Hướng dẫn gọi các model hình ảnh Gemini

Hướng dẫn này minh họa cách sử dụng các model hình ảnh Gemini thông qua CometAPI bằng Google Gen AI SDK. Nội dung bao gồm:

Tạo ảnh từ văn bản
Chỉnh sửa ảnh từ ảnh
Ghép nhiều hình ảnh
Lưu hình ảnh được tạo

Base URL: https://api.cometapi.com
Cài đặt SDK: pip install google-genai (Python) hoặc npm install @google/genai (Node.js)

Thiết lập

Khởi tạo client với base URL của CometAPI:

from google import genai
from google.genai import types
import os

COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": "https://api.cometapi.com"},
    api_key=COMETAPI_KEY,
)

Tạo ảnh từ văn bản

Tạo một hình ảnh từ prompt văn bản và lưu nó vào một tệp.

from google import genai
from google.genai import types
from PIL import Image
import os

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": "https://api.cometapi.com"},
    api_key=os.environ.get("COMETAPI_KEY"),
)

response = client.models.generate_content(
    model="gemini-3.1-flash-image-preview",
    contents="Create a picture of a nano banana dish in a fancy restaurant with a Gemini theme",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
    ),
)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif part.inline_data is not None:
        image = part.as_image()
        image.save("generated_image.png")
        print("Image saved to generated_image.png")

Cấu trúc phản hồi: Dữ liệu hình ảnh nằm trong candidates[0].content.parts, có thể chứa các phần văn bản và/hoặc hình ảnh:

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

Tạo ảnh từ ảnh

Tải lên một ảnh đầu vào và biến đổi nó bằng một prompt văn bản.

from google import genai
from google.genai import types
from PIL import Image
import os

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": "https://api.cometapi.com"},
    api_key=os.environ.get("COMETAPI_KEY"),
)

# Load the source image
source_image = Image.open("source.jpg")

response = client.models.generate_content(
    model="gemini-3.1-flash-image-preview",
    contents=["Transform this into a watercolor painting", source_image],
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
    ),
)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif part.inline_data is not None:
        image = part.as_image()
        image.save("watercolor_output.png")

SDK Python chấp nhận trực tiếp các đối tượng PIL.Image — không cần mã hóa Base64 thủ công.
Không thêm tiền tố data:image/jpeg;base64, khi truyền chuỗi Base64 thô.

Ghép nhiều ảnh

Tạo một ảnh mới từ nhiều ảnh đầu vào. CometAPI hỗ trợ hai cách tiếp cận:

Phương pháp 1: Một ảnh ghép duy nhất

Kết hợp nhiều ảnh nguồn thành một ảnh ghép, sau đó mô tả đầu ra mong muốn.

from google import genai
from google.genai import types
from PIL import Image
import os

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": "https://api.cometapi.com"},
    api_key=os.environ.get("COMETAPI_KEY"),
)

collage = Image.open("collage.jpg")

response = client.models.generate_content(
    model="gemini-3.1-flash-image-preview",
    contents=[
        "A model is posing and leaning against a pink BMW with a green alien keychain attached to a pink handbag, a pink parrot on her shoulder, and a pug wearing a pink collar and gold headphones",
        collage,
    ],
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
    ),
)

for part in response.parts:
    if part.inline_data is not None:
        part.as_image().save("composition_output.png")

Phương pháp 2: Nhiều ảnh riêng biệt (tối đa 14)

Truyền trực tiếp nhiều ảnh. Các model Gemini 3 hỗ trợ tối đa 14 ảnh tham chiếu (đối tượng + nhân vật):

from google import genai
from google.genai import types
from PIL import Image
import os

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": "https://api.cometapi.com"},
    api_key=os.environ.get("COMETAPI_KEY"),
)

image1 = Image.open("image1.jpg")
image2 = Image.open("image2.jpg")
image3 = Image.open("image3.jpg")

response = client.models.generate_content(
    model="gemini-3.1-flash-image-preview",
    contents=["Merge the three images", image1, image2, image3],
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
    ),
)

for part in response.parts:
    if part.inline_data is not None:
        part.as_image().save("merged_output.png")

Tạo ảnh 4K

Chỉ định image_config với aspect_ratio và image_size để xuất ra độ phân giải cao:

from google import genai
from google.genai import types
import os

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": "https://api.cometapi.com"},
    api_key=os.environ.get("COMETAPI_KEY"),
)

response = client.models.generate_content(
    model="gemini-3.1-flash-image-preview",
    contents="Da Vinci style anatomical sketch of a Monarch butterfly on textured parchment",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(
            aspect_ratio="1:1",
            image_size="4K",
        ),
    ),
)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif image := part.as_image():
        image.save("butterfly_4k.png")

Chỉnh sửa ảnh nhiều lượt (chat)

Sử dụng tính năng chat của SDK để tinh chỉnh ảnh theo từng bước lặp:

from google import genai
from google.genai import types
import os

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": "https://api.cometapi.com"},
    api_key=os.environ.get("COMETAPI_KEY"),
)

chat = client.chats.create(
    model="gemini-3.1-flash-image-preview",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
    ),
)

## First turn: Generate
response = chat.send_message(
    "Create a vibrant infographic explaining photosynthesis as a recipe, styled like a colorful kids cookbook"
)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif image := part.as_image():
        image.save("photosynthesis.png")

Mẹo

Tối ưu Prompt

Chỉ định các từ khóa về phong cách (ví dụ: “cyberpunk, film grain, low contrast”), tỷ lệ khung hình, chủ thể, nền, ánh sáng và mức độ chi tiết.

Định dạng Base64

Khi sử dụng HTTP thô, không bao gồm tiền tố data:image/png;base64, — chỉ dùng chuỗi Base64 thô. Python SDK tự động xử lý việc này với các đối tượng PIL.Image.

Buộc xuất hình ảnh

Đặt "responseModalities" thành ["IMAGE"] để đảm bảo đầu ra là hình ảnh mà không có văn bản.

Để biết thêm chi tiết, xem API Reference. Tài liệu chính thức: Gemini Image Generation

Gemini Image Understanding

Tổng quan

Tài liệu tham khảo API

Hướng dẫn tích hợp

Thư viện

Lỗi

Giá & Thanh toán

Hỗ trợ

Hướng dẫn gọi các model hình ảnh Gemini

Thiết lập

Tạo ảnh từ văn bản

Tạo ảnh từ ảnh

Ghép nhiều ảnh

Phương pháp 1: Một ảnh ghép duy nhất

Phương pháp 2: Nhiều ảnh riêng biệt (tối đa 14)

Tạo ảnh 4K

Chỉnh sửa ảnh nhiều lượt (chat)

Mẹo

Tổng quan

Tài liệu tham khảo API

Hướng dẫn tích hợp

Thư viện

Lỗi

Giá & Thanh toán

Hỗ trợ

​Thiết lập

​Tạo ảnh từ văn bản

​Tạo ảnh từ ảnh

​Ghép nhiều ảnh

​Phương pháp 1: Một ảnh ghép duy nhất

​Phương pháp 2: Nhiều ảnh riêng biệt (tối đa 14)

​Tạo ảnh 4K

​Chỉnh sửa ảnh nhiều lượt (chat)

​Mẹo

Thiết lập

Tạo ảnh từ văn bản

Tạo ảnh từ ảnh

Ghép nhiều ảnh

Phương pháp 1: Một ảnh ghép duy nhất

Phương pháp 2: Nhiều ảnh riêng biệt (tối đa 14)

Tạo ảnh 4K

Chỉnh sửa ảnh nhiều lượt (chat)

Mẹo