Gemini Image Gen

核心功能

gemini-image-gen 是一款轻量级 AI 图像生成工具，通过纯 Python 标准库实现，无需额外依赖。支持双引擎架构：Gemini 原生模型（支持图像编辑）与 Google Imagen 3 专用生成引擎，满足从创意探索到专业产出的不同需求。

显著优点

• 零依赖设计：仅依赖 Python3 标准库，部署极简，兼容性强
• 双引擎支持：Gemini 引擎支持文生图与图生图编辑；Imagen 3 引擎提供高质量专业生成，支持多比例输出（1:1、16:9、9:16、4:3、3:4）
• 丰富的风格预设：内置 10 种艺术风格（照片、动漫、水彩、赛博朋克、极简主义、油画、像素风、素描、3D 渲染、波普艺术），一键切换视觉风格
• 批量生成与可视化：支持批量生成并自动输出 HTML 画廊，便于浏览与分享
• 完善的生态集成：与 AgentGram、agent-selfie、opencode-omo 等技能形成创作-分享-工作流闭环

潜在局限

• API 依赖：完全依赖 Google Gemini API，需自备有效 API Key，存在网络延迟与服务商可用性风险
• 速率限制：免费/低成本套餐易触发 429 限流，批量生成时需注意频率控制
• 编辑功能受限：图像编辑仅 Gemini 引擎支持，Imagen 3 暂不支持
• 无本地模型：不支持本地部署或离线使用，数据需上传至 Google 服务器处理

适合人群

AI 艺术创作者、内容运营人员、独立开发者、需要快速批量生成视觉素材的创意工作者，以及希望将图像生成整合进自动化工作流的技术用户。

常规风险提示

• 需妥善保管 GEMINI_API_KEY，避免硬编码提交至版本控制
• 生成内容需遵守 Google AI 使用政策，注意版权与合规风险
• 建议对敏感提示词内容进行本地审查，避免生成违规图像

核心用法

Gemini Image Gen 是一款基于 Google Gemini API 的图像生成与编辑工具，采用纯 Python 标准库实现，无需任何外部依赖。支持两种生成引擎：Gemini 原生（支持图像编辑、多轮对话）和 Imagen 3（高质量生成、多比例输出）。提供 10 种风格预设（从水彩、赛博朋克到像素艺术），支持批量生成与自动 HTML 画廊输出。

显著优点

• 零依赖安全架构：完全基于 Python 标准库，彻底消除供应链攻击风险，代码仅 378 行，轻量透明
• 双引擎灵活切换：Gemini 引擎支持图像编辑功能，Imagen 3 引擎支持 1:1、16:9、9:16 等多种专业比例
• 开发者友好：CLI 设计直观，支持随机创意提示、风格预设快速调用，输出目录自动时间戳管理
• 生态集成：已与 AgentGram、agent-selfie、opencode-omo 等技能形成联动，支持社交分享与工作流编排

潜在局限

• 功能边界：图像编辑仅限 Gemini 引擎，Imagen 3 暂不支持编辑功能；风格预设为提示词前缀封装，非模型级微调
• 成本与速率：依赖 Google API 计费，批量生成时需自行控制并发，可能触发速率限制（429 错误）
• 平台绑定：当前仅支持 Google 生态，未集成 Midjourney、DALL-E 等其他图像生成服务

适合人群

• 注重供应链安全的技术团队与个人开发者
• 需要快速原型视觉内容的 AI 应用构建者
• 已在使用 Gemini API、希望统一技术栈的用户
• 对图像生成有批量化、自动化需求的运营与设计团队

常规风险

• API 密钥管理：需妥善保管 GEMINI_API_KEY，避免泄露至版本控制或日志系统
• 内容合规：生成内容受 Google API 使用政策约束，需遵守生成式 AI 内容规范
• 个人维护项目：当前为 T3 级别个人开发者维护，长期更新承诺与社区支持弱于企业级项目，建议用户自行审计代码或关注仓库活跃度