> ## 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「智繪」 > Gemini 繪圖和影片生成指引 ## 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： ```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-***", # 🔑 換成你在 AiHubMix 生成的密鑰 http_options={"base_url": "https://aihubmix.com/gemini"}, ) # 目前只支援英文 prompt，繪製大量文字的表現較差 response = client.models.generate_images( model='imagen-3.0-generate-002', 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) # 生成時間戳作為文件名前綴，避免文件名衝突 timestamp = int(time.time()) # 保存並顯示生成的圖片 for i, generated_image in enumerate(response.generated_images): 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"圖片已保存至：{file_path}") ``` ### 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）：$0.1→$0.4/M tokens * 需要新增參數來體驗新特性 `"modalities":["text","image"]` * 圖片以 Base64 編碼形式傳遞與輸出 * 作為實驗模型，建議明確指出 "輸出圖片"，否則可能只有文字 * 輸出圖片的默認高度為 1024px * python 調用需要最新的 openai sdk 支援，請先運行 `pip install -U openai` * 了解更多請訪問 [Gemini 官方文件](https://ai.google.dev/gemini-api/docs/image-generation) `gemini-2.0-flash-exp` 已經正式升級為 `gemini-2.0-flash-preview-image-generation`，讓你的創作流程更流暢、更精彩。 **輸入參考結構：** ```json theme={null} "modalities": ["text","image"] { "model": "gemini-2.0-flash-preview-image-generation", "messages": [ { "role": "user", "content": "生成一幅山水畫，並給出一首詩詞描述" } ], "modalities":["text","image"], //需要添加 image "temperature": 0.7 }' ``` **輸出參考結構：** ```json theme={null} "choices": [ { "index": 0, "message": { "role": "assistant", "content": "Hello! How can I assist you today?", "refusal": null, "multi_mod_content": //📍 新增 [ { "text": "", "inlineData": { "data":"base64 str", "mimeType":"png" } }, { "text": "hello", "inlineData": { } } ], "annotations": [] }, "logprobs": null, "finish_reason": "stop" } ], ``` ### 圖文生成 Iuput：text Output：text + image ```shell Curl theme={null} IMG_PATH="/your_path/image.jpg" if [[ "$(base64 --version 2>&1)" = *"FreeBSD"* ]]; then B64FLAGS="--input" else B64FLAGS="-w0" fi IMG_BASE64=$(base64 "$B64FLAGS" "$IMG_PATH" 2>&1) curl https://aihubmix.com/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer sk-***" \ -d '{ "model": "gemini-2.0-flash-preview-image-generation", "messages": [ { "role": "user", "content": [ { "type":"text", "text":"describe the image with a concise and engaging paragraph, then fill color as children's crayon style" }, { "type": "image_url", "image_url": { "url": "data:image/jpeg;base64,'$IMG_BASE64'" } } ] } ], "modalities": ["text","image"], "temperature": 0.7 }' \ | grep -o '"data":"[^"]*"' \ | cut -d'"' -f4 \ | base64 --decode > /your_path/imageGen.jpg ``` ```py Python theme={null} import os from openai import OpenAI from PIL import Image from io import BytesIO import base64 client = OpenAI( api_key="sk-***", # 換成你在 AiHubMix 生成的密鑰 base_url="https://aihubmix.com/v1", ) # Using text-only input response = client.chat.completions.create( model="gemini-2.0-flash-preview-image-generation", 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.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)}") ``` **輸出實例：** 圖片 ### 圖片編輯 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-***", # 換成你在 AiHubMix 生成的密鑰 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-2.0-flash-preview-image-generation", 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)}") ``` **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](https://aihubmix.com/models?model=veo-3.0-generate-preview)，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。 ```shell 步驟 1：發起生成請求 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 步驟 2：獲取生成結果 theme={null} # 使用步驟 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 影片提取腳本 theme={null} import json import base64 # 1. 讀入響應 JSON 文件 with open('yourpath/response.json', 'r') as f: data = json.load(f) # 2. 獲取 base64 編碼的影片字符串 b64_str = data['response']['videos'][0]['bytesBase64Encoded'] # 3. 解碼並寫入 mp4 文件 with open('output.mp4', 'wb') as f: f.write(base64.b64decode(b64_str)) print("影片已保存為 output.mp4") ``` ### 返回示例 **步驟 1 返回：** ```json theme={null} { "name": "models/veo-3.0-generate-preview/operations/ff5***" } ``` **步驟 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" } ] } } ``` **步驟 2 返回（仍在處理中）：** ```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：**