核心用法
ZenMux Image Generation Skill 是一个封装了 ZenMux API 的 Python 脚本工具，用于调用 Google Gemini 3 Pro Image (Nano Banana Pro) 模型生成高保真图像。用户通过命令行执行 scripts/generate.py，配置 ZENMUX_API_KEY 环境变量即可使用。
主要功能模式：
1. Text-to-Image：纯文本描述生成图像，适用于概念可视化、插画创作
2. Image-to-Image：基于现有图像进行风格迁移或内容修改，如季节变换、氛围调整
3. Multi-Image Fusion：多参考图像融合，支持角色与服装/场景分离再组合，实现更精准的创意控制
技术特性：
- 默认模型：
google/gemini-3-pro-image-preview - 支持自定义输出路径
- 简洁的命令行接口，适合自动化工作流集成
显著优点
- 多模态融合能力：Multi-Image 参考融合是区别于基础文生图工具的核心优势，可实现类似 LoRA 的角色一致性控制
- Gemini 3 Pro 底层：Google 最新原生多模态模型，图像理解与生成分辨率、语义对齐度较上一代显著提升
- API 封装简洁：单脚本架构，无复杂依赖，便于嵌入现有 Python 工作流或 CI/CD 管道
- 灵活输入：支持单图修改、多图元素重组，覆盖从快速原型到精细调优的全链路需求
潜在局限与风险
订阅门槛：ZenMux Pro/Elite 计划为硬性要求，免费用户或 Tier 1 订阅无法调用，成本敏感场景受限
供应商依赖：服务可用性完全绑定 ZenMux 平台，存在单点故障风险；API 变更或额度限制可能导致工作流中断
内容合规：Gemini 3 Pro 内置 Google 安全过滤器，敏感主题（暴力、裸露、真实人物肖像）可能触发拒绝生成，且过滤规则不透明、不可调
输出可控性：作为闭源黑盒模型，无法微调或固定种子，相同提示词结果可能存在随机波动，批量生产一致性场景需谨慎
数据隐私：图像上传至第三方 ZenMux 服务，涉及商业机密或个人隐私的图像处理需评估数据跨境与存储风险
适合人群
- 设计师、插画师：快速验证概念、生成参考素材
- 开发者、自动化工程师：需程序化集成高质量图像生成到产品工作流
- 内容创作者：多图融合实现角色/场景定制化，减少重复绘制成本
- 已有 ZenMux Pro 订阅的用户：最大化利用现有 API 额度
常规风险提示
- API Key 安全：
ZENMUX_API_KEY需妥善保管，避免硬编码提交至版本控制 - 成本监控：Pro 订阅含额度限制，高频调用建议实施用量预警
- 版权归属：生成图像的商用权利需遵循 ZenMux/Google 服务条款，建议保留原始提示词记录