Gemini 图片生成

概述

AIone 已支持 Gemini 图片生成模型，并统一通过 OpenAI Compatible 的 /v1/chat/completions 端点访问。

这一组模型在网关内部会自动切换到 Gemini 原生图片生成链路，再转换回 OpenAI 兼容响应格式。因此你的请求方式仍然保持统一，但可以额外使用图片生成相关参数。

图片模型一览

模型	最大分辨率	速度	特点	指定分辨率方式
`gemini-3.1-flash-image-preview`	4K (4096×4096)	快	性价比最高，支持 512/1K/2K/4K 四档	`image_size` 参数
`gemini-3-pro-image-preview`	1K (1024×1024)	中	默认 1K，质量稳定	默认即可
`gemini-3-pro-image-preview-2k`	2K (2048×2048)	中	Pro 质量 + 2K 分辨率	模型名自带
`gemini-3-pro-image-preview-4k`	4K (4096×4096)	慢	Pro 质量 + 4K 分辨率	模型名自带
`gemini-2.5-flash-image`	1K (1024×1024)	快	上一代 Flash，仅 1K	—

如果你不确定模型名，请以 GET https://api.openbili.com/v1/models 和 Portal 模型列表页为准。

Gemini 3.1 Flash Image 接入指南

gemini-3.1-flash-image-preview 是目前性价比最高的图片生成模型，支持 4 档分辨率（512 ~ 4K），通过 image_size 参数控制。

默认 1K 分辨率

不传 image_size 时默认生成 1K (1024×1024) 图片：

curl https://api.openbili.com/v1/chat/completions \
  -H "Authorization: Bearer sk-nex-your-key-here" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.1-flash-image-preview",
    "messages": [
      {"role": "user", "content": "画一只可爱的猫咪"}
    ],
    "max_tokens": 4096
  }'

生成 2K 高清图片

curl https://api.openbili.com/v1/chat/completions \
  -H "Authorization: Bearer sk-nex-your-key-here" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.1-flash-image-preview",
    "messages": [
      {"role": "user", "content": "画一只可爱的猫咪"}
    ],
    "max_tokens": 4096,
    "image_size": "2K"
  }'

生成 4K 超高清图片

curl https://api.openbili.com/v1/chat/completions \
  -H "Authorization: Bearer sk-nex-your-key-here" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.1-flash-image-preview",
    "messages": [
      {"role": "user", "content": "画一只可爱的猫咪"}
    ],
    "max_tokens": 4096,
    "image_size": "4K"
  }'

注意： 4K 图片生成时间较长（可达 2-3 分钟）。强烈建议使用 "stream": true，网关会每 10 秒发送 keepalive 心跳，防止中间网络设备因空闲断开连接。同时请将客户端 HTTP 超时设置为 ≥ 600 秒。

自定义宽高比 + 分辨率

aspect_ratio 和 image_size 可以组合使用：

curl https://api.openbili.com/v1/chat/completions \
  -H "Authorization: Bearer sk-nex-your-key-here" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.1-flash-image-preview",
    "messages": [
      {"role": "system", "content": "你是一名插画师，请输出适合做横幅封面的图片"},
      {"role": "user", "content": "画一只可爱的猫咪"}
    ],
    "max_tokens": 4096,
    "image_size": "2K",
    "aspect_ratio": "16:9",
    "temperature": 0.8
  }'

OpenAI Python SDK 示例

from openai import OpenAI
 
client = OpenAI(
    api_key="sk-nex-your-key-here",
    base_url="https://api.openbili.com/v1",
)
 
# 生成 2K 图片
response = client.chat.completions.create(
    model="gemini-3.1-flash-image-preview",
    messages=[{"role": "user", "content": "画一只可爱的猫咪"}],
    max_tokens=4096,
    extra_body={
        "image_size": "2K",
        "aspect_ratio": "16:9",
    },
)
 
# 处理返回结果
# content 是字符串（可能包含 markdown 格式的内嵌图片）
print(response.choices[0].message.content)
 
# 图片数据通过独立的 images 字段返回（纯文本响应无此字段）
images = getattr(response.choices[0].message, "images", None)
if images:
    for img in images:
        base64_data = img["image_url"]["url"]  # data:image/jpeg;base64,...

OpenAI Node.js SDK 示例

import OpenAI from "openai";
 
const client = new OpenAI({
  apiKey: "sk-nex-your-key-here",
  baseURL: "https://api.openbili.com/v1",
});
 
const response = await client.chat.completions.create({
  model: "gemini-3.1-flash-image-preview",
  messages: [{ role: "user", content: "画一只可爱的猫咪" }],
  max_tokens: 4096,
  // @ts-ignore — 非标准参数通过 extra body 传递
  image_size: "2K",
  aspect_ratio: "16:9",
});
 
const content = response.choices[0].message.content;
// content 是 string（可能包含 markdown 格式的内嵌图片）
// 如需程序化提取图片，使用 response.choices[0].message.images

图片参数详解

`image_size` — 分辨率

控制生成图片的分辨率。注意大写 K，小写会被拒绝。

值	像素（正方形时）	适用模型	说明
`"512"`	512×512	`gemini-3.1-flash-image-preview`	仅 3.1 Flash 支持，缩略图/草稿场景
`"1K"`	1024×1024	所有图片模型	默认值，不传时使用此分辨率
`"2K"`	2048×2048	`gemini-3.1-flash-image-preview`、`gemini-3-pro-image-preview-2k`	高清
`"4K"`	4096×4096	`gemini-3.1-flash-image-preview`、`gemini-3-pro-image-preview-4k`	超高清，生成时间较长

Gemini 3 Pro Image 的区别： gemini-3-pro-image-preview-2k 和 -4k 是预设了分辨率的独立模型名，无需传 image_size 参数。而 gemini-3.1-flash-image-preview 通过 image_size 参数动态切换分辨率。

`aspect_ratio` — 宽高比

控制生成图片的宽高比。不传时由模型自动决定（通常为 1:1）。

支持以下宽高比：

1:1、3:2、2:3、3:4、4:3、4:5、5:4、9:16、16:9、21:9、1:4、4:1、1:8、8:1

通用请求参数

参数	类型	必填	说明
`model`	string	是	图片模型 ID
`messages`	array	是	对话消息数组，遵循 OpenAI Chat Completions 格式
`max_tokens`	integer	建议	映射到 Gemini 原生的 `maxOutputTokens`，建议设为 4096
`image_size`	string	否	分辨率，见上表
`aspect_ratio`	string	否	宽高比，见上表
`temperature`	number	否	生成温度
`top_p`	number	否	核采样概率
`top_k`	integer	否	Top-K 采样
`stream`	boolean	否	伪流式，图片生成完毕后一次性返回

参考图输入

如果你需要传参考图，可以使用 OpenAI 风格的多模态 messages.content：

{
  "model": "gemini-3.1-flash-image-preview",
  "messages": [
    {
      "role": "user",
      "content": [
        {"type": "text", "text": "参考这张图的构图，画一只坐在窗边的猫"},
        {
          "type": "image_url",
          "image_url": {
            "url": "data:image/png;base64,iVBORw0KGgoAAA..."
          }
        }
      ]
    }
  ],
  "max_tokens": 4096,
  "image_size": "2K"
}

注意：

支持 data: URI（base64）和 https:// 公网 URL 两种格式
公网 URL 会由网关自动下载并转换为 Gemini 原生图片输入（30 秒超时）
推荐使用 base64 格式：部分 CDN（如阿里云）可能存在防盗链或格式转换问题，base64 最稳定

返回结果说明

图片模型的响应包含两个字段：content（字符串）和 images（数组）。

纯文本响应

如果模型只返回文字（没有生成图片），响应与普通文本模型一致：

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "这是模型的文字回复"
    }
  }]
}

含图片的响应

{
  "id": "chatcmpl-xxx",
  "object": "chat.completion",
  "model": "gemini-3.1-flash-image-preview",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "这是为你生成的图片：\n\n![image](data:image/jpeg;base64,/9j/4AAQ...)",
        "images": [
          {
            "type": "image_url",
            "index": 0,
            "image_url": {
              "url": "data:image/jpeg;base64,/9j/4AAQ...",
              "detail": "auto"
            }
          }
        ]
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 123,
    "completion_tokens": 456,
    "total_tokens": 579
  }
}

两个字段的作用：

字段	类型	说明
`content`	string	Markdown 格式，文字和图片混排（`![image](data:...)`），符合 OpenAI spec
`images`	array	结构化的图片数据，方便程序提取。纯文本响应不含此字段

content 始终是字符串，适合直接展示给用户
如需程序化处理图片（保存、转发等），请使用 images 字段
图片格式通常为 JPEG（data:image/jpeg;base64,...），实际取决于模型返回的 MIME 类型
usage 字段仍然会返回，便于你在控制台和响应结果中核对消耗

限制与注意事项

仅支持 /v1/chat/completions：Gemini 图片模型不支持 /v1/messages（Anthropic 格式）
流式模式为伪流式：支持 stream: true，但图片会在生成完毕后一次性以 SSE 事件返回（非逐 token 流式），等待期间每 10 秒会收到 keepalive 心跳
图片通过 images 字段返回：content 始终是字符串。如需程序化处理图片，请使用 message.images 字段，不要解析 content 中的 markdown
模型权限：请确认你的 API Key 有权访问对应图片模型
超时与连接保活：4K 图片生成可能需要 2-3 分钟。强烈建议 4K 请求使用 "stream": true——网关会每 10 秒发送 keepalive 心跳，防止中间网络设备（NAT/防火墙/代理）因 TCP 空闲而断开连接。同时将客户端 HTTP 超时设置为 ≥ 600 秒
image_size 大小写：必须使用大写 K（"2K"、"4K"），小写 "2k" 会被拒绝；512 不带 K 后缀
分辨率选择方式区别：
- gemini-3.1-flash-image-preview：通过 image_size 参数指定（"512" / "1K" / "2K" / "4K"）
- gemini-3-pro-image-preview：通过模型名后缀指定（-2k / -4k），或使用基础模型名默认 1K