Generate image
最近更新:2026年10月8日
通过 Gemini 原生 generateContent 端点调用 google/gemini-nano-banana-2.1 生成图像,兼容 Google 官方 SDK。
通过 Gemini 原生 generateContent 端点调用 google/gemini-nano-banana-2.1 生成图像。请求路径与文本对话端点一致,将 Google 官方 SDK 的基础地址指向网关即可直接调用。
作为 Nano Banana 2 的升级型号,该模型在画面质感、提示词遵循度、多轮角色一致性与文字渲染精度上全面提升;输出分辨率自 1K 起步(不含 512 档位)。
https://gateway.amux.ai/v1beta/models/google/gemini-nano-banana-2.1:generateContent鉴权
headerAuthorizationstring必填请求
application/jsoncontentsarray<object>必填输入内容列表(包含文本提示词与参考素材)。文本置于 parts[].text;参考素材(图像、视频或 PDF)可通过 parts[].inline_data 内联传入,或通过 parts[].file_data 以链接方式提供。携带参考素材时即执行多模态参考生成。
›contentsarray<object>
role"user" | "model"消息角色:user 表示调用方输入,model 表示模型历史回复。单轮请求可省略。
partsarray<object>当前轮次的内容片段列表,按数组顺序依次生效;文本与参考素材可在同一轮次中混排。
›partsarray<object>
textstring文本提示片段。同一轮次中的多个 text 片段按顺序拼接。
inline_dataobject内联参考素材(支持图像、视频或 PDF)。单次请求内联载荷合计不超过 100 MB,单个 PDF 文件不超过 50 MB;更大文件请改用 file_data。
›inline_dataobject
mime_typestring素材的 MIME 类型,例如 image/png、image/jpeg、video/mp4、application/pdf。
datastring原始字节的 Base64 编码字符串,不得包含 data:image/png;base64, 等 Data URL 前缀。
file_dataobject通过外部 URI 提供的参考素材,由上游拉取解析,适用于体积较大的文件。
›file_dataobject
mime_typestring素材的 MIME 类型,格式要求同 inline_data.mime_type。
file_uristringFiles API 资源 URI 或公网可访问的 HTTPS 链接(单文件上限 15 MB)。文件不可达时由上游返回错误。
generationConfigobject必填生成配置项。图像输出受 responseModalities 与尺寸配置控制。尺寸配置同时兼容 imageConfig 与 responseFormat.image 两种写法;同时提供时以 imageConfig 按字段优先覆盖。
›generationConfigobject
responseModalitiesarray<"TEXT" | "IMAGE">必填输出模态列表,生成图像时须设为 ["TEXT", "IMAGE"];未包含 IMAGE 时仅返回文本。
responseFormatobject输出格式配置,图像规格位于 image 对象下。
›responseFormatobject
imageobject输出图像尺寸参数;均可省略,省略时采用模型默认值。
›imageobject
aspectRatio"1:1" | "1:4" | "1:8" | "2:3" | "3:2" | "3:4" | "4:1" | "4:3" | "4:5" | "5:4" | "8:1" | "9:16" | "16:9" | "21:9"画面宽高比,支持枚举列出的 14 种比例。超出支持范围的值将被忽略并记录于 amux.notes,随后回退至模型默认值(与 /v1/images/* 及 /v1/tasks 行为一致)。
imageSize"1K" | "2K" | "4K"输出分辨率档位。超出当前模型支持范围时的回退规则与 aspectRatio 一致。
toolsarray<object>联网检索工具配置,传入 [{ "google_search": {} }] 启用 Google Search 检索增强。按实际去重检索查询次数计费,明细见响应字段 groundingMetadata.webSearchQueries。
响应
200response生成成功。输出图像与说明文本在 candidates[].content.parts 中交错排列。
启用图像输出
generationConfig.responseModalities 必须设为 ["TEXT", "IMAGE"];若未包含 IMAGE,该端点仅返回纯文本内容。
支持的参数范围
宽高比(14 种):
1:1 · 2:3 / 3:2 · 3:4 / 4:3 · 4:5 / 5:4 · 9:16 / 16:9 · 21:9 · 1:4 / 4:1 · 1:8 / 8:1
分辨率档位:1K · 2K · 4K(省略时默认 1K)
超出上述支持范围的参数值将被忽略并记录于 amux.notes,随后自动采用模型默认值。本原生端点与 OpenAI 兼容图像端点及 异步任务端点共用统一图像处理管线,参数校验与回退行为完全一致。
在跨协议路径上传入 OpenAI 风格的像素尺寸字符串 size(如 1024x1024)时,系统将在上述合法集合内折算宽高比与分辨率档位,有损折算说明记录于 amux.notes;使用 Gemini 原生请求体时请直接指定 aspectRatio 与 imageSize。
多模态参考素材
参考生成与文生图共用同一端点:在 contents[].parts 中传入参考素材即可。除参考图像外,该模型还支持输入视频与 PDF 文档(例如参考视频片段的视觉风格,或依据 PDF 产品规格书生成配图):
- 内联传输(
inline_data):data传入不含data:前缀的原始 Base64 字符串,mime_type填写实际媒体类型(如image/png、video/mp4、application/pdf)。单次请求内联总大小上限为 100 MB,单个 PDF 文件上限为 50 MB,超限请求将被拒绝。 - 链接引用(
file_data):file_uri传入 Files API URI 或公网可访问的 HTTPS 链接(公网单文件上限 15 MB),由上游直接拉取,适合体积较大的多媒体文件。
单次请求最多支持 14 张参考图像(其中物体参考最多 10 张、角色参考最多 4 张)。图像、视频与 PDF 之外的媒体类型将原样透传并在 amux.notes 中记录提示。
推理深度(thinkingLevel)
该模型在生成图像前执行内部推理,支持 minimal、medium(默认)与 high 三个档位。在原生端点上通过 generationConfig.thinkingConfig.thinkingLevel 配置并原样透传:推理档位越高,复杂构图与文字排版的稳定性越好,同时响应延迟与思考 token 消耗相应增加。
计费说明
不同服务商可能采用按 token 或按张计费模式,具体费率以模型详情页及按量计费说明公示的价格表为准。本原生端点、/v1/images/* 与 /v1/tasks 共用同一计费口径。
按 token 结算时,图像输出 token 与文本输出 token 按各自单价独立计费:响应中的 usageMetadata.candidatesTokensDetails 按模态分别统计用量,账单严格按分项明细结算。思考 token 按文本输出费率计费,视频与 PDF 参考素材按文本输入费率计费。
单张图像的输出 token 消耗由分辨率决定:1K 为 1,120 token,2K 为 1,680 token,4K 为 3,780 token。
联网检索(Google Search Grounding)
传入 tools: [{ "google_search": {} }] 可允许模型在生成图像前执行网页检索,适用于依赖实时事实的视觉生成场景。SDK 序列化生成的驼峰写法 googleSearch 同样兼容;通过 OpenAI 兼容图像端点或异步任务接口调用时,等价参数为 web_search: true。
联网检索按实际检索查询次数计费:单次请求可能触发多条检索,计费次数取响应字段 candidates[].groundingMetadata.webSearchQueries 去重后的非空查询条数。
流式与并发说明
当前模型不支持流式图像输出(:streamGenerateContent 请求将被拒绝),请使用非流式请求调用。单次调用返回一张图像,请求体不设批量张数字段。
其他调用方式
除本原生端点外,该模型亦可通过 OpenAI 兼容图像端点与 异步任务端点调用,本页列出的参数取值约束在各协议路径上一致生效。
错误处理
错误响应遵循 Gemini 原生错误结构,status 取值与重试策略见错误与重试。
curl https://gateway.amux.ai/v1beta/models/google/gemini-nano-banana-2.1:generateContent \
-H "x-goog-api-key: $AMUX_API_KEY" \
-d '{
"contents": [
{
"role": "user",
"parts": [
{
"text": "<string>",
"inline_data": {
"mime_type": "image/png",
"data": "<string>"
},
"file_data": {
"mime_type": "video/mp4",
"file_uri": "https://example.com/clip.mp4"
}
}
]
}
],
"generationConfig": {
"responseModalities": [
"TEXT",
"IMAGE"
],
"responseFormat": {
"image": {
"aspectRatio": "1:1",
"imageSize": "1K"
}
}
},
"tools": [
{}
]
}'{
"candidates": [
{
"content": {
"parts": [
{
"text": "<string>",
"inlineData": {
"mimeType": "image/png",
"data": "<string>"
}
}
]
}
}
],
"usageMetadata": {
"promptTokenCount": 0,
"candidatesTokenCount": 0,
"totalTokenCount": 0,
"promptTokensDetails": [
{
"modality": "TEXT",
"tokenCount": 0
}
],
"candidatesTokensDetails": [
{
"modality": "IMAGE",
"tokenCount": 0
}
]
}
}