Skip to main content

Imagen 繪圖

Imagen 是 Google 推出的先進圖像生成 AI 模型系列,能夠根據文字提示創建高品質、逼真的圖像。本指南將幫助您了解如何使用 Imagen 系列 API 生成圖像,包括參數設置、模型選擇和程式碼範例。 可用模型列表:
  • imagen-4.0-ultra-generate-001
  • imagen-4.0-generate-001
  • imagen-4.0-fast-generate-001
  • imagen-4.0-fast-generate-preview-06-06
  • imagen-3.0-generate-002
  1. 目前 Imagen 僅支援英文提示詞(prompt),整合時建議增加自動翻譯,讓使用者能夠無障礙使用
  2. 繪製大量文字的表現不穩定,建議只繪製重點關鍵詞
  3. 搶先體驗期間,Imagen 系列模型同價,後續可能會按官方正式價格調整。

模型參數

Imagen 目前僅支援英文提示詞,並提供以下參數:
  • numberOfImages: 要生成的圖像數量,範圍從 1 到 4(含)。默認值為 4。另外注意 imagen-4.0-ultra-generate-001 單次只能生成 1 張。
  • aspectRatio: 更改生成圖像的寬高比。支援的值有 “1:1”、“3:4”、“4:3”、“9:16” 和 “16:9”。默認值為 “1:1”。
  • personGeneration: 允許模型生成人物圖像。支援以下值:
    • “DONT_ALLOW”: 阻止生成人物圖像。
    • “ALLOW_ADULT”: 生成成人圖像,但不生成兒童圖像。這是默認值。

費率

使用 Imagen API 生成圖像的費用如下:
  • imagen-4-ultra:$0.06/張
  • imagen-4:$0.04/張
  • imagen-4-fast:$0.02/張
  • imagen-3:$0.03/張
請注意,每次調用可生成 1-4 張圖像,費用將根據實際生成的圖像數量計算。

調用示例

以下是使用 Imagen 生成圖像的 Python 調用示例:

提示詞技巧

創建有效的提示詞對於獲得理想的圖像至關重要:
  • 使用詳細的描述,包括主題、風格、光照、角度等。
  • 指定藝術風格(如電影感、寫實主義、動漫風格等)。
  • 包含技術細節(如 DSLR、高清、細節豐富等)。
  • 避免負面或違禁內容。
  • 避免在提示詞中包含大量文字,僅使用重點關鍵詞以獲得更穩定的結果。
  • 關鍵詞包含 girl 時容易觸發 TypeError: ‘NoneType’ object is not iterable 報錯,不推薦用於人物繪製

Gemini 2.0 Flash 圖像生成

Gemini 也提供了圖像生成能力,作為一種替代方案。與 Imagen 3.0 相比,Gemini 的圖像生成更適合於需要上下文理解和推理的場景,而非追求極致的藝術表現和視覺質量。
  • 更高的視覺質量 → 相比 exp 版,圖像更銳利、更豐富、更清晰。
  • 更準確的文字呈現 → 生成的視覺中,文字更加精准、乾淨、易讀。
  • 顯著減少過濾攔截 → 得益於更智能、寬鬆的過濾機制,創作時幾乎不再被打斷。
說明:
  • 模型 id:gemini-2.0-flash-preview-image-generation
  • 費率(輸入→輸出):0.10.1→0.4/M tokens
  • 需要新增參數來體驗新特性 "modalities":["text","image"]
  • 圖片以 Base64 編碼形式傳遞與輸出
  • 作為實驗模型,建議明確指出 “輸出圖片”,否則可能只有文字
  • 輸出圖片的默認高度為 1024px
  • python 調用需要最新的 openai sdk 支援,請先運行 pip install -U openai
  • 了解更多請訪問 Gemini 官方文件
gemini-2.0-flash-exp 已經正式升級為 gemini-2.0-flash-preview-image-generation,讓你的創作流程更流暢、更精彩。
輸入參考結構:
輸出參考結構:

圖文生成

Iuput:text Output:text + image
輸出實例: 圖片

圖片編輯

Iuput:text + image
Output:text + image
輸出實例: 圖片

選擇正確的繪圖模型

選擇 Gemini 的情況:

  • 需要利用世界知識和推理能力生成上下文相關的圖像。
  • 需要無縫混合文字和圖像。
  • 希望在長文字序列中嵌入準確的視覺內容。
  • 希望在保持上下文的同時以對話方式編輯圖像。

選擇 Imagen 的情況:

  • 圖像質量、照片真實感、藝術細節或特定風格(如印象派、動漫)是首要考慮因素。
  • 執行專業編輯任務,如產品背景更新或圖像放大。
  • 注入品牌、風格或生成標誌和產品設計。

最佳實踐

  1. 優化提示詞:精心設計提示詞,這是獲得高品質輸出的關鍵。
  2. 實驗參數:嘗試不同的寬高比和設置,找到最適合您需求的配置。
  3. 批量生成:生成多張圖像以增加獲得理想結果的機會。
  4. 保存元數據:將提示詞和時間戳與圖像一起保存,以便追踪和複製成功的結果。
  5. 遵守使用政策:確保您的使用符合 Google 的內容政策和使用條款。

Veo 3.0 影片生成

VEO 3.0 是由 Google DeepMind 開發的最新先進影片生成模型。使用 VEO 3.0,您可以生成具有以下特點的影片:
  • 從文字和圖像提示中生成的質量提升
  • 語音,例如對話和配音
  • 音頻,例如音樂和聲音效果
  1. 目前 VEO 3.0 僅支援英文提示詞(prompt),整合時建議增加自動翻譯
  2. 影片通常在幾分鐘內生成完成,但高峰期可能需要更長時間
  3. 目前不支援用圖片進行對話生成的影片

已知限制

目前 VEO 3.0 的參數固定,無法更改:
  • 分辨率: 720p(橫屏)
  • 幀率: 24fps
  • 影片長度: 8秒

費率

使用 VEO 3.0 API 的費用是 $0.675/秒(Aihubmix 提供 10% 限時優惠)

調用示例

VEO 3.0 目前僅支援 curl 命令調用,採用兩步處理方式: 其中:sk-*** 換成你在 AiHubMix 生成的密鑰。

返回示例

步驟 1 返回:
步驟 2 返回(生成完成):
步驟 2 返回(仍在處理中):
如果收到處理中的返回,請稍等幾分鐘後重新發送步驟 2 的請求。 影片效果:

最佳實踐

  1. 耐心等待:影片生成通常需要幾分鐘,高峰期可能更長
  2. 檢查狀態:如果返回中沒有 done: true,說明仍在處理中
  3. 保存操作 ID:確保保存步驟 1 返回的操作 ID 用於後續查詢
  4. 遵守使用政策:確保您的使用符合 Google 的內容政策和使用條款
更多信息請參考 Vertex AI 官方文件

Veo 2.0 影片生成

VEO 2.0 是 Google 推出的先進影片生成 AI 模型,能夠根據文字提示創建高品質、逼真的短影片。下面的指南將幫助您了解如何使用 VEO 2.0 API 生成影片,包括參數設置、模型選擇和程式碼範例。
  1. 目前 VEO 2.0 僅支援英文提示詞(prompt),整合時建議增加自動翻譯,讓使用者能夠無障礙使用
  2. 生成影片需要耗時 2-3 分鐘,請耐心等待

模型參數

VEO 2.0 提供以下參數:
  • numberOfVideos: 要生成的影片數量,可選 1 或 2。默認值為 2。
  • aspectRatio: 生成影片的寬高比。支援的值有 “16:9” 和 “9:16”。
  • durationSeconds: 影片時長,可選 5 秒或 8 秒。默認值為 8 秒。
  • personGeneration: 控制是否允許生成含人物的影片。支援以下值:
    • “dont_allow”: 阻止生成含人物的影片。
    • “allow_adult”: 允許生成含成人的影片,但不生成兒童影片。

費率

使用 VEO 2.0 API 的費用是 $0.35/秒

調用示例

以下是使用 VEO 2.0 生成影片的 Python 調用示例:

提示詞技巧

創建有效的提示詞對於獲得理想的影片至關重要:
  • 描述清晰的場景、動作和氛圍
  • 指定拍攝風格(如全景、特寫、跟隨鏡頭等)
  • 描述光照條件(如陽光明媚、黃昏、室內燈光等)
  • 指明主體對象及其動作(如”貓咪在陽光下睡覺”)
  • 避免過於複雜的叙事或快速變化的場景
  • 避免負面或違禁內容

最佳實踐

  1. 簡潔明瞭的提示詞:使用清晰、具體的描述來指導影片生成。
  2. 耐心等待:影片生成需要 2-3 分鐘,請耐心等待完成。
  3. 測試不同參數:嘗試不同的寬高比和時長,找到最適合您需求的設置。
  4. 保存生成記錄:將提示詞與生成的影片一起記錄,以便追踪成功的結果。
  5. 遵守使用政策:確保您的使用符合 Google 的內容政策和使用條款。

最後更新:2026-06-01