Gemini 驱动的 AI 图像创作引擎

基于 Google 官方 Gemini API 的图像生成与重混工具，支持文生图、图生图及多图合成，为创作者提供高效 AI 绘画能力。

基本信息

• 技能名称?gemini-image-remix
• 中文名称?Gemini 驱动的 AI 图像创作引擎
• 作者?rdeangel
• 分类?设计
• 版本?v1.0.0
• 标签?image-gen, content-media, design, api, productivity

使用方法

使用说明
核心用法
Gemini Image Remix 是一款基于 Google Gemini API 的图像生成与重混工具，提供三种核心工作模式：

1. 文本生成图像 ：通过 --prompt 参数输入描述，调用 Gemini 2.5 Flash Image 模型快速生成高质量图像，默认输出 1K 分辨率 PNG 文件。
2. 图像重混/修改 ：使用 -i 参数传入参考图像，实现风格迁移、背景替换、角色修改等高级编辑功能，支持复杂的图像到图像转换。
3. 多图像合成 ：最多可同时处理 14 张输入图像，将不同图像中的元素智能融合为单一连贯场景，适用于创意合成与概念设计。
   工具支持灵活的参数配置，包括分辨率（1K/2K/4K）、宽高比（1:1、16:9、9:16 等）以及模型切换（可升级至 Gemini 3.0 Pro/Nano Banana Pro 获取更高保真度输出）。
   显著优点
   官方 SDK 保障 ：基于 Google 官方 google-genai 库，API 稳定性与兼容性有充分保障
   多模型支持 ：从快速的 Flash 模型到专业的 Pro 模型，满足不同精度与效率需求
   强大的多图处理能力 ：14 张图像的上限在同类型工具中表现突出，适合复杂合成任务
   灵活的输出控制 ：支持多种分辨率与宽高比，适配不同应用场景
   开源透明 ：完整开源代码，可审计、可定制
   潜在缺点与局限性
   网络强依赖 ：必须保持与 Google Gemini API 的连通性，离线无法使用
   API 成本 ：图像生成消耗 API 配额，高频使用可能产生显著费用
   输出可控性 ：AI 生成结果存在随机性，复杂提示词可能需要多次迭代
   输入限制 ：仅支持图像文件输入，不支持其他媒体格式
   平台绑定 ：深度依赖 Google 生态，模型能力与可用性受 Google 政策影响
   适合的目标群体
   数字艺术家与设计师 ：需要快速原型生成、风格探索或概念可视化
   内容创作者 ：社交媒体运营、博客配图、营销素材制作
   游戏/影视从业者 ：场景概念、角色设计、氛围图快速产出
   开发者与产品经理 ：需要程序化集成图像生成能力的项目团队
   教育与科研人员 ：AI 图像生成技术教学、视觉研究实验
   使用风险
   API 密钥安全 ：需妥善保管 GEMINI_API_KEY ，避免泄露导致配额盗用
   文件覆盖风险 ：输出路径由用户指定，可能意外覆盖现有文件
   依赖项维护 ： uv 包管理器与 Python 环境的版本兼容性需持续关注
   服务可用性 ：Google API 的服务状态与地区可用性可能影响正常使用