices[0].message.multi_mod_content: if "text" in part and part["text"] is not None: print(part["text"]) # Process image content elif "inline_data" in part and part["inline_data"] is not None: print("\n🖼️ [Image content received]") image_data = base64.b64decode(part["inline_data"]["data"]) mime_type = part["inline_data"].get("mime_type", "image/png") print(f"Image type: {mime_type}") image = Image.open(BytesIO(image_data)) image.show() # Save image output_dir = os.path.join(os.path.dirname(image_path), "output") os.makedirs(output_dir, exist_ok=True) output_path = os.path.join(output_dir, "edited_image.jpg") image.save(output_path) print(f"✅ Image saved to: {output_path}") else: print("No valid multimodal response received, check response structure") except Exception as e: print(f"Error processing response: {str(e)}") ``` **输出实例：** 图片 ## 选择正确的绘图模型 ### 选择 Gemini 的情况： * 需要利用世界知识和推理能力生成上下文相关的图像。 * 需要无缝混合文本和图像。 * 希望在长文本序列中嵌入准确的视觉内容。 * 希望在保持上下文的同时以对话方式编辑图像。 ### 选择 Imagen 的情况： * 图像质量、照片真实感、艺术细节或特定风格（如印象派、动漫）是首要考虑因素。 * 执行专业编辑任务，如产品背景更新或图像放大。 * 注入品牌、风格或生成标志和产品设计。 ### 最佳实践 1. **优化提示词**：精心设计提示词，这是获得高质量输出的关键。 2. **实验参数**：尝试不同的宽高比和设置，找到最适合您需求的配置。 3. **批量生成**：生成多张图像以增加获得理想结果的机会。 4. **保存元数据**：将提示词和时间戳与图像一起保存，以便追踪和复制成功的结果。 5. **遵守使用政策**：确保您的使用符合 Google 的内容政策和使用条款。 ## Veo 3.0 视频生成 VEO 3.0 是由 Google DeepMind 开发的最新先进视频生成模型。使用 [VEO 3.0](https://aihubmix.com/models?model=veo-3.0-generate-preview)，您可以生成具有以下特点的视频： * 从文本和图像提示中生成的质量提升 * 语音，例如对话和配音 * 音频，例如音乐和声音效果 1. 目前 VEO 3.0 仅支持英文提示词（prompt），集成时建议增加自动翻译 2. 视频通常在几分钟内生成完成，但高峰期可能需要更长时间 3. 目前不支持用图片进行对话生成的视频 ### 已知限制 目前 VEO 3.0 的参数固定，无法更改： * **分辨率**: 720p（横屏） * **帧率**: 24fps * **视频长度**: 8秒 ### 费率 使用 VEO 3.0 API 的费用是 **\$0.675/秒**（Aihubmix 提供 10% 限时优惠） ### 调用示例 VEO 3.0 目前仅支持 curl 命令调用，采用两步处理方式： 其中：`sk-***` 换成你在 AiHubMix 生成的密钥。 ```shell 步骤 1：发起生成请求 theme={null} curl "https://aihubmix.com/gemini/v1beta/models/veo-3.0-generate-preview:predictLongRunning?key=sk-***" \ -H "Content-Type: application/json" \ -X "POST" \ -d '{ "instances": [ { "prompt": "A cat playing with a ball" } ], "parameters": { "numberOfVideos": 1, "durationSeconds": 8, "aspectRatio": "16:9", "personGeneration": "dont_allow" } }' ``` ```shell 步骤 2：获取生成结果 theme={null} # 使用步骤 1 返回的 name 字段中的操作ID curl "https://aihubmix.com/gemini/v1beta/models/veo-3.0-generate-preview/operations/ff5***?key=sk-***" ``` ```py 视频提取脚本 theme={null} import json import base64 # 1. 读入响应 JSON 文件 with open('yourpath/response.json', 'r') as f: data = json.load(f) # 2. 获取 base64 编码的视频字符串 b64_str = data['response']['videos'][0]['bytesBase64Encoded'] # 3. 解码并写入 mp4 文件 with open('output.mp4', 'wb') as f: f.write(base64.b64decode(b64_str)) print("视频已保存为 output.mp4") ``` ### 返回示例 **步骤 1 返回：** ```json theme={null} { "name": "models/veo-3.0-generate-preview/operations/ff5***" } ``` **步骤 2 返回（生成完成）：** ```json theme={null} { "name": "projects/ahm-gemini-03/locations/us-central1/publishers/google/models/veo-3.0-generate-preview/operations/ff5***", "done": true, "response": { "@type": "type.googleapis.com/cloud.ai.large_models.vision.GenerateVideoResponse", "raiMediaFilteredCount": 0, "videos": [ { "bytesBase64Encoded": "AAA...2xl", "mimeType": "video/mp4" } ] } } ``` **步骤 2 返回（仍在处理中）：** ```json theme={null} { "name": "projects/ahm-gemini-03/locations/us-central1/publishers/google/models/veo-3.0-generate-preview/operations/777***" } ``` 如果收到处理中的返回，请稍等几分钟后重新发送步骤 2 的请求。 **视频效果：**