作者 / 產(chǎn)品經(jīng)理 Ivan Solovyev

開發(fā)者現(xiàn)在可以通過 Gemini API 訪問 Google 最先進(jìn)的圖像生成模型 Imagen 3。該模型最初僅對付費(fèi)用戶開放，不久后也將面向免費(fèi)用戶推出。

Imagen 3 擅長生成具有視覺吸引力、無偽影且風(fēng)格多樣的圖像，從超現(xiàn)實(shí)主義圖像到印象派風(fēng)景，從抽象構(gòu)圖到動漫角色等應(yīng)有盡有。改進(jìn)后的提示遵循能力使其能夠輕松地將絕佳創(chuàng)意轉(zhuǎn)化為高質(zhì)量圖像?？傮w而言，Imagen 3 在各種基準(zhǔn)測試中展現(xiàn)出了最先進(jìn)的性能。通過 Gemini API 使用 Imagen 3 的價(jià)格為每張圖像 0.03 美元，并且用戶可以控制寬高比、生成選項(xiàng)數(shù)量等更多參數(shù)。

為了幫助遏制錯誤信息和錯誤歸因，所有由 Imagen 3 生成的圖像都包含一個不可見的數(shù)字SynthID水印，用于識別它們?yōu)?AI 生成的圖像。

了解 Imagen 3 的實(shí)際效果

下方圖庫展示了Imagen 3在多種風(fēng)格圖像上的卓越表現(xiàn)。

開始使用 Gemini API 中的 Imagen 3

此 Python 代碼段展示了如何使用 Gemini API 和 Imagen 3 生成圖像。

fromgoogleimportgenai
fromgoogle.genaiimporttypes
fromPILimportImage
fromioimportBytesIO


client = genai.Client(api_key='GEMINI_API_KEY')


response = client.models.generate_images(
  model='imagen-3.0-generate-002',
  prompt='a portrait of a sheepadoodle wearing cape',
  config=types.GenerateImagesConfig(
    number_of_images=1,
  )
)
forgenerated_imageinresponse.generated_images:
 image = Image.open(BytesIO(generated_image.image.image_bytes))
 image.show()

您可以在 Gemini API 開發(fā)者文檔中探索更多關(guān)于提示技巧和圖像風(fēng)格的內(nèi)容，有關(guān)評分、方法論及性能提升的更多詳情，請參閱我們更新后的技術(shù)報(bào)告附錄 D。

我們非常高興能夠邁出第一步，將我們的生成式媒體模型擴(kuò)展至 Gemini API。我們還計(jì)劃在不久的將來推出更多模型，以便開發(fā)者能夠?qū)⑸墒矫襟w與語言模型結(jié)合起來使用。