אתם יכולים להשתמש ב-Gemini כדי ליצור תמונות באמצעות הנחיית טקסט. הממשקים הנתמכים כוללים את מסוף Google Cloud ואת Agent Platform API.
המודלים הבאים של Gemini תומכים ביצירת תמונות:
לחצו כדי להרחיב את רשימת המודלים הנתמכים
למידע נוסף על היכולות של מודל Gemini, קראו את המאמר מודלים של Gemini.
יצירת תמונות
כאן מוסבר איך ליצור תמונות באמצעות Agent Studio או באמצעות ה-API.
מידע נוסף על שיטות מומלצות להנדסת פרומפטים זמין במאמר עיצוב פרומפטים מולטי-מודאליים.
המסוף
כדי ליצור תמונות באמצעות Gemini:
- פותחים את Agent Studio > Create prompt.
- לוחצים על החלפת מודל ובוחרים אחד מהמודלים שמוצגים.
- בחלונית Outputs, בוחרים באפשרות Image and text בתפריט הנפתח.
- בתיבת הטקסט כתיבת הנחיה, כותבים תיאור של התמונה שרוצים ליצור.
- לוחצים על הכפתור הנחיה ().
Gemini יוצר תמונה על סמך התיאור שלכם. התהליך הזה נמשך כמה שניות, אבל יכול להיות איטי יותר בהתאם לקיבולת.
Python
התקנה
pip install --upgrade google-genai
מידע נוסף זמין במאמרי העזרה של ה-SDK.
מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_ENTERPRISE=True
Go
מידע נוסף זמין במאמרי העזרה של ה-SDK.
מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_ENTERPRISE=True
Node.js
התקנה
npm install @google/genai
מידע נוסף זמין במאמרי העזרה של ה-SDK.
מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_ENTERPRISE=True
Java
איך מתקינים או מעדכנים את Java
מידע נוסף זמין במאמרי העזרה של ה-SDK.
מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_ENTERPRISE=True
REST
כדי ליצור או להחליף את הקובץ הזה בספרייה הנוכחית, מריצים את הפקודה הבאה בטרמינל:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
https://${API_ENDPOINT}:generateContent \
-d '{
"contents": {
"role": "USER",
"parts": [
{
"text": "Create a tutorial explaining how to make a peanut butter and jelly sandwich in three easy steps."
}
]
},
"generationConfig": {
"responseModalities": ["TEXT", "IMAGE"],
"imageConfig": {
"aspectRatio": "16:9",
},
},
"safetySettings": {
"method": "PROBABILITY",
"category": "HARM_CATEGORY_DANGEROUS_CONTENT",
"threshold": "BLOCK_MEDIUM_AND_ABOVE"
},
}' 2>/dev/null >response.json
Gemini יוצר תמונה על סמך התיאור שלכם. התהליך הזה נמשך כמה שניות, אבל יכול להיות איטי יותר בהתאם לקיבולת.
יצירת תוכן שמשלב תמונות וטקסט
אתם יכולים להנחות את Gemini ליצור תמונות שמשולבות בתשובות טקסט. לדוגמה, אתם יכולים ליצור תמונות לכל שלב במתכון שנוצר, בלי שתצטרכו לשלוח בקשות נפרדות למודל.
המודלים הבאים של Gemini תומכים ביצירת תוכן שמשלב תמונות וטקסט:
לחצו כדי להרחיב את רשימת המודלים הנתמכים
המסוף
כדי ליצור תמונות שמשולבות בתשובות טקסט:
- פותחים את Agent Studio > Create prompt.
- לוחצים על החלפת מודל ובוחרים אחד מהמודלים שמוצגים.
- בחלונית Outputs, בוחרים באפשרות Image and text בתפריט הנפתח.
- בתיבת הטקסט כתיבת הנחיה, כותבים תיאור של התמונה שרוצים ליצור. לדוגמה, "צור מדריך שמסביר איך להכין כריך עם חמאת בוטנים וריבה בשלושה שלבים. לכל שלב, תן כותרת עם מספר השלב, הסבר, ותיצור תמונה ביחס גובה-רוחב של 1:1".
- לוחצים על הכפתור הנחיה ().
Gemini יוצר תשובה על סמך התיאור שלכם. התהליך הזה נמשך כמה שניות, אבל יכול להיות איטי יותר בהתאם לקיבולת.
Python
התקנה
pip install --upgrade google-genai
מידע נוסף זמין במאמרי העזרה של ה-SDK.
מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_ENTERPRISE=True
Java
איך מתקינים או מעדכנים את Java
מידע נוסף זמין במאמרי העזרה של ה-SDK.
מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_ENTERPRISE=True
Go
מידע נוסף זמין במאמרי העזרה של ה-SDK.
מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_ENTERPRISE=True
Node.js
התקנה
npm install @google/genai
מידע נוסף זמין במאמרי העזרה של ה-SDK.
מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_ENTERPRISE=True
REST
כדי ליצור או להחליף את הקובץ הזה בספרייה הנוכחית, מריצים את הפקודה הבאה בטרמינל:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
https://${API_ENDPOINT}:generateContent \
-d '{
"contents": {
"role": "USER",
"parts": [
{
"text": "Generate an illustrated recipe for a paella. Create images to
go alongside the text as you generate the recipe."
}
]
},
"generationConfig": {
"responseModalities": ["TEXT", "IMAGE"],
"imageConfig": {
"aspectRatio": "16:9",
},
},
"safetySettings": {
"method": "PROBABILITY",
"category": "HARM_CATEGORY_DANGEROUS_CONTENT",
"threshold": "BLOCK_MEDIUM_AND_ABOVE"
},
}' 2>/dev/null >response.json
Gemini יוצר תמונה על סמך התיאור שלכם. התהליך הזה נמשך כמה שניות, אבל יכול להיות איטי יותר בהתאם לקיבולת.
שמירת תמונות מ-AI ב-Cloud Storage
במקום להחזיר בייטים של תמונות גולמיות בקידוד base64 בתוך התשובה, אתם יכולים להגדיר בקשות של generateContent ו-streamGenerateContent כדי לכתוב תמונות שנוצרו על ידי AI ישירות לקטגוריה של Cloud Storage ולהחזיר את ה-URI של האובייקט ב-fileData.fileUri.
אלה המודלים של Gemini שתומכים בשמירת פלט ב-Cloud Storage:
- Gemini Nano Banana 2.1
(
gemini-nano-banana-2.1) - Gemini 3.1 Flash Image
(
gemini-3.1-flash-image) - Gemini 3.1 Flash-Lite Image
(
gemini-3.1-flash-lite-image) - Gemini 3 Pro Image
(
gemini-3-pro-image)
דרישות מוקדמות
לפני ששולחים בקשה עם שמירת פלט ב-Cloud Storage, צריך לוודא שלישות המורשית שמאמתת את הבקשה יש את ההרשאה הבאה לניהול זהויות והרשאות גישה (IAM) בקטגוריה של Cloud Storage ביעד:
-
storage.objects.create(כלולה בתפקידים כמו Storage Object Creator,roles/storage.objectCreator)
לפני יצירת התמונות, השירות מאמת את ההרשאה storage.objects.create בקטגוריית היעד של Cloud Storage באמצעות פרטי הכניסה של מבצע הקריאה החוזרת. אם הקטגוריה של Cloud Storage לא קיימת, אם למבצע הקריאה החוזרת אין הרשאת כתיבה או אם גבול הגישה של VPC Service Controls חוסם את הכתיבה, הבקשה תיכשל לפני היצירה ותוחזר השגיאה 403 PERMISSION_DENIED.
שליחת בקשה עם פלט של Cloud Storage
כדי לכתוב תמונות שנוצרו על ידי AI ישירות ב-Cloud Storage, צריך להגדיר את שני השדות הבאים בבקשה generateContent או streamGenerateContent:
- מגדירים את
outputConfig.outputUriPrefixבתור קטגוריה של Cloud Storage או קידומת תיקייה (לדוגמה,gs://BUCKET_NAME/PREFIX/). - מגדירים את
generationConfig.responseFormat[].image.deliveryלהיות"URI".
בקשת ה-REST הבאה יוצרת תמונה וכותבת אותה ישירות לקטגוריה של Cloud Storage:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-nano-banana-2.1:generateContent" \
-d '{
"contents": [
{
"role": "USER",
"parts": [
{
"text": "Create an architectural rendering of a sustainable glass greenhouse in alpine snow."
}
]
}
],
"generationConfig": {
"responseModalities": ["TEXT", "IMAGE"],
"responseFormat": [
{
"image": {
"delivery": "URI"
}
}
]
},
"outputConfig": {
"outputUriPrefix": "gs://BUCKET_NAME/PREFIX/"
}
}'
מחליפים את מה שכתוב בשדות הבאים:
- PROJECT_ID: מזהה הפרויקט ב- Google Cloud .
- BUCKET_NAME: השם של קטגוריית היעד ב-Cloud Storage.
- PREFIX: קידומת אופציונלית של נתיב התיקייה בתוך הקטגוריה של Cloud Storage (לדוגמה,
outputs).
השירות כותב כל חלק של תמונה שנוצרה ב-Cloud Storage באמצעות תבנית השמות gs://BUCKETNAME/PREFIX/imageGENERATIONID.EXTENSION (הוספת CANDIDATEINDEX כשהתשובה מכילה כמה מועמדים, ו-IMAGE_INDEX כשהמועמד מכיל כמה תמונות) ומחזיר את ה-URI ב-fileData:
{
"candidates": [
{
"content": {
"role": "model",
"parts": [
{
"fileData": {
"mimeType": "image/png",
"fileUri": "gs://my-bucket/outputs/image_1234567890.png"
}
}
]
}
}
]
}
כשמגדירים את מסירת הפלט של Cloud Storage, השירות מטפל בתגובות באופן הבא:
- תשובות שמשלבות טקסט ותמונות: חלקי הטקסט בתשובות של
TEXTו-IMAGEנשארים מוטבעים ב-parts[].text. רק החלקים שנוצרו בתמונה מ-AI נכתבים ב-Cloud Storage ומוחזרים כאובייקטים מסוגparts[].fileData. - תמונות של תהליך החשיבה: כשמגדירים את
generationConfig.thinkingConfig.includeThoughtsלערךtrue, תמונות ביניים של תהליך החשיבה (parts[].thought: true) נכתבות גם הן ב-Cloud Storage באמצעות הקידומתthoughtimageGENERATION_IDומוחזרות כאובייקטים מסוגparts[].fileData. - תגובות בסטרימינג (
streamGenerateContent): כל תמונה שנוצרה על ידי AI נכתבת ב-Cloud Storage לפני שנשלח החלק בתגובה שמפנה ל-fileData.fileUriשלה. - תשובות ללא תמונות: אם בקשה מחזירה רק טקסט או נחסמת על ידי מסנני בטיחות, לא נכתב אובייקט ב-Cloud Storage.
- הצפנה ושמירה: אובייקטים שנכתבים יורשים את הגדרת ההצפנה של קטגוריית היעד ב-Cloud Storage, כולל מפתחות הצפנה בניהול הלקוח (CMEK), ופועלים לפי כללי ניהול מחזור החיים של הקטגוריה ב-Cloud Storage.
מגבלות
לפלט של Cloud Storage יש את המגבלה הבאה:
עריכה בכמה שלבים עם קטגוריות של Cloud Storage בפרויקטים שונים: השירות כותב תמונות שנוצרו על ידי AI באמצעות פרטי הכניסה של הישות המורשית ששלחה את הבקשה. עם זאת, כשבקשה מאוחרת יותר בשיחה עם כמה פניות מפנה לתמונה שנוצרה באמצעות ה-
fileData.fileUriשלה, השירות קורא את האובייקט באמצעות סוכן השירות של Gemini Enterprise Agent Platform של הפרויקט שמבצע את הקריאה (service-PROJECT_NUMBER@gcp-sa-aiplatform.iam.gserviceaccount.com). אם קטגוריית היעד של Cloud Storage נמצאת בפרויקט אחר ולסוכן השירות אין את ההרשאהstorage.objects.getבקטגוריה הזו של Cloud Storage, בקשת המעקב נכשלת עם השגיאה403 PERMISSION_DENIED, למרות שהכתיבה המקורית הצליחה.כדי להשתמש בתמונות שנוצרו על ידי AI כקלט בעריכה בכמה שלבים, צריך לתת לסוכן השירות גישת קריאה לקטגוריה של Cloud Storage (לדוגמה, התפקיד "צפייה באובייקט אחסון",
roles/storage.objectViewer).
המאמרים הבאים
בקישורים הבאים מופיע מידע נוסף על יצירת תמונות באמצעות Gemini: