当前位置: 首页 > news >正文

用“Gemini 2.0 Flash Preview Image Generation”模型修改图片,有哪些常用的提示词和方法

 

  1. 选定模型
    在 Google AI Studio 或 API 中切换到 gemini-2.0-flash-preview-image-generation 并将输出格式设为 Image + Text,否则不会返回图片。12

  2. 上传或贴入待修改的图片
    在 Studio 中点击 “➕” 上传;调用 API 时,把图片作为 inline_data 或多 part 请求的一部分。3

  3. 输入编辑指令
    与聊天相同直接用自然语言描述,例如

    「把这辆蓝色轿车改成敞篷,然后再变成黄色。」
    Gemini 会连续记忆并在多轮对话中迭代修改。1

  4. 下载或保存结果
    Studio 中点击图片右上角即可下载;API 返回 inline_data,自行用 PIL 保存。1


高命中率的提示词/句式模板

下表列出常见编辑需求及对应的动词 + 描述要素,可直接替换方括号内容组合使用。

需求英/中动词句式示例(中文)
颜色/材质替换change / replace / 变更将[对象]的颜色改为[目标色调],材质呈[金属/丝绸]质感
添加元素add / insert / 添加在[位置]添加一只[元素],大小约占画面[比例]%
删除元素remove / erase / 移除移除画面右下角的[水印]并填补背景
风格滤镜apply / make / 应用整体应用[赛博朋克霓虹]风格,带微弱颗粒感
光线天气set / change / 调整场景切换到[黄昏逆光],天空呈金橙色云层
构图视角zoom / crop / 拉近将镜头拉近突出[人脸],裁剪为4:5竖幅
情感表情make / let / 让让人物露出[惊讶]表情,眼睛瞪大
前景-背景keep / put / 区分保持[建筑]在前景,背景添加柔和[蓝紫夜空]
文本投射project / write / 投射在建筑立面投射巨型文字:“Gemini 2.0 Now”2

细节提示
为获得一致且真实的结果,官方文档建议在指令中加入情绪、天气、光线、颜色层次、前后景定位等具体信息。3


多轮编辑范式示例(纯文本对话)

用户:上传图片(蓝色轿车)
用户:将这辆车改成敞篷。
Gemini:返回敞篷图
用户:现在把车漆改成亮黄色,并增加傍晚暖光。
Gemini:返回修改后图

该多轮“先局部再整体”方式即官方推荐的 multi-turn image editing 聊天流程。1


提示词进阶技巧

  • 让 LLM 先“润色”指令:先要求 Gemini 把你的简短需求扩写成专业图像提示,再用扩写后的文本去触发生成,能显著提升质量。4

  • 指令越具体越好:特别是人物情感、光照角度(如 “45° 侧逆光”)、镜头参数(“85 mm F1.4 人像”)等会直接影响写实度。3

  • 同一次调用可输出多张图 + 文字,只需在 prompt 中说明“生成三种配色方案,并附解释”。2

  • 确保 responseModalities:["TEXT","IMAGE"],否则只返回文字。1


常见问题与规避

  • 最大长边固定 1024 px,短边 690-850 px 漂移,无法精确分辨率控制。3

  • 部分地区暂不开放生成能力;若只返回文字,多尝试或改写提示为“请生成图片”。1

  • 人像编辑已放宽但仍受安全过滤,尽量避免模糊或敏感请求。2


如需进一步细化某条提示词,或希望生成可直接复制的 API 调用样例,请告诉我!

  1. https://ai.google.dev/gemini-api/docs/image-generation
  2. https://cloud.google.com/vertex-ai/generative-ai/docs/multimodal/image-generation
  3. https://www.kapwing.com/resources/how-to-use-gemini-flash-2-0-image-generator-and-editor/
  4. https://www.reddit.com/r/GeminiAI/comments/1jfg264/i_found_a_trick_to_make_gemini20flashexp_generate/
  5. Gemini 2.0 Flash: Unleashing Native Image Generation - A Tech Deep Dive - DEV Community
  6. https://developers.googleblog.com/ja/generate-images-gemini-2-0-flash-preview/
  7. https://cloud.google.com/vertex-ai/generative-ai/docs/release-notes
  8. https://cloud.google.com/vertex-ai/generative-ai/docs/models/gemini/2-0-flash
  9. Gemini-2.0-Flash-Preview-Image-Generation quality reduction in recent update - Gemini API - Google AI Developers Forum
  10. https://note.com/samuraijuku_biz/n/nc297996fe56b
http://www.lryc.cn/news/572534.html

相关文章:

  • Spring MVC参数绑定终极手册:单多参对象集合JSON文件上传精讲
  • MCAL学习(6)——诊断、DCM
  • 股票心理学习篇:交易的人性弱点 - 频繁交易
  • 基于Python的机动车辆推荐及预测分析系统
  • 计算机网络零基础完全指南
  • ROS2 笔记汇总(3) 动作
  • Linux树莓派项目实战:外网访问、PWM呼吸灯、超声波测距与驱动开发
  • 《思维力:高效的系统思维》
  • 【开源模型】高考数学139分!小米MiMo开源模型:7B参数突出重围
  • MySQL 的 WITH ROLLUP 功能
  • MySQL: Invalid use of group function
  • swing综合案例.
  • Github 热点项目 [特殊字符]PHP性能革命!FrankenPHP让Laravel/Symfony飞起来!
  • (哈希)128. 最长连续序列
  • 5G核心网周期性注册更新机制:信令流程与字段解析
  • Python 数据分析与可视化 Day 1 - Pandas 数据分析基础入门
  • 算法导论第十九章 并行算法:解锁计算新维度
  • 防火墙的禁用及开启
  • Stable Diffusion 实战-手机壁纸制作 第二篇:优化那些“崩脸”和“马赛克”问题,让图像更加完美!
  • ROS学习之动作通信
  • C#建立与数据库连接(版本问题的解决方案)踩坑总结
  • E结构体基础.go
  • 67、数据访问-crud实验-分页数据展示
  • ROS学习之服务通信
  • flink的多种部署模式
  • 【LLM学习笔记3】搭建基于chatgpt的问答系统(下)
  • 面试-操作系统
  • 【Dify 沙箱网络问题排查与解决】
  • 工程师生活:清除电热水壶(锅)水垢方法
  • 3DTiles三维模型