调用 gemini-3-pro-image 指南

本文档演示如何通过 FuHuAPI 使用 Google Gemini 系列的图像模型 gemini-3-pro-image 进行图像生成，涵盖两种常用调用方式：

Gemini 官方 generateContent 文生图接口

Gemini 官方 generateContent 图生图接口（输入、输出均为 Base64）

注意事项：

将示例中的 sk-xxxx 替换为你的 FuHuAPI 密钥。为安全起见，不要在客户端或公共仓库泄露密钥。

FuHuAPI 的 Authorization 通常直接使用密钥值，即 Authorization: sk-xxxx。

返回的图像通常以 Base64 编码的 inline_data 形式给出，你需要在客户端将其解码保存为文件。

基础信息：

基础地址：https://api.fuhuapi.com

模型名称：gemini-3-pro-image/gemini-2.5-flash-image

一、Gemini 官方 generateContent 文生图

通过 Gemini 官方风格的 generateContent 接口进行文生图。将文本提示放入 contents.parts[].text 中。

示例：

响应要点：

通常在 response.candidates[0].content.parts 中包含图片数据：

文字描述：

{ \"text\": \"...\" }

图像数据：

{ \"inline_data\": { \"mime_type\": \"image/png\", \"data\": \"<base64>\" } }

将 data 字段（Base64 字符串）解码并保存成对应扩展名的文件。

二、Gemini 官方 generateContent 单图生图（输入/输出均为 Base64）

该接口支持“图生图”：上传一张输入图片（Base64），并返回修改后的新图（同样以 Base64 形式）。

示例：

说明：

将你的源图片文件先转为 Base64 字符串填入 inline_data.data（不要包含 data:image/jpeg;base64, 这样的前缀）。

输出同样在 candidates[0].content.parts 中，包含：

可选的文本部分（说明或提示）

图像部分 inline_data（其中 data 即输出图像的 Base64）

多图传递可在其后直接拼接，例如：

{
"inline_data": 
   {
   "mime_type": "image/jpeg",
   "data": "iVBORw0KGgo..."
   }
},
{
"inline_data": 
   {
   "mime_type": "image/jpeg",
   "data": "iVBORw0KGgo..."
   }
}

三、Gemini 官方多图生图（输入/输出均为 Base64）

该接口支持“多图生图”：上传多张输入图片（Base64），并返回修改后的新图（同样以 Base64 形式）。

调用方式一：通过拼图方式，例如下图示例，将多张图片拼接为一张

入参描述示例：

A model is posing and leaning against a pink bmw. She is wearing the following items, the scene is against a light grey background. The green alien is a keychain and it's attached to the pink handbag. The model also has a pink parrot on her shoulder. There is a pug sitting next to her wearing a pink collar and gold headphones.

返回base64转回图片：

示例：

说明：

将你的源图片文件先转为 Base64 字符串填入 inline_data.data（不要包含 data:image/jpeg;base64, 这样的前缀）。

输出同样在 candidates[0].content.parts 中，包含：

可选的文本部分（说明或提示）

图像部分 inline_data（其中 data 即输出图像的 Base64）

调用方式二：通过多图base64接口传参方式（最多三张）

示例：

接口入参：

{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "融合三张图片"
        },
        {
          "inline_data": {
            "mime_type": "image/jpeg",
            "data": "UklGRlZvAABXRUJQVlA4TElvAAAvz..." 
         
          }
        },
        {
          "inline_data": {
            "mime_type": "image/jpeg",
            "data": "UklGRlZvAABXRUJQVlA4TElvAAAvz..." 
            }
        },
        {
          "inline_data": {
            "mime_type": "image/jpeg",
            "data": "UklGRlZvAABXRUJQVlA4TElvAAAvz..." 
          }
        }
      ]
    }
  ],
  "generationConfig": {
    "responseModalities": [
      "TEXT",
      "IMAGE"
    ]
  }
}

返回图片参考：

如何从响应中提取并保存 Base64 图像

以 Gemini 风格响应为例，伪结构如下（仅示意）：

{
  "candidates": [
    {
      "content": {
        "parts": [
          { "text": "..." },
          {
            "inlineData": {
              "mimeType": "image/png",
              "data": "<base64-string>"
            }
          }
        ]
      }
    }
  ]
}

将 inlineData.data 取出，按其 mimeType 选择扩展名（如 .png / .jpg / .webp）。

在你的客户端中进行 Base64 解码，保存为二进制文件。

Python 示例：

import base64

b64 = "<base64-string>"
with open("output.png", "wb") as f:
    f.write(base64.b64decode(b64))

Node.js 示例：

常见问题与建议

授权头格式

使用 Authorization: sk-xxxx。请以 FuHuAPI 文档为准。

提示词优化

指定风格关键词（如“赛博朋克、胶片质感、低反差、高饱和度”）、画幅（方图/横幅/竖幅）、主体、背景、光线、细节程度等，有助于提升效果。

Base64 注意

不要在 data 字段内包含 data:image/png;base64, 这类前缀；仅保留纯 Base64 数据体。

错误排查

4xx 多为请求参数或鉴权问题（检查密钥、模型名、JSON 格式）；5xx 为服务端问题（可稍后重试或联系支持）。

以上即为通过 FuHuAPI 使用 gemini-3-pro-image 的调用方式与要点说明。根据你的业务选用合适的接口风格，并在客户端完成 Base64 图像的落地与展示。
附官方api文档参考链接：https://ai.google.dev/gemini-api/docs/image-generation?hl=zh-cn#gemini-image-editing ; https://ai.google.dev/gemini-api/docs/image-understanding?hl=zh-cn#rest_3 ;
https://ai.google.dev/gemini-api/docs/image-generation?hl=zh-cn#output_types

🍌 Flash 2.5 Image 更新

a. 灵活的宽高比

现已支持设置多种宽高比，轻松适配不同终端的内容创作。默认所有分辨率生成的图片都消耗 1290 个 token。

支持的宽高比包括：1:1, 3:2, 2:3, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9。

参考文中提供的例子：

Google AI Dev: Image Generation Aspect Ratios

Google Cloud: Vertex AI Image Generation

GitHub: Generative AI Getting Started Notebook

b. 模型名字更新

所有新功能都将在新的 model ID：gemini-2.5-flash-image 上提供。之前的 gemini-2.5-flash-image-preview 将会下线。
需在 2025 年 10 月 31 日 前完成迁移。

c. 强制图片输出

针对之前经常不输出图片的问题，现在 API 请求里面的 "responseModalities" 可以只设置 ["IMAGE"]，这样就避免了只输出文本没有图片的情况。

调用 gemini-3-pro-image 指南

一、Gemini 官方 generateContent 文生图#

二、Gemini 官方 generateContent 单图生图（输入/输出均为 Base64）#

三、Gemini 官方 多图生图（输入/输出均为 Base64）#

调用方式一：通过拼图方式，例如下图示例，将多张图片拼接为一张#

调用方式二：通过多图base64接口传参方式（最多三张）#

如何从响应中提取并保存 Base64 图像#

常见问题与建议#

🍌 Flash 2.5 Image 更新#

a. 灵活的宽高比#

b. 模型名字更新#

c. 强制图片输出#