如何提示 Gemini 2.5 Flash 图像生成以获得最佳效果

2025年8月28日

Philipp Schmid 开发者关系工程师

Logan Kilpatrick 集团产品经理

Alisa Fortin 产品经理

Gemini 2.5 Flash 图像是我们最新、最快、效率最高的原生多模态模型。Gemini 2.5 Flash 的独特之处在于其原生多模态架构。它从一开始就接受过训练，能够在一个统一的步骤中处理文本和图像。这使得它能够实现超越简单图像生成的强大功能，例如对话式编辑、多图像组合以及对图像内容的逻辑推理。

以下是您可以执行的关键操作：

• 文本转图像： 从简单或复杂的文本描述生成高质量图像。

• 图像 + 文本转图像（编辑）： 提供图像并使用文本提示添加、删除或修改元素、更改样式或调整颜色。

• 多图像转图像（组合和样式转换）： 使用多个输入图像来组合新的场景或将一种图像的样式转换为另一种图像。

• 迭代细化： 进行对话以逐步细化您的图像，进行小的调整。

• 文本渲染： 生成包含清晰且位置正确的文本的图像，非常适合徽标、图表和海报。

本指南将教您如何编写提示并提供说明，以从 Gemini 2.5 Flash 获得更好的结果。这一切都始于一个基本原则：

描述场景，而不仅仅是列出关键词。 该模型的核心优势在于其强大的语言理解能力。叙述性的描述性段落几乎总是比简单的、不相关的词语列表产生更好、更连贯的图像。 你可以使用官方文档中的代码尝试这些操作，或者直接在Google AI Studio中开始创作。

从文本创建图像

生成图像最常见的方法是描述您想看到的内容。

1. 写实场景

对于写实图像，请像摄影师一样思考。提及摄像机角度、镜头类型、灯光和细节将引导模型朝着写实的结果前进。

模板：

一张写实风格的[拍摄类型]照片，拍摄对象是[主体]，[动作或表情]，设置在[环境]中。场景由[灯光描述]照亮，营造出[氛围]的氛围。使用[相机/镜头细节]拍摄，强调[关键纹理和细节]。图像应为[纵横比]格式。

示例提示：

一张写实风格的日本老年陶艺家的特写肖像，他有着深深的、被阳光刻蚀的皱纹和温暖、睿智的微笑。他正在仔细检查一个刚上釉的茶碗。场景设置在他的质朴、阳光充足的工作室里。场景由透过窗户洒进来的柔和的金色阳光照亮，突出了粘土的细致纹理。使用 85mm 人像镜头拍摄，从而产生柔和模糊的背景（散景）。整体氛围宁静而精湛。垂直肖像方向。

示例输出：

一张写实风格的日本老年陶艺家的特写肖像……

2. 风格化插图和贴纸

要为您的项目创建贴纸、图标或素材，请明确说明样式，并记住如果您需要白色背景，则需要请求白色背景。

模板：

一个[风格]的[主体]贴纸，具有[关键特征]和[调色板]。设计应具有[线条风格]和[阴影风格]。背景必须为白色。

示例提示：

一只快乐的红熊猫戴着小小的竹帽的卡哇伊风格贴纸。它正在吃一片绿色的竹叶。设计具有大胆、清晰的轮廓、简单的赛璐璐着色和鲜艳的调色板。背景必须为白色。

示例输出：

一只快乐的红熊猫的卡哇伊风格贴纸……

3. 图像中的精确文本

Gemini 2.5 Flash 图像可以在图像中渲染文本。请明确说明您想要的精确文本，描述字体样式并设置整体设计。

模板：

为[品牌/概念]创建一个[图像类型]，文本为“[要渲染的文本]”，字体为[字体样式]。设计应为[样式描述]，颜色方案为[颜色方案]。

示例提示：

为一家名为“The Daily Grind”的咖啡店创建一个现代简约的徽标。文本应使用干净、粗体、无衬线字体。设计应包含一个简单的、程式化的咖啡豆图标，与文本无缝集成。颜色方案为黑白。

示例输出：

为一家名为“The Daily Grind”的咖啡店创建一个现代简约的徽标……

4. 产品样机和商业摄影

为电子商务、广告或品牌创建干净、专业的商品照片。

模板：

[产品描述]在[背景表面/描述]上的高分辨率、工作室灯光照射下的产品照片。灯光是[灯光设置，例如三点柔光箱设置]，用于[灯光目的]。相机角度为[角度类型]，用于展示[特定功能]。超写实，[关键细节]清晰对焦。[纵横比]。

示例提示：

一张高分辨率、工作室灯光照射下的产品照片，照片中是一个极简风格的黑色哑光陶瓷咖啡杯，放在抛光的混凝土表面上。灯光是三点柔光箱设置，旨在营造柔和、漫射的高光并消除强烈的阴影。相机角度为略微抬高的 45 度拍摄，以展示其简洁的线条。超写实，咖啡冒出的蒸汽清晰对焦。方形图像。

示例输出：

一张高分辨率、工作室灯光照射下的极简风格的黑色哑光陶瓷咖啡杯的产品照片……

5. 极简主义和留白设计

创建网站、演示文稿或营销材料的背景，您计划在其中叠加文本。

模板：

一个极简主义的构图，其中包含一个位于画面[右下/左上/等]的单个[主体]。背景是一个广阔、空旷的[颜色]画布，创造了大量的留白。柔和、微妙的灯光。[纵横比]。

示例提示：

一个极简主义的构图，其中包含一个位于画面右下角的单个、精致的红色枫叶。背景是一个广阔、空旷的米白色画布，为文本创造了大量的留白。来自左上角的柔和、漫射的灯光。方形图像。

示例输出：

一个极简主义的构图，其中包含一个位于画面右下角的单个、精致的红色枫叶……

6. 连续艺术（漫画分格/故事板）

通过关注清晰的场景描述，创建引人入胜的视觉叙事，逐格进行，非常适合开发故事板、连环漫画或任何形式的连续艺术。

模板：

一个[艺术风格]风格的单格漫画。前景中，[人物描述和动作]。背景中，[场景细节]。该分格包含一个[对话/说明框]，其中包含文本“[文本]”。灯光营造出[情绪]的情绪。[纵横比]。

示例提示：

一个采用粗犷、黑色电影风格的单格漫画，采用高对比度的黑白墨水。前景中，一个穿着风衣的侦探站在闪烁的路灯下，雨水打湿了他的肩膀。背景中，一家荒凉酒吧的霓虹灯招牌倒映在水坑里。“这座城市是一个难以保守秘密的地方。”顶部有一个说明框。灯光刺眼，营造出戏剧性、阴沉的氛围。横向。

示例输出：

一个采用粗犷、黑色电影风格的单格漫画……

使用文本编辑图像

这就是 Gemini 2.5 Flash 图像多模态真正闪光的地方。您可以提供一个或多个图像以及您的文本提示，用于编辑、组合和样式转换。

1. 图像编辑：添加和删除元素

提供图像并简单地描述您想要的更改。该模型将分析原始图像的样式、灯光和透视，使编辑看起来自然并保持图像系列中角色的一致性。

模板：

使用提供的[主体]图像，请将[元素]添加到/从场景中[添加/删除/修改]。确保更改是[更改应如何集成的描述]。

示例提示：

使用我猫的提供的图像，请在其头上添加一顶小巧的针织巫师帽。让它看起来舒适地戴着，并与照片的柔和灯光相匹配。

示例输入和输出：

2. 图像修复：编辑特定区域

您可以通过对话告诉 Gemini 2.5 Flash 图像只编辑图像的一部分，而保持其余部分完全不变。

模板：

使用提供的图像，仅将[特定元素]更改为[新元素/描述]。保持图像中的所有其他内容完全相同，保留原始样式、灯光和构图。

示例提示：

使用提供的客厅图像，仅将蓝色沙发更改为复古的棕色皮革切斯特菲尔德沙发。保持房间的其余部分，包括沙发上的枕头和灯光，保持不变。

示例输入和输出：

3. 样式转换

提供照片并要求模型以特定样式或艺术运动重新创建其内容。

模板：

将提供的[主体]照片转换为[艺术家/艺术风格]的艺术风格。保留原始构图，但使用[样式元素的描述]进行渲染。

示例提示：

将提供的现代城市夜景照片转换为文森特·梵高的《星夜》的艺术风格。保留建筑物和汽车的原始构图，但使用旋转的、厚涂的笔触和深蓝色和亮黄色的戏剧性调色板来渲染所有元素。

示例输入和输出：

4. 高级组合：组合多个图像

提供多个图像作为上下文以创建全新的合成场景。这非常适合产品样机或创意拼贴画。

模板：

通过组合提供的图像中的元素来创建新图像。取[图像 1 中的元素]并将其放置在[图像 2 中的元素]上/与之一起。最终图像应为[最终场景的描述]。

示例提示：

创建一个专业的电子商务时尚照片。取第一张图像中的蓝色碎花连衣裙，让第二张图像中的女人穿上它。生成穿着连衣裙的女性的逼真全身照，并调整灯光和阴影以匹配户外环境。

示例输入和输出：

最佳实践

在构建过程中，以下是一些使用图像生成的其他技巧：

• 要非常具体： 您提供的细节越多，您拥有的控制权就越大。不要说”奇幻盔甲”，而是描述它：“装饰精美的精灵板甲，刻有银叶图案，带有高领和形状像猎鹰翅膀的肩甲。”

• 修复角色一致性漂移： 如果您注意到在多次迭代编辑后角色的特征开始漂移，您可以使用详细的描述重新开始新的对话以保持一致性。

• 提供上下文和意图： 解释图像的目的。例如，“为高端、极简主义的护肤品牌创建徽标”比仅仅”创建徽标”会产生更好的结果。

• 迭代和细化： 不要指望第一次就能得到完美的图像。利用模型的对话特性进行小的更改。跟进提示，例如，“非常好，但是您可以使灯光更温暖一些吗？“或”保持一切不变，但将角色的表情改为更严肃一些。”

• **使用“语义否定提示”：**不要说“没有汽车”，而是积极地描述所需的场景：“一条空旷、荒凉的街道，没有任何交通迹象。”

• **纵横比：**编辑时，Gemini 2.5 Flash 图像通常会保留输入图像的纵横比。如果没有，请在提示中明确说明：“更新输入图像……不要更改输入纵横比。”如果您上传了多个具有不同纵横比的图像，则模型将采用提供的最后一个图像的纵横比。如果您需要新图像的特定比例，并且提示无法生成它，最佳做法是将具有正确尺寸的参考图像作为提示的一部分提供。

• **控制相机：**使用摄影和电影语言来控制构图。诸如“广角镜头”、“微距镜头”、“低角度视角”、“85mm 人像镜头”和“荷兰角”之类的术语使您可以精确控制最终图像。

限制

随着我们不断开发和改进我们的模型，我们相信要透明地说明需要改进的领域。

虽然 Gemini 2.5 Flash 图像是功能强大且用途广泛的工具，但对于高度细微的请求，第一次尝试就达到完美可能需要一些迭代。您可能会发现，生成复杂的排版或在多个图像中保持角色特征的绝对一致性有时需要通过后续提示进行改进。

我们正在积极努力改进这些领域，并感谢您在我们共同构建下一代图像工具时的创造力。

接下来的步骤：开始创作！

您现在已经掌握了使用 Gemini 2.5 Flash 创建和编辑令人难以置信的图像的基础技能。提高技能的最佳方法是练习。以下是一些资源，可以帮助您踏上旅程：

• 在 Google AI Studio 中探索 Gemini：开始尝试本指南中技术的简便方法是使用我们的基于 Web 的工具。

• 阅读官方文档：对于希望将其 Gemini 2.5 Flash 的图像生成功能集成到他们自己的应用程序中的开发者。

• 查看价格：了解使用 Gemini API 为您的项目使用 Gemini 2.5 Flash 图像生成相关的成本。