Gemini 画像生成

概要

AIone は Gemini 系列の画像生成モデルに対応しており、2 つのエンドポイントから呼び出せます:

エンドポイント	用途	できること
`POST /v1/chat/completions`	既存の OpenAI SDK でそのまま素早く接続	画像生成、画像から画像、ストリーミング
`POST /v1beta/models/{model}:generateContent`	解像度やアスペクト比を指定したい場合	上記すべて + 解像度 / アスペクト比の制御

要するに: 画像が出ればよいなら /v1/chat/completions、サイズを制御したいなら /v1beta ネイティブエンドポイント。

利用可能なモデル

モデル	特徴
`gemini-3.1-flash-image`	主力モデル。速度と品質のバランスが良い
`gemini-3-pro-image`	出力が安定しており、完成品向け
`gemini-2.5-flash-image`	前世代 Flash。既定サイズのみ

モデルの一覧は GET /v1/models と Portal のモデル一覧ページをご確認ください。

一、すぐに画像を出す: `/v1/chat/completions`

最小リクエスト:

curl https://api.aiin1.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-nex-your-key-here" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.1-flash-image",
    "messages": [
      {"role": "user", "content": "かわいい猫を描いて"}
    ]
  }'

レスポンス構造

画像は message.content に Markdown 埋め込みの data URI として返ります:

{
  "id": "chatcmpl-xxx",
  "object": "chat.completion",
  "model": "gemini-3.1-flash-image",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "![image](data:image/png;base64,iVBORw0KGgoAAA...)"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 6,
    "completion_tokens": 1120,
    "total_tokens": 1126
  }
}

画像の取り出し: message.content は文字列なので、正規表現で data URI を抜き出します。

import re, base64
content = response.choices[0].message.content
m = re.search(r"data:image/\w+;base64,([A-Za-z0-9+/=]+)", content)
if m:
    image_bytes = base64.b64decode(m.group(1))
    open("out.png", "wb").write(image_bytes)

Python SDK

from openai import OpenAI
 
client = OpenAI(
    api_key="sk-nex-your-key-here",
    base_url="https://api.aiin1.ai/v1",
)
 
resp = client.chat.completions.create(
    model="gemini-3.1-flash-image",
    messages=[{"role": "user", "content": "かわいい猫を描いて"}],
)
print(resp.choices[0].message.content[:80])

画像から画像

OpenAI 標準のマルチモーダル content 配列で参照画像を渡します:

{
  "model": "gemini-3.1-flash-image",
  "messages": [
    {
      "role": "user",
      "content": [
        {"type": "text", "text": "この画像のりんごをオレンジに置き換えて"},
        {
          "type": "image_url",
          "image_url": {"url": "data:image/png;base64,iVBORw0KGgoAAA..."}
        }
      ]
    }
  ]
}

参照画像は data: URI(base64)と公開 https:// URL の両方に対応します。base64 を推奨: 一部の CDN はホットリンク制限や形式変換を行うため、直リンクでは取得できない場合があります。

ストリーミング

"stream": true に対応しています。これは疑似ストリーミングで、生成完了後に画像が 1 つの SSE イベントでまとめて届きます(トークン単位の逐次配信ではありません)。接続上にデータが流れ続けるため、中間のネットワーク機器にアイドルとして切断されにくくなるのが利点です。

curl https://api.aiin1.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-nex-your-key-here" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.1-flash-image",
    "messages": [{"role": "user", "content": "かわいい猫を描いて"}],
    "stream": true
  }'

このエンドポイントのサイズ

/v1/chat/completions はモデルの既定サイズ 約 1408×768 で出力します(画像から画像の場合は参照画像に追従し、正方形の参照画像なら 1024×1024 になります)。

解像度やアスペクト比を指定するには、以下のネイティブエンドポイントをご利用ください。

二、解像度とアスペクト比の制御: `/v1beta` ネイティブエンドポイント

POST https://api.aiin1.ai/v1beta/models/{model}:generateContent

モデル名は URL パスに、サイズ関連のパラメータは generationConfig.imageConfig に置きます:

curl https://api.aiin1.ai/v1beta/models/gemini-3.1-flash-image:generateContent \
  -H "Authorization: Bearer sk-nex-your-key-here" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {"role": "user", "parts": [{"text": "かわいい猫を描いて"}]}
    ],
    "generationConfig": {
      "responseModalities": ["IMAGE"],
      "imageConfig": {
        "imageSize": "4K",
        "aspectRatio": "16:9"
      }
    }
  }'

`imageSize` — 解像度ティア

取りうる値は 512 / 1K(既定)/ 2K / 4K。16:9 の場合の実際のピクセル:

`imageSize`	実ピクセル(16:9)	画素数
省略(既定 1K)	1376×768	1.06 MP
`"2K"`	2752×1536	4.23 MP
`"4K"`	5504×3072	16.9 MP
`"512"`	688×384	0.26 MP

gemini-2.5-flash-image は既定サイズ(1024×1024)のみを出力し、imageSize には反応しません。

`aspectRatio` — アスペクト比

14 種類に対応しています。既定ティア(1K)での実ピクセル:

比率	ピクセル	比率	ピクセル
`1:1`	1024×1024	`9:16`	768×1376
`3:2`	1264×848	`16:9`	1376×768
`2:3`	848×1264	`21:9`	1584×672
`4:3`	1200×896	`1:4`	512×2064
`3:4`	896×1200	`4:1`	2064×512
`5:4`	1152×928	`1:8`	352×2928
`4:5`	928×1152	`8:1`	2928×352

imageSize と aspectRatio は自由に組み合わせられます。例えば 4K + 21:9 で超ワイドの高解像度画像になります。

モデルは選択したティアと比率のネイティブ解像度で描画します。実際のピクセルサイズは返された画像でご確認ください。

レスポンス構造

画像は candidates[0].content.parts[] の inlineData にあり、data は接頭辞なしの純粋な base64 です:

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "inlineData": {
              "mimeType": "image/png",
              "data": "iVBORw0KGgoAAA..."
            }
          }
        ]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 6,
    "candidatesTokenCount": 1120,
    "totalTokenCount": 1126,
    "candidatesTokensDetails": [{"modality": "IMAGE", "tokenCount": 1120}]
  }
}

import base64, json, requests
 
resp = requests.post(
    "https://api.aiin1.ai/v1beta/models/gemini-3.1-flash-image:generateContent",
    headers={"Authorization": "Bearer sk-nex-your-key-here"},
    json={
        "contents": [{"role": "user", "parts": [{"text": "かわいい猫を描いて"}]}],
        "generationConfig": {
            "responseModalities": ["IMAGE"],
            "imageConfig": {"imageSize": "2K", "aspectRatio": "16:9"},
        },
    },
    timeout=600,
)
for part in resp.json()["candidates"][0]["content"]["parts"]:
    if "inlineData" in part:
        open("out.png", "wb").write(base64.b64decode(part["inlineData"]["data"]))

parts には thoughtSignature など画像以外の要素が含まれることがあります。走査時は inlineData の有無で判定してください。

画像から画像(ネイティブエンドポイント)

参照画像を inlineData として parts に入れ、テキストと並べます。data は data:image/png;base64, 接頭辞なしの純粋な base64 です:

{
  "contents": [
    {
      "role": "user",
      "parts": [
        {"inlineData": {"mimeType": "image/png", "data": "iVBORw0KGgoAAA..."}},
        {"text": "この画像のりんごをオレンジに置き換えて"}
      ]
    }
  ],
  "generationConfig": {
    "responseModalities": ["IMAGE"],
    "imageConfig": {"aspectRatio": "1:1"}
  }
}

inlineData を複数入れると複数画像の合成ができます。

課金について

画像出力は画像出力トークン単位で課金されます。トークン数は解像度ティアで決まり、プロンプトの長さには依存しません:

ティア	`gemini-3.1-flash-image`	`gemini-3-pro-image`
512	747	—
既定 / 1K	1,120	1,120
2K	1,680	1,120
4K	2,520	2,000

gemini-2.5-flash-image は 1 枚あたり 1,290 トークンです。

画像部分のトークン数は上表のとおりです。レスポンス中の usage.completion_tokens(chat エンドポイント)および usageMetadata.candidatesTokenCount(ネイティブエンドポイント)は今回の出力トークンの合計で、画像のほかに少量のテキストトークンを含む場合があり、それぞれの単価で計算されます。単価は「料金説明」をご覧ください。

リクエストパラメータ

`/v1/chat/completions`

パラメータ	型	必須	説明
`model`	string	はい	画像モデル ID
`messages`	array	はい	OpenAI Chat 標準のメッセージ配列。参照画像は `image_url` パートで渡す
`stream`	boolean	いいえ	疑似ストリーミング。生成完了後に 1 つの SSE イベントで配信
`temperature`	number	いいえ	生成温度

`/v1beta/models/{model}:generateContent`

パラメータ	型	必須	説明
`contents`	array	はい	会話内容。`parts` に `text` と `inlineData` を置く
`generationConfig.responseModalities`	array	いいえ	`["IMAGE"]` を推奨
`generationConfig.imageConfig.imageSize`	string	いいえ	`512` / `1K` / `2K` / `4K`
`generationConfig.imageConfig.aspectRatio`	string	いいえ	上記 14 種のいずれか

注意事項

タイムアウト: 高解像度の生成は時間がかかります。クライアントの HTTP タイムアウトは 600 秒以上を推奨します。
画像の取り出し方はエンドポイントで異なります: chat エンドポイントでは message.content の Markdown data URI から、ネイティブエンドポイントでは parts[].inlineData.data(接頭辞なしの純粋な base64)から取り出します。
参照画像の形式: chat エンドポイントは data: 接頭辞付きの完全な data URI、ネイティブエンドポイントは接頭辞なしの純粋な base64。ルールが逆なので混同しないでください。
Anthropic 形式には非対応: Gemini 画像モデルは /v1/messages では利用できません。
モデルの権限: API Key が対象の画像モデルにアクセスできることをご確認ください。

Gemini 画像生成

概要

利用可能なモデル

一、すぐに画像を出す: /v1/chat/completions

レスポンス構造

Python SDK

画像から画像

ストリーミング

このエンドポイントのサイズ

二、解像度とアスペクト比の制御: /v1beta ネイティブエンドポイント

imageSize — 解像度ティア

aspectRatio — アスペクト比

レスポンス構造

画像から画像(ネイティブエンドポイント)

課金について

リクエストパラメータ

/v1/chat/completions

/v1beta/models/{model}:generateContent

注意事項

一、すぐに画像を出す: `/v1/chat/completions`

二、解像度とアスペクト比の制御: `/v1beta` ネイティブエンドポイント

`imageSize` — 解像度ティア

`aspectRatio` — アスペクト比

`/v1/chat/completions`

`/v1beta/models/{model}:generateContent`