原生接口

Gemini Nano Banana 原生图片生成与编辑接口，包含模型选择、请求配置、参考图、搜索增强、思考过程、响应和限制。

Nano Banana 是 Gemini 原生图片生成能力的名称。Gemini 可以通过文本、图片、视频或其组合，以对话方式生成、编辑并持续迭代图片。所有生成图片都包含 SynthID 水印。

接口信息

项目	值
请求方法	`POST`
请求地址	`https://token.aiznt.com/v1/models/{model}:generateContent`
认证方式	`x-goog-api-key: sk-你的aiznt密钥`
Content-Type	`application/json`
图片输入	`inline_data` 中的原始 Base64 数据
图片输出	`candidates[].content.parts[].inlineData.data` 中的 Base64 数据

路径中的 {model} 请替换为控制台实际提供的模型 ID。AIZNT 上架模型可能带有版本或渠道后缀。

模型选择

Nano Banana 名称	官方模型 ID	定位
Nano Banana 2 Lite	`gemini-3.1-flash-lite-image`	速度最快、成本最低，适合大规模生成；不针对多参考图和多轮连续编辑优化
Nano Banana 2	`gemini-3.1-flash-image`	推荐的通用模型，兼顾速度、4K、世界知识、多参考图和文字渲染
Nano Banana Pro	`gemini-3-pro-image`	面向复杂专业资产，强调世界知识、本地化、品牌一致性和精确创意控制

文生图

curl "https://token.aiznt.com/v1/models/gemini-3.1-flash-image:generateContent" \
  -H "x-goog-api-key: sk-你的aiznt密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{
      "parts": [
        {"text": "Create a picture of a nano banana dish in a fancy restaurant with a Gemini theme"}
      ]
    }],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "responseFormat": {
        "image": {
          "aspectRatio": "1:1",
          "imageSize": "2K"
        }
      }
    }
  }'

图片编辑

提供图片和提示词，可以添加、移除或修改元素、改变风格或调整色彩。inline_data.data 只填写原始 Base64 内容，不包含 data:image/...;base64, 前缀。

curl "https://token.aiznt.com/v1/models/gemini-3.1-flash-image:generateContent" \
  -H "x-goog-api-key: sk-你的aiznt密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{
      "parts": [
        {"text": "给图片中的猫戴上墨镜，其他内容保持不变"},
        {
          "inline_data": {
            "mime_type": "image/png",
            "data": "IMAGE_BASE64"
          }
        }
      ]
    }],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"]
    }
  }'

使用上传的图片前，请确保拥有必要权利，并遵守相关使用政策。

多参考图编辑

在 parts 中加入多个 inline_data，并在提示词中说明每张参考图的用途。Gemini 3 图片模型最多可以混合 14 张参考图。

{
  "contents": [{
    "parts": [
      {"text": "使用第一张图的人物和第二张图的服装，生成一张棚拍照片"},
      {"inline_data": {"mime_type": "image/png", "data": "FIRST_IMAGE_BASE64"}},
      {"inline_data": {"mime_type": "image/jpeg", "data": "SECOND_IMAGE_BASE64"}}
    ]
  }],
  "generationConfig": {
    "responseModalities": ["TEXT", "IMAGE"],
    "responseFormat": {
      "image": {"aspectRatio": "3:4", "imageSize": "2K"}
    }
  }
}

模型	高保真物体参考	人物一致性参考	风格参考
Gemini 3.1 Flash Lite Image	最多 14 张	不适用	不适用
Gemini 3.1 Flash Image	最多 10 张	最多 4 张	不适用
Gemini 3 Pro Image	最多 6 张	最多 5 张	最多 3 张

多轮图片编辑

Gemini 支持通过多轮对话逐步修改图片。下一轮请求应包含此前的对话内容和模型响应，以保持上下文与视觉一致性。

Gemini 3 的响应包含 thought_signature。继续对话时应将收到的签名原样传回；使用官方 Google Gen AI SDK 的聊天功能时，SDK 会自动处理签名。

请求结构与关键参数

字段	类型	说明
`contents[]`	array	对话内容列表
`contents[].role`	string	可选角色，如 `user` 或 `model`
`contents[].parts[]`	array	文本、图片、视频等内容片段
`parts[].text`	string	生成描述或编辑指令
`parts[].inline_data.mime_type`	string	输入图片 MIME 类型，如 `image/png` 或 `image/jpeg`
`parts[].inline_data.data`	string	原始 Base64 数据，不含 data URL 前缀
`generationConfig.responseModalities`	array	默认返回文本和图片；使用 `["IMAGE"]` 可只返回图片
`generationConfig.responseFormat.image.aspectRatio`	string	输出图片宽高比
`generationConfig.responseFormat.image.imageSize`	string	输出图片尺寸；值区分大小写
`generationConfig.thinkingConfig.thinkingLevel`	string	Gemini 3.1 Flash / Flash Lite 支持 `minimal` 或 `high`，默认 `minimal`
`generationConfig.thinkingConfig.includeThoughts`	boolean	是否在响应中返回思考内容；无论是否返回，思考令牌都会计费
`tools[].google_search`	object	启用 Google Search grounding；Flash Lite 不支持

输出类型

模型默认返回文本和图片，即：

{"responseModalities": ["TEXT", "IMAGE"]}

如果只需要图片：

{"responseModalities": ["IMAGE"]}

Gemini 还支持文本与图片交错输出，适合图文教程、食谱、故事板等场景。模型不一定严格遵循提示词要求的图片数量。

宽高比与图片尺寸

如果未指定，模型默认匹配输入图片尺寸；没有输入图片时通常生成 1:1 图片。

模型	支持尺寸	主要宽高比
Gemini 3.1 Flash Image	`512`、`1K`、`2K`、`4K`	`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`
Gemini 3.1 Flash Lite Image	`1K`	`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`
Gemini 3 Pro Image	`1K`、`2K`、`4K`	`1:1`、`2:3`、`3:2`、`3:4`、`4:3`、`4:5`、`5:4`、`9:16`、`16:9`、`21:9`

imageSize 必须使用大写 K，例如 1K、2K、4K；512 不带 K。小写值（如 1k）会被拒绝。

Google Search grounding

Gemini 3 图片模型可以使用 Google Search 获取天气、股票、近期事件等实时信息，再据此生成图片。gemini-3.1-flash-lite-image 不支持此功能。

{
  "tools": [{"google_search": {}}],
  "generationConfig": {
    "responseModalities": ["TEXT", "IMAGE"]
  }
}

响应中的 groundingMetadata 包含搜索建议、引用来源和内容与来源之间的映射。使用搜索结果时应按官方要求展示归因信息。

Gemini 3.1 Flash Image 还支持 Google Image Search grounding，可单独使用或与网页搜索组合，但不能用于搜索人物。

视频生成图片

Gemini 3.1 Flash Image 和 Gemini 3.1 Flash Lite Image 支持以视频作为多模态参考生成图片，可用于缩略图、海报或摘要信息图。可传入公开 YouTube URL，或使用 Files API 上传本地视频。图片生成不支持音频输入。

思考过程

Gemini 3 图片模型默认启用思考过程，API 中不能完全关闭。模型最多生成两张中间思考图片来测试构图和逻辑，最后一张为最终渲染结果。

响应中的内容片段可能带有：

thought: true：表示思考内容
thought_signature：加密的思考上下文签名，多轮调用时需要原样传回

返回结果

生成的文本和图片位于：

candidates[].content.parts[]

字段	说明
`parts[].text`	模型返回的文本
`parts[].inlineData.mimeType`	图片 MIME 类型
`parts[].inlineData.data`	图片 Base64 数据，解码后保存
`parts[].thought`	是否为思考过程内容
`parts[].thoughtSignature`	多轮对话需要传回的思考签名
`candidates[].finishReason`	候选结果停止原因
`candidates[].safetyRatings`	安全评估信息
`usageMetadata`	输入、输出和总令牌用量
`groundingMetadata`	启用搜索 grounding 时的来源及归因信息

原生接口不直接返回图片 URL。

最佳实践

使用完整、叙述性的场景描述，不要只堆砌关键词
明确图片用途、构图、镜头、光线、材质和文字内容
复杂场景采用分步骤指令
通过多轮对话小幅迭代，而不是每次重新生成
使用正向语义描述代替简单的否定词，例如用“空旷、没有车辆的街道”替代“不要汽车”
需要人物、产品或品牌一致性时提供清晰参考图

限制

最佳语言包括中文、英文、日语、韩语及官网列出的其他语言
不支持音频输入；视频输入仅受部分 Gemini 3.1 图片模型支持
模型不一定严格返回提示词指定的图片数量
gemini-3.1-flash-image 适合不超过 3 张输入图片
图片中文字建议先生成文本，再要求模型将该文本放入图片
Google Image Search grounding 目前不支持搜索真实人物图片
所有生成图片均包含 SynthID 水印

原生接口

本页目录