Gemini 图片生成

概述

AIone 支持 Gemini 系列图片生成模型，可以通过两个端点调用：

端点	适用场景	能力
`POST /v1/chat/completions`	快速接入，沿用现有 OpenAI SDK	生成图片、图生图、流式；Nano 2.1 支持尺寸控制
`POST /v1beta/models/{model}:generateContent`	需要指定分辨率或宽高比	上述全部 + 分辨率 / 宽高比控制

Nano Banana 2.1 在两个端点都支持分辨率和宽高比控制：Chat 使用 image_size / aspect_ratio，原生端点使用 generationConfig.imageConfig。

可用模型

模型	特点
`gemini-nano-banana-2.1`	Nano Banana 2.1，支持 1K / 2K / 4K
`gemini-3.1-flash-image`	主力模型，速度与质量兼顾
`gemini-3-pro-image`	画面质量更稳定，适合成品图
`gemini-2.5-flash-image`	上一代 Flash，仅默认尺寸

完整模型清单以 GET /v1/models 和 Portal 模型列表页为准。

一、快速出图：`/v1/chat/completions`

最简请求：

curl https://api.modeltap.net/v1/chat/completions \
  -H "Authorization: Bearer sk-nex-your-key-here" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.1-flash-image",
    "messages": [
      {"role": "user", "content": "画一只可爱的猫咪"}
    ]
  }'

返回结构

图片以 Markdown 内嵌的 data URI 形式放在 message.content 里：

{
  "id": "chatcmpl-xxx",
  "object": "chat.completion",
  "model": "gemini-3.1-flash-image",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "![image](data:image/png;base64,iVBORw0KGgoAAA...)"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 6,
    "completion_tokens": 1120,
    "total_tokens": 1126
  }
}

提取图片：message.content 是字符串，用正则取出 data URI 即可。

import re, base64
content = response.choices[0].message.content
images = re.findall(r"data:(image/[\w.+-]+);base64,([A-Za-z0-9+/=]+)", content)
extensions = {"image/png": "png", "image/jpeg": "jpg", "image/webp": "webp"}
for index, (mime_type, encoded) in enumerate(images):
    image_bytes = base64.b64decode(encoded)
    extension = extensions.get(mime_type, "img")
    open(f"out-{index}.{extension}", "wb").write(image_bytes)

图片可能返回 PNG、JPEG 等格式，保存文件时按返回的 MIME 类型选择扩展名。

Python SDK

from openai import OpenAI
 
client = OpenAI(
    api_key="sk-nex-your-key-here",
    base_url="https://api.modeltap.net/v1",
)
 
resp = client.chat.completions.create(
    model="gemini-3.1-flash-image",
    messages=[{"role": "user", "content": "画一只可爱的猫咪"}],
)
print(resp.choices[0].message.content[:80])

Nano Banana 2.1：指定分辨率

推荐模型 ID 为 gemini-nano-banana-2.1，兼容别名为 nano-banana-2.1。分辨率通过参数传递，模型名无需追加 -2k 或 -4k。

curl --max-time 600 https://api.modeltap.net/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "gemini-nano-banana-2.1",
  "messages": [
    {
      "role": "user",
      "content": "画一只可爱的猫咪"
    }
  ],
  "image_size": "2K",
  "aspect_ratio": "1:1"
}'

OpenAI Python SDK 使用 extra_body 传递图片参数：

resp = client.chat.completions.create(
    model="gemini-nano-banana-2.1",
    messages=[{"role": "user", "content": "画一只可爱的猫咪"}],
    extra_body={"image_size": "2K", "aspect_ratio": "1:1"},
    timeout=600,
)

原生 Gemini 请求使用同一模型 ID，将尺寸放在 generationConfig.imageConfig：

curl --max-time 600 https://api.modeltap.net/v1beta/models/gemini-nano-banana-2.1:generateContent \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "画一只可爱的猫咪"
        }
      ]
    }
  ],
  "generationConfig": {
    "responseModalities": [
      "IMAGE"
    ],
    "imageConfig": {
      "imageSize": "2K",
      "aspectRatio": "1:1"
    }
  }
}'

响应可能同时包含预览图和原图。提取全部图片并检查实际像素，避免只保存第一个 data URI 而拿到低分辨率预览图。高分辨率或排队请求建议设置至少 600 秒超时；网关等待生成结果，客户端无需另行轮询。

图生图

用 OpenAI 标准的多模态 content 数组传参考图：

{
  "model": "gemini-3.1-flash-image",
  "messages": [
    {
      "role": "user",
      "content": [
        {"type": "text", "text": "把图里的苹果换成橙子"},
        {
          "type": "image_url",
          "image_url": {"url": "data:image/png;base64,iVBORw0KGgoAAA..."}
        }
      ]
    }
  ]
}

参考图支持 data: URI（base64）和 https:// 公网 URL 两种写法。推荐 base64：部分 CDN 存在防盗链或格式转换，直链可能取不到。

流式

支持 "stream": true。这是伪流式——图片生成完毕后一次性通过 SSE 事件下发，不是逐 token 推送。好处是长连接期间有数据往返，不容易被中间网络设备按空闲断开。

curl https://api.modeltap.net/v1/chat/completions \
  -H "Authorization: Bearer sk-nex-your-key-here" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.1-flash-image",
    "messages": [{"role": "user", "content": "画一只可爱的猫咪"}],
    "stream": true
  }'

这个端点的尺寸

Nano Banana 2.1 使用顶层 image_size 选择 1K（默认）、2K、4K，使用 aspect_ratio 指定宽高比，例如 1:1。其他图片模型的尺寸控制以各模型能力为准；原生端点的参数见下文。实际像素以返回图片为准。

二、控制分辨率与宽高比：`/v1beta` 原生端点

POST https://api.modeltap.net/v1beta/models/{model}:generateContent

模型名写在 URL 路径里，尺寸参数放在 generationConfig.imageConfig：

curl https://api.modeltap.net/v1beta/models/gemini-3.1-flash-image:generateContent \
  -H "Authorization: Bearer sk-nex-your-key-here" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {"role": "user", "parts": [{"text": "画一只可爱的猫咪"}]}
    ],
    "generationConfig": {
      "responseModalities": ["IMAGE"],
      "imageConfig": {
        "imageSize": "4K",
        "aspectRatio": "16:9"
      }
    }
  }'

`imageSize` — 分辨率档位

Nano Banana 2.1 仅支持 1K / 2K / 4K，不支持 512。下表展示 Gemini 3.1 Flash Image 的像素示例，Nano 2.1 的实际像素以返回图片为准。

取值 512 / 1K（默认）/ 2K / 4K。以 16:9 为例的实际像素：

`imageSize`	实际像素（16:9）	像素量
不传（默认 1K）	1376×768	1.06 MP
`"2K"`	2752×1536	4.23 MP
`"4K"`	5504×3072	16.9 MP
`"512"`	688×384	0.26 MP

gemini-2.5-flash-image 只输出默认尺寸（1024×1024），不响应 imageSize。

`aspectRatio` — 宽高比

支持 14 种。以默认档位（1K）为例的实际像素：

宽高比	像素	宽高比	像素
`1:1`	1024×1024	`9:16`	768×1376
`3:2`	1264×848	`16:9`	1376×768
`2:3`	848×1264	`21:9`	1584×672
`4:3`	1200×896	`1:4`	512×2064
`3:4`	896×1200	`4:1`	2064×512
`5:4`	1152×928	`1:8`	352×2928
`4:5`	928×1152	`8:1`	2928×352

imageSize 与 aspectRatio 可以自由组合，例如 4K + 21:9 得到超宽幅高清图。

模型按所选档位与比例的原生分辨率出图，实际像素以返回图片为准。

返回结构

图片在 candidates[0].content.parts[] 的 inlineData 里，data 是不带前缀的纯 base64：

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "inlineData": {
              "mimeType": "image/png",
              "data": "iVBORw0KGgoAAA..."
            }
          }
        ]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 6,
    "candidatesTokenCount": 1120,
    "totalTokenCount": 1126,
    "candidatesTokensDetails": [{"modality": "IMAGE", "tokenCount": 1120}]
  }
}

import base64, json, requests
 
resp = requests.post(
    "https://api.modeltap.net/v1beta/models/gemini-3.1-flash-image:generateContent",
    headers={"Authorization": "Bearer sk-nex-your-key-here"},
    json={
        "contents": [{"role": "user", "parts": [{"text": "画一只可爱的猫咪"}]}],
        "generationConfig": {
            "responseModalities": ["IMAGE"],
            "imageConfig": {"imageSize": "2K", "aspectRatio": "16:9"},
        },
    },
    timeout=600,
)
for index, part in enumerate(resp.json()["candidates"][0]["content"]["parts"]):
    if "inlineData" in part:
        inline = part["inlineData"]
        extension = {"image/png": "png", "image/jpeg": "jpg", "image/webp": "webp"}.get(
            inline.get("mimeType"), "img"
        )
        open(f"out-{index}.{extension}", "wb").write(base64.b64decode(inline["data"]))

parts 中可能出现 thoughtSignature 等非图片条目，遍历时按 inlineData 是否存在来判断即可。

原生流式生成与编辑

使用相同请求体，将路径换为 /v1beta/models/{model}:streamGenerateContent?alt=sse。响应为 SSE，每个 JSON 事件中的图片仍在 candidates[].content.parts[].inlineData。

4K 生成可能耗时数分钟，建议客户端预留 600 秒超时；原生 SSE 或前文的 Chat 伪流式可在等待期间保持连接。

图生图（原生端点）

把参考图作为 inlineData 放进 parts，与文字描述并列。data 为纯 base64，不带 data:image/png;base64, 前缀：

{
  "contents": [
    {
      "role": "user",
      "parts": [
        {"inlineData": {"mimeType": "image/png", "data": "iVBORw0KGgoAAA..."}},
        {"text": "把图里的苹果换成橙子"}
      ]
    }
  ],
  "generationConfig": {
    "responseModalities": ["IMAGE"],
    "imageConfig": {"aspectRatio": "1:1"}
  }
}

放多个 inlineData 即可做多图融合。

计费说明

图片输出按图片输出 token 计费，token 数由分辨率档位决定，与提示词长短无关：

档位	`gemini-3.1-flash-image`	`gemini-3-pro-image`	`gemini-nano-banana-2.1`
512	747	—	—
默认 / 1K	1,120	1,120	1,120
2K	1,680	1,120	1,680
4K	2,520	2,000	3,780

gemini-2.5-flash-image 每张 1,290 token。

图片部分的 token 数按上表计；响应中的 usage.completion_tokens（chat 端点）与 usageMetadata.candidatesTokenCount（原生端点）是本次输出的 token 总数，除图片外可能包含少量文本 token，两部分按各自费率计价。具体单价见「定价说明」。

Nano 2.1 的图片输出使用上表独立档位；文本和思考 token 按文本输出费率计价。若返回预览图和原图，不能仅凭图片条目数量重复计算图片 token；准确费用以账单为准。

通用请求参数

`/v1/chat/completions`

参数	类型	必填	说明
`model`	string	是	图片模型 ID
`messages`	array	是	标准 OpenAI Chat 消息数组，参考图用 `image_url` 部件传入
`stream`	boolean	否	伪流式，生成完毕后一次性 SSE 下发
`image_size`	string	否	Nano 2.1：`1K`（默认）/ `2K` / `4K`
`aspect_ratio`	string	否	Nano 2.1 宽高比，例如 `1:1`
`temperature`	number	否	生成温度

`/v1beta/models/{model}:generateContent`

参数	类型	必填	说明
`contents`	array	是	对话内容，`parts` 内放 `text` 与 `inlineData`
`generationConfig.responseModalities`	array	否	建议传 `["IMAGE"]`
`generationConfig.imageConfig.imageSize`	string	否	`512` / `1K` / `2K` / `4K`
`generationConfig.imageConfig.aspectRatio`	string	否	见上方 14 种取值

注意事项

超时设置：高分辨率出图耗时较长，建议客户端 HTTP 超时设为 ≥ 600 秒。
图片提取方式因端点而异：chat 端点从 message.content 的 Markdown data URI 中提取；原生端点从 parts[].inlineData.data 提取（纯 base64，无前缀）。
参考图格式：chat 端点用带 data: 前缀的完整 data URI；原生端点用不带前缀的纯 base64。两者规则相反，不要写混。
不支持 Anthropic 格式：Gemini 图片模型不支持 /v1/messages。
模型权限：请确认 API Key 有权访问对应图片模型。

Gemini 图片生成

概述

可用模型

一、快速出图：/v1/chat/completions

返回结构

Python SDK

Nano Banana 2.1：指定分辨率

图生图

流式

这个端点的尺寸

二、控制分辨率与宽高比：/v1beta 原生端点

imageSize — 分辨率档位

aspectRatio — 宽高比

返回结构

原生流式生成与编辑

图生图（原生端点）

计费说明

通用请求参数

/v1/chat/completions

/v1beta/models/{model}:generateContent

注意事项

一、快速出图：`/v1/chat/completions`

二、控制分辨率与宽高比：`/v1beta` 原生端点

`imageSize` — 分辨率档位

`aspectRatio` — 宽高比

`/v1/chat/completions`

`/v1beta/models/{model}:generateContent`