Imagen 是什么?Google AI 图像生成模型

Imagen 版本演进

• Imagen 1 (2022):首发版本。基于扩散模型,展示了文本理解+图像生成的强大能力。仅研究发布,未公开使用
• Imagen 2 (2023):大幅改进。更好的图像质量和安全性。通过 Vertex AI 和 Gemini 提供
• Imagen 3 (2024):最新版本。照片级写实、精确文字渲染、更好的提示词遵循。当前最强版本

Imagen 3 核心能力

• 照片写实:生成的图片几乎无法与真实照片区分,光影和细节极其自然
• 文字渲染:可在图片中准确生成文字(Logo、标题、标签等),这是很多模型的弱项
• 提示词遵循:精确理解复杂描述,包括空间关系、数量、颜色等细节
• 多风格:写实照片、插画、油画、水彩、3D 渲染等多种风格
• 图片编辑:支持局部编辑(Inpainting)、风格迁移、图片扩展
• 安全机制:内置 SynthID 数字水印,可识别 AI 生成的图片

Imagen vs DALL-E vs Midjourney

使用方式

• Gemini App:在对话中直接描述想要的图片,Gemini 调用 Imagen 生成。免费可用
• Vertex AI API:通过 API 调用,适合批量生成和应用集成
• AI的那些事儿:通过中转服务调用,国内直连,OpenAI 格式兼容
• Google Workspace:在 Slides、Docs 中直接生成配图

实战:调用图像生成

Python 示例:通过 Gemini 生成图片

from openai import OpenAI

client = OpenAI(
    api_key="你的Key",
    base_url="https://api.example.com/v1"  # AI的那些事儿中转
)

# 通过 Gemini 的多模态输出能力生成图片
r = client.chat.completions.create(
    model="gemini-2.0-flash",
    messages=[
        {"role": "user", "content": "生成一张图片:一只橘猫坐在窗台上,窗外是雨天的城市夜景,赛博朋克风格"}
    ],
    max_tokens=1000
)
print(r.choices[0].message.content)

# 也可以使用 DALL-E 3(同一接口)
r = client.images.generate(
    model="dall-e-3",
    prompt="A serene Japanese garden with cherry blossoms, koi pond, and a red bridge, watercolor style",
    size="1024x1024",
    quality="hd",
    n=1
)
print(r.data[0].url)

Node.js 示例

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "你的Key",
  baseURL: "https://api.example.com/v1",
});

// DALL-E 3 图像生成
const r = await client.images.generate({
  model: "dall-e-3",
  prompt: "科技感十足的 AI 芯片特写,蓝色光芒,微距摄影风格",
  size: "1024x1024",
  quality: "hd",
  n: 1,
});
console.log("图片URL:", r.data[0].url);
console.log("修改后的提示词:", r.data[0].revised_prompt);

常见问题

AI 绘画,国内直连调用

通过 AI的那些事儿调用 DALL-E 3 等图像生成模型,一个接口搞定文生图。