一、模型选择与适配 #

• 替换轻量化模型：gemini-2.0-flash-exp-image-generation属于轻量化模型，风格迁移精度有限，建议改用gemini-2.5-pro-exp-0801或gemini-1.5-pro，这两款多模态模型对风格的理解和还原能力更强。
• Imagen 3的正确用法：imagen-3.0-generate-002仅支持文本生图，无法直接输入图像。若要用于风格迁移，需先通过Gemini视觉模型提取原图的主体、构图、色彩等关键特征，再将这些特征转化为详细文本prompt输入给Imagen。

二、代码修正与参数优化 #

以下是针对你的代码的优化版本，调整了模型、prompt和生成参数：

from PIL import Image
from io import BytesIO
import google.generativeai as genai

genai.configure(api_key=API_KEY)  # 官方推荐配置方式

image = Image.open("a.jpg")

# 优化prompt，补充吉卜力风格的具体特征
prompt = """
将这张图片转化为吉卜力工作室风格的动画艺术：
- 严格保留原图的主体人物/场景结构
- 使用吉卜力标志性的柔和水彩质感、暖调自然光影
- 加入手绘风格的细腻线条，以及自然氛围元素（如林间光斑、朦胧云层）
"""

response = genai.generate_content(
    model='gemini-2.5-pro-exp-0801',
    contents=[prompt, image],
    generation_config=genai.GenerationConfig(
        response_mime_type="image/png",  # 明确指定图像输出
        temperature=0.3,  # 降低随机性，保证风格一致性
        top_p=0.8
    )
)

response.resolve()  # 等待生成任务完成

if response.candidates[0].content.parts[0].inline_data:
    result_image = Image.open(BytesIO(response.candidates[0].content.parts[0].inline_data.data))
    result_image.save('ghibli_output.jpg')
    result_image.show()

三、Prompt优化技巧 #

• 补充风格细节：不要只用简单指令，明确描述吉卜力风格的标志性特征，比如“宫崎骏式的圆润角色造型”“水彩晕染的背景质感”“柔和的阴影过渡”。
• 锁定原图核心：明确要求保留原图的关键元素，比如“保留原图中猫咪的姿态和黄色毛发”“维持原图的海边日落构图”，避免模型偏离需求。

四、Gemini Advanced 2.5 Pro聊天界面优化建议 #

在聊天界面测试时，不要仅上传图片加简短指令：

• 先上传目标图片，再发送包含详细风格描述的prompt
• 可补充吉卜力官方海报作为参考图，输入“按照这张参考图的风格，转换我上传的原图”

五、其他最佳实践 #

• 输入图像尽量清晰，分辨率建议在1024×1024以上，避免模糊导致模型无法识别细节
• 多次测试不同的prompt变体，找到最适配的描述方式
• 批量处理优先使用API，可更精准控制生成参数

内容的提问来源于stack exchange，提问作者Cheok Yan Cheng