Generowanie obrazów Gemini

Generowanie obrazów przez Gemini to potężne narzędzie, które integruje modele obrazów Gemini od Google w celu generowania wysokiej jakości obrazów na podstawie tekstu oraz edycji obrazów z uwzględnieniem kontekstu. Obsługuje zarówno prosty interfejs Gemini API, jak i Google Cloud Vertex AI.

Instrukcje konfiguracji

Możesz użyć albo Gemini API (zalecane dla większości użytkowników), albo Vertex AI z kontem serwisowym.

Opcja 1: Gemini API (Zalecane)

1. Pobierz swój klucz API z Google AI Studio
2. Ustaw zmienną środowiskową GEMINI_API_KEY w swoim pliku .env:

GEMINI_API_KEY=your_api_key_here

Opcja 2: Vertex AI (dla użytkowników Enterprise/GCP)

1. Utwórz konto serwisowe w Google Cloud Console z uprawnieniami Vertex AI
2. Pobierz plik klucza JSON konta serwisowego
3. Umieść plik JSON w projekcie (np. api/data/auth.json) lub ustaw ścieżkę:

# Path to your service account JSON file (default: api/data/auth.json)
GOOGLE_SERVICE_KEY_FILE=/path/to/service-account.json

# Optional: Set the location (default: global)
GOOGLE_CLOUD_LOCATION=us-central1

Gdy nie skonfigurowano GEMINI_API_KEY ani GOOGLE_KEY, narzędzie automatycznie przełącza się na Vertex AI przy użyciu pliku konta serwisowego.

Po skonfigurowaniu danych uwierzytelniających zrestartuj LibreChat i dodaj Gemini Image Tools do listy Tools agenta.

Opcje konfiguracji

Wybór modelu

Możesz wybrać, którego modelu obrazów Gemini użyć, za pomocą zmiennej środowiskowej:

# Default model
GEMINI_IMAGE_MODEL=gemini-2.5-flash-image

# Or use the newer Gemini 3 Pro Image model
GEMINI_IMAGE_MODEL=gemini-3-pro-image-preview

Dostępne modele

Funkcje

Główne możliwości

• Generowanie obrazów z tekstu: Tworzenie obrazów na podstawie szczegółowych opisów tekstowych
• Obsługa kontekstu obrazu: Wykorzystuj istniejące obrazy jako kontekst/inspirację dla nowych generacji
• Edycja obrazów: Generowanie nowych obrazów na podstawie modyfikacji istniejących
• Filtrowanie bezpieczeństwa: Wbudowane zabezpieczenia treści z przyjaznymi dla użytkownika komunikatami o błędach

Parametry

Narzędzie Gemini Image Gen akceptuje następujące parametry:

• prompt (wymagane) – Szczegółowy opis tekstowy pożądanego obrazu, do 32 000 znaków
• image_ids (opcjonalne) – Tablica identyfikatorów obrazów, które mają zostać użyte jako kontekst wizualny dla generowania

Najlepsze praktyki

Pisanie promptów

1. Bądź konkretny i szczegółowy w swoich opisach
2. Zacznij od typu obrazu: photo, oil painting, watercolor, illustration, cartoon, drawing, vector, render itp.
3. Uwzględnij kluczowe elementy:
   • Tematyka i kompozycja
   • Styl i podejście artystyczne
   • Oświetlenie i atmosfera
   • Preferencje palety kolorów
   • Specyfikacje techniczne

Wskazówki dotyczące edycji obrazów

Podczas edycji istniejących obrazów:

1. Dołącz oryginalny identyfikator obrazu w tablicy image_ids
2. Użyj bezpośrednich instrukcji edycji:
   • Usuń tło z tego obrazu
   • Dodaj okulary przeciwsłoneczne do osoby na tym obrazie
   • Zmień kolor samochodu na czerwony
3. Nie rekonstruuj oryginalnego promptu – używaj prostych, bezpośrednich instrukcji modyfikacji

Przykłady użycia

Podstawowe generowanie obrazów

Spokojny japoński ogród o złotej godzinie, z tradycyjnym czerwonym mostkiem nad stawem z karpiami koi. Drzewa wiśni otaczają scenę, a w powietrzu unoszą się opadające delikatne różowe płatki. Styl fotorealistyczny z ciepłym, rozproszonym oświetleniem i nasyconymi kolorami.

Obraz z kontekstem

Gdy masz już istniejący obraz i chcesz stworzyć coś, co jest nim inspirowane:

1. Odnieś się do identyfikatora obrazu w parametrze image_ids
2. Opisz, czego oczekujesz: "Stwórz zimową wersję tej scenerii z ośnieżonymi drzewami i zamarzniętym jeziorem"

Edycja obrazów

Aby zmodyfikować istniejący obraz:

1. Uwzględnij identyfikator obrazu w image_ids
2. Opisz zmianę: "Usuń osobę z tła tego obrazu"

Obsługa błędów

Typowe problemy

Filtrowanie bezpieczeństwa

Gemini zawiera wbudowane filtry bezpieczeństwa. Jeśli Twój obraz został zablokowany:

• Sprawdź swój prompt pod kątem potencjalnie problematycznych treści
• Spróbuj przeformułować zapytanie, aby było bardziej precyzyjne pod kątem intencji artystycznej
• Unikaj żądań dotyczących treści szkodliwych, brutalnych lub obscenicznych

Szczegóły techniczne

Integracja z pamięcią masową

Wygenerowane obrazy są automatycznie zapisywane przy użyciu skonfigurowanej strategii plików (local, S3, Azure lub Firebase). Jest to obsługiwane przez framework — narzędzie zwraca dane obrazu, a system wywołań zwrotnych agenta utrwala je jako załącznik do wiadomości.

Format obrazu

• Domyślny format wyjściowy to PNG, konfigurowalny za pomocą ustawienia imageOutputType w aplikacji
• Obrazy zawierają unikalne identyfikatory do wykorzystania w kolejnych żądaniach

Limity szybkości (Rate Limits)

Limity szybkości zależą od Twojego poziomu API:

• Gemini API: Sprawdź Google AI Studio, aby poznać aktualne limity
• Vertex AI: W oparciu o limity Twojego projektu Google Cloud