作者 / 高級(jí)開(kāi)發(fā)者關(guān)系工程師 Thomas Ezan 和開(kāi)發(fā)者關(guān)系工程師 Mozart Louis

為您的應(yīng)用添加自定義圖像，能夠顯著改善和個(gè)性化用戶體驗(yàn)，有效提高用戶參與度。本文將探討使用 Firebase AI Logic 生成圖像的兩種新功能: 其一是 Imagen 專(zhuān)屬編輯功能預(yù)覽版;其二是 Gemini 2.5 Flash Image (又名 Nano Banana) 正式版，后者的專(zhuān)長(zhǎng)就是在情境或?qū)υ捴猩蓤D像。

借助 Firebase AI Logic 生成圖像以提高用戶參與度

圖像生成模型可用于創(chuàng)建自定義用戶個(gè)人資料頭像，或?qū)€(gè)性化視覺(jué)素材直接集成到應(yīng)用關(guān)鍵流程中。

例如，Imagen 提供了尚處于開(kāi)發(fā)者預(yù)覽版的全新編輯功能?，F(xiàn)在，您可以繪制遮罩并利用圖像內(nèi)繪制 (inpainting) 在遮罩區(qū)域內(nèi)生成像素。此外，還提供了圖像擴(kuò)展 (outpainting) 功能，可用于生成遮罩區(qū)域外的像素。

另一方面，Gemini 2.5 Flash Image (又名 Nano Banana) 可以使用 Gemini 模型淵博的世界知識(shí)和推理能力來(lái)生成與上下文相關(guān)的圖像，這非常適合用于創(chuàng)建與用戶當(dāng)前應(yīng)用內(nèi)體驗(yàn)契合的動(dòng)態(tài)插圖。

△ 使用 Gemini 2.5 Flash Image 創(chuàng)建與您的應(yīng)用上下文相關(guān)的動(dòng)態(tài)插圖

最后，借助對(duì)話和迭代編輯圖像的功能，用戶可以使用自然語(yǔ)言編輯圖像。

在著手將 AI 集成到您的應(yīng)用中時(shí)，了解 AI 安全性非常重要。尤其關(guān)鍵的是，您需要評(píng)估應(yīng)用的安全風(fēng)險(xiǎn)、斟酌調(diào)整以降低安全風(fēng)險(xiǎn)、執(zhí)行適合您用例的安全測(cè)試，以及征求用戶反饋并監(jiān)控內(nèi)容。

Imagen 或 Gemini 任您選擇

Gemini 2.5 Flash Image (Nano Banana) 和 Imagen 之間的區(qū)別在于各自獨(dú)特的側(cè)重點(diǎn)和高級(jí)功能。Gemini 2.5 Flash Image 作為廣泛的 Gemini 系列中的圖像模型，擅長(zhǎng)對(duì)話式圖像編輯，能在多次迭代中保持上下文和主體一致性，并利用 "世界知識(shí)和推理" 來(lái)創(chuàng)建與上下文相關(guān)的視覺(jué)內(nèi)容，或在長(zhǎng)文本序列中嵌入準(zhǔn)確的視覺(jué)內(nèi)容。

Imagen 是 Google 的專(zhuān)業(yè)圖像生成模型，專(zhuān)為更好地發(fā)揮創(chuàng)意和掌控作品而設(shè)計(jì)，擅長(zhǎng)于高度真實(shí)的輸出、藝術(shù)細(xì)節(jié)、特定風(fēng)格，并提供明確的控制選項(xiàng)，來(lái)指定生成圖像的寬高比或格式。

一起來(lái)了解如何在您的應(yīng)用中使用上述功能。

使用 Imagen 進(jìn)行圖像內(nèi)繪制

幾個(gè)月前，我們發(fā)布了 Imagen 新的編輯功能。雖然 Imagen 的圖像生成功能已可正式用于生產(chǎn)環(huán)境，但編輯功能仍處于開(kāi)發(fā)者預(yù)覽版階段。

Imagen 編輯功能包括圖像內(nèi)繪制和圖像擴(kuò)展，二者均為基于遮罩的圖像編輯功能。這項(xiàng)新功能允許用戶修改圖像的特定區(qū)域，而無(wú)需重新生成整個(gè)圖像。這意味著您可以保留圖像中您最滿意的部分，只更改您想要調(diào)整的內(nèi)容。

做出這些更改時(shí)，原始圖像的核心元素和圖像整體完整性不受影響，您可以僅調(diào)整遮罩區(qū)域。

要使用 Imagen 的圖像內(nèi)繪制功能，請(qǐng)先初始化 imagen-3.0-capability-001，這是支持編輯功能的特定 Imagen 模型:

// Copyright2025Google LLC.
// SPDX-License-Identifier: Apache-2.0
val editingModel =
    Firebase.ai(backend = GenerativeBackend.vertexAI()).imagenModel(
     "imagen-3.0-capability-001",
      generationConfig =ImagenGenerationConfig(
        numberOfImages =1,
        aspectRatio = ImagenAspectRatio.SQUARE_1x1,
        imageFormat = ImagenImageFormat.jpeg(compressionQuality =75),
      ),
    )

然后，定義圖像內(nèi)繪制函數(shù):

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0
valprompt ="remove the pancakes and make it an omelet instead"
suspendfuninpaintImageWithMask(sourceImage:Bitmap, maskImage:Bitmap, prompt:String, editSteps:Int=50): Bitmap {
   valimageResponse = editingModel.editImage(
      referenceImages = listOf(
        ImagenRawImage(sourceImage.toImagenInlineImage()),
        ImagenRawMask(maskImage.toImagenInlineImage()),
      ),
      prompt = prompt,
      config = ImagenEditingConfig(
        editMode = ImagenEditMode.INPAINT_INSERTION,
        editSteps = editSteps,
      ),
    )
   returnimageResponse.images.first().asBitmap()
  }

您需要提供一張?jiān)紙D像、一張遮罩圖像、用于編輯的提示詞以及需要執(zhí)行的編輯步驟數(shù)量。

您可以在 Android AI 示例庫(kù)的 Imagen Editing Sample 中，查看其實(shí)際運(yùn)行效果!

Imagen 還支持圖像擴(kuò)展，該功能使您能讓模型在遮罩外的區(qū)域生成像素。您還可以使用 Imagen 的圖像自定義功能來(lái)更改圖像風(fēng)格或更新圖像中的一個(gè)主體。有關(guān)詳細(xì)信息，請(qǐng)參閱 Android 開(kāi)發(fā)者文檔。

使用 Gemini 2.5 Flash Image 通過(guò)對(duì)話生成圖像

要使用 Gemini 2.5 Flash Image 編輯圖像，一種方法是通過(guò)該模型的多輪聊天功能進(jìn)行編輯。

首先，初始化模型:

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0
valmodel=Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
  modelName ="gemini-2.5-flash-image",
 // Configure the model to respond with text and images (required)
  generationConfig = generationConfig {
    responseModalities = listOf(ResponseModality.TEXT,
    ResponseModality.IMAGE)
  }
)

為了實(shí)現(xiàn)與上述基于遮罩的 Imagen 方法類(lèi)似的結(jié)果，我們可以利用chatAPI，啟動(dòng)與 Gemini 2.5 Flash Image 的對(duì)話。

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0
// Initialize the chat
valchat=model.startChat()
// Load a bitmap
valsource=ImageDecoder.createSource(context.contentResolver, uri)
valbitmap=ImageDecoder.decodeBitmap(source)
// Create the initial prompt instructing the model to edit the image
valprompt=content {
  image(bitmap)
  text("remove the pancakes and add an omelet")
}
// To generate an initial response, send a user message with the image and text prompt
varresponse=chat.sendMessage(prompt)
// Inspect the returned image
vargeneratedImageAsBitmap=response
  .candidates.first().content.parts.filterIsInstance().firstOrNull()?.image
// Follow up requests do not need to specify the image again
response = chat.sendMessage("Now, center the omelet in the pan")
generatedImageAsBitmap = response  .candidates.first().content.parts.filterIsInstance().firstOrNull()?.image

您可以在 Android AI 示例庫(kù)的 Gemini Image Chat Sample 查看該功能的實(shí)際運(yùn)作，也可參閱 Android 技術(shù)文檔以了解更多相關(guān)信息。

結(jié)論

Imagen 和 Gemini 2.5 Flash Image 都提供了強(qiáng)大的功能，允許您根據(jù)具體用例選擇理想的圖像生成模型，從而讓您的應(yīng)用更加個(gè)性化，并提高用戶參與度。