このページは Cloud Translation API によって翻訳されました。

Gemini で画像を生成する

Gemini 2.0 Flash では、テキストや画像など、複数のモダリティでのレスポンス生成がサポートされています。

画像生成

画像生成の Gemini 2.0 Flash の一般公開プレビュー（gemini-2.0-flash-preview-image-generation）では、テキストに加えて画像を生成する機能がサポートされています。これにより、Gemini の機能が次のように拡張されます。

自然言語による会話を通じて画像を繰り返し生成し、一貫性とコンテキストを維持しながら画像を調整します。
高品質の長いテキストレンダリングで画像を生成します。
テキストと画像が混在する出力を生成します。たとえば、1 つのターンにテキストと画像を含むブログ投稿などです。以前は、これを行うには複数のモデルを連携させる必要がありました。
Gemini の世界の知識と推論機能を使用して画像を生成します。

この一般公開の試験運用版では、Gemini 2.0 Flash は 1,024 ピクセルの画像を生成できます。また、人物の画像の生成と編集をサポートし、より柔軟で制限の少ないユーザーエクスペリエンスを提供するように更新された安全フィルターが含まれています。

次のモダリティと機能がサポートされています。

テキストから画像
- プロンプトの例: 「背景に花火があるエッフェル塔の画像を生成してください」。
テキストから画像（テキストレンダリング）
- プロンプトの例: 「この巨大なテキストの投影が建物の正面にマッピングされた大きな建物の映画のような写真を生成してください。「Gemini 2.0 で長文のテキストを生成できるようになりました」」
テキスト画像変換とテキスト（インターリーブ）
- プロンプトの例: 「パエリアのレシピをイラスト付きで生成してください。レシピの生成時に、テキストと一緒に表示する画像を作成します」。
- プロンプトの例: 「3D アニメーションスタイルの犬の物語を生成して。各シーンの画像を生成して」
画像とテキスト画像変換とテキスト（インターリーブ）
- プロンプトの例:（家具付きの部屋の画像を提示して）「この部屋に合いそうなソファの色には他にどんなものがありますか？画像を更新できますか？」
画像編集（テキストと画像による画像変換）
- プロンプトの例: 「この画像を編集してカートゥーンのようにしてください」
- プロンプトの例: [猫の画像] + [枕の画像] + 「この枕に猫のクロスステッチを作成してください」。
マルチターン画像編集（チャット）
- プロンプトの例: [青い車の画像をアップロードして] 「この車をコンバーチブルにしてください」。「次に、色を黄色に変えてください」。

制限事項:

最高のパフォーマンスを実現するには、EN、es-MX、ja-JP、zh-CN、hi-IN のいずれかの言語を使用してください。
画像生成では、音声や動画の入力はサポートされていません。
画像生成がトリガーされない場合があります。
- モデルがテキストのみを出力する場合があります。画像出力を明示的に指示してみてください。例: 「作業時に画像を提供してください。」
- モデルがテキストを画像として生成する場合があります。テキスト出力を明示的にリクエストしてみてください。たとえば、「イラストとともに物語のテキストを生成して」などです。
- モデルの生成が途中で停止することがあります。もう一度お試しいただくか、別のプロンプトをお試しください。

画像を生成

以降のセクションでは、Vertex AI Studio または API を使用して画像を生成する方法について説明します。

プロンプトのガイダンスとベストプラクティスについては、マルチモーダルプロンプトを設計するをご覧ください。

コンソール

画像生成を使用するには:

[Vertex AI Studio] > [プロンプトを作成] を開きます。
[モデルを切り替える] をクリックし、メニューから gemini-2.0-flash-preview-image-generation を選択します。
[出力] パネルで、プルダウンメニューから [画像とテキスト] を選択します。
[プロンプトを入力] テキスト領域に、生成する画像の説明を入力します。
[プロンプト]（）ボタンをクリックします。

Gemini は、入力された説明に基づいて画像を生成します。このプロセスには数秒かかりますが、容量によっては比較的遅くなることがあります。

Gen AI SDK for Python

インストール

pip install --upgrade google-genai

詳しくは、 SDK リファレンスドキュメントをご覧ください。

Vertex AI で Gen AI SDK を使用するための環境変数を設定します。

# 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_VERTEXAI=True

from google import genai
from google.genai.types import GenerateContentConfig, Modality
from PIL import Image
from io import BytesIO

client = genai.Client()

response = client.models.generate_content(
    model="gemini-2.0-flash-exp",
    contents=(
        "Generate an image of the Eiffel tower with fireworks in the background."
    ),
    config=GenerateContentConfig(response_modalities=[Modality.TEXT, Modality.IMAGE]),
)
for part in response.candidates[0].content.parts:
    if part.text:
        print(part.text)
    elif part.inline_data:
        image = Image.open(BytesIO((part.inline_data.data)))
        image.save("example-image.png")
# Example response:
#   A beautiful photograph captures the iconic Eiffel Tower in Paris, France,
#   against a backdrop of a vibrant and dynamic fireworks display. The tower itself...

REST

ターミナルで次のコマンドを実行して、このファイルを現在のディレクトリに作成または上書きします。

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."},
    },
    "generation_config": {
      "response_modalities": ["TEXT", "IMAGE"],
     },
     "safetySettings": {
      "method": "PROBABILITY",
      "category": "HARM_CATEGORY_DANGEROUS_CONTENT",
      "threshold": "BLOCK_MEDIUM_AND_ABOVE"
    },
  }' 2>/dev/null >response.json

注: 構成に responseModalities: ["TEXT", "IMAGE"] を含める必要があります。これらのモデルでは、画像のみの出力はサポートされていません。

Gemini は、入力された説明に基づいて画像を生成します。この処理には数秒かかりますが、容量によっては比較的遅くなることがあります。

画像を編集する

コンソール

画像を編集するには:

[Vertex AI Studio] > [プロンプトを作成] を開きます。
[モデルを切り替える] をクリックし、メニューから gemini-2.0-flash-preview-image-generation を選択します。
[出力] パネルで、プルダウンメニューから [画像とテキスト] を選択します。
[メディアを挿入]（）をクリックし、メニューからソースを選択して、ダイアログの指示に沿って操作します。
[プロンプトを入力] テキストエリアに、画像に加える編集内容を入力します。
[プロンプト]（）ボタンをクリックします。

Gemini は、説明に基づいて、提供された画像の編集バージョンを生成します。この処理には数秒かかりますが、容量によっては比較的遅くなることがあります。

Gen AI SDK for Python

インストール

pip install --upgrade google-genai

詳しくは、 SDK リファレンスドキュメントをご覧ください。

Vertex AI で Gen AI SDK を使用するための環境変数を設定します。

# 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_VERTEXAI=True

from google import genai
from google.genai.types import GenerateContentConfig, Modality
from PIL import Image
from io import BytesIO

client = genai.Client()

# Using an image of Eiffel tower, with fireworks in the background.
image = Image.open("example-image.png")

response = client.models.generate_content(
    model="gemini-2.0-flash-exp",
    contents=[image, "Edit this image to make it look like a cartoon."],
    config=GenerateContentConfig(response_modalities=[Modality.TEXT, Modality.IMAGE]),
)
for part in response.candidates[0].content.parts:
    if part.text:
        print(part.text)
    elif part.inline_data:
        image = Image.open(BytesIO((part.inline_data.data)))
        image.save("bw-example-image.png")
# Example response:
#  Here's the cartoon-style edit of the image:
#  Cartoon-style edit:
#  - Simplified the Eiffel Tower with bolder lines and slightly exaggerated proportions.
#  - Brightened and saturated the colors of the sky, fireworks, and foliage for a more vibrant, cartoonish look.
#  ....

REST

ターミナルで次のコマンドを実行して、このファイルを現在のディレクトリに作成または上書きします。

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": [
        {"file_data": {
          "mime_type": "image/jpg",
          "file_uri": "<var>FILE_NAME</var>"
          }
        },
        {"text": "Convert this photo to black and white, in a cartoonish style."},
      ]

    },
    "generation_config": {
      "response_modalities": ["TEXT", "IMAGE"],
    },
    "safetySettings": {
      "method": "PROBABILITY",
      "category": "HARM_CATEGORY_DANGEROUS_CONTENT",
      "threshold": "BLOCK_MEDIUM_AND_ABOVE"
    },
  }' 2>/dev/null >response.json

注: 構成に responseModalities: ["TEXT", "IMAGE"] を含める必要があります。これらのモデルでは、画像のみの出力はサポートされていません。

Gemini は、入力された説明に基づいて画像を生成します。この処理には数秒かかりますが、容量によっては比較的遅くなることがあります。

画像とテキストが混在するコンテンツを生成できます

Gemini 2.0 Flash は、テキストレスポンスに画像を挿入して生成できます。たとえば、生成されたレシピの各ステップがどのようなものになるかを画像で生成し、そのステップのテキストと組み合わせて表示できます。この場合、モデルに個別のリクエストを送信する必要はありません。

コンソール

テキストレスポンスと画像が混在するコンテンツを生成するには:

[Vertex AI Studio] > [プロンプトを作成] を開きます。
[モデルを切り替える] をクリックし、メニューから gemini-2.0-flash-preview-image-generation を選択します。
[出力] パネルで、プルダウンメニューから [画像とテキスト] を選択します。
[プロンプトを入力] テキスト領域のテキスト領域に、生成する画像の説明を入力します。たとえば、「ピーナッツバターとジャムのサンドイッチを 3 つの簡単なステップで作る方法を説明するチュートリアルを作成します。各ステップについて、ステップの番号と説明を含むタイトルを付け、画像も生成してください。各画像の縦横比は 1:1 で生成してください。」
[プロンプト]（）ボタンをクリックします。

Gemini は、説明に基づいて回答を生成します。この処理には数秒かかりますが、容量によっては比較的遅くなることがあります。

Gen AI SDK for Python

インストール

pip install --upgrade google-genai

詳しくは、 SDK リファレンスドキュメントをご覧ください。

Vertex AI で Gen AI SDK を使用するための環境変数を設定します。

# 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_VERTEXAI=True

from google import genai
from google.genai.types import GenerateContentConfig, Modality
from PIL import Image
from io import BytesIO

client = genai.Client()

response = client.models.generate_content(
    model="gemini-2.0-flash-exp",
    contents=(
        "Generate an illustrated recipe for a paella."
        "Create images to go alongside the text as you generate the recipe"
    ),
    config=GenerateContentConfig(response_modalities=[Modality.TEXT, Modality.IMAGE]),
)
with open("paella-recipe.md", "w") as fp:
    for i, part in enumerate(response.candidates[0].content.parts):
        if part.text is not None:
            fp.write(part.text)
        elif part.inline_data is not None:
            image = Image.open(BytesIO((part.inline_data.data)))
            image.save(f"example-image-{i+1}.png")
            fp.write(f"![image](./example-image-{i+1}.png)")
# Example response:
#  A markdown page for a Paella recipe(`paella-recipe.md`) has been generated.
#   It includes detailed steps and several images illustrating the cooking process.

REST

ターミナルで次のコマンドを実行して、このファイルを現在のディレクトリに作成または上書きします。

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. For each step, provide a title with the number of the step, an explanation, and also generate an image, generate each image in a 1:1 aspect ratio."},
    },
    "generation_config": {
      "response_modalities": ["TEXT", "IMAGE"],
     },
     "safetySettings": {
      "method": "PROBABILITY",
      "category": "HARM_CATEGORY_DANGEROUS_CONTENT",
      "threshold": "BLOCK_MEDIUM_AND_ABOVE"
    },
  }' 2>/dev/null >response.json

注: 構成に responseModalities: ["TEXT", "IMAGE"] を含める必要があります。これらのモデルでは、画像のみの出力はサポートされていません。

Gemini は、入力された説明に基づいて画像を生成します。この処理には数秒かかりますが、容量によっては比較的遅くなることがあります。

Gemini で画像を生成する コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

画像生成

画像を生成

コンソール

Gen AI SDK for Python

インストール

REST

画像を編集する

コンソール

Gen AI SDK for Python

インストール

REST

画像とテキストが混在するコンテンツを生成できます

コンソール

Gen AI SDK for Python

インストール

REST

Gemini で画像を生成する