产品动态

利用 AI 图片生成功能提高用户互动度

阅读用时：5 分钟
Thomas Ezan & Mozart Louis

向应用添加自定义图片可以显著改善用户体验并实现个性化，从而提高用户互动度。本文将介绍 Firebase AI Logic 的两项新图片生成功能：目前处于预览版阶段的专用 Imagen 编辑功能，以及 Gemini 2.5 Flash Image（又称“Nano Banana”）的正式版，后者专为上下文或对话式图片生成而设计。

利用通过 Firebase AI Logic 生成的图片提高用户互动度

图片生成模型可用于创建自定义用户个人资料头像，或将个性化视觉资源直接集成到关键界面流程中。 

例如，Imagen 提供了新的编辑功能（处于开发者预览版阶段）。您现在可以绘制蒙版并利用图像修复功能在蒙版区域内生成像素。此外，您还可以利用扩绘功能在蒙版外部生成像素。  

Imagen 修复功能.png

Imagen 支持图像修复，让您仅生成图片的一部分。 

或者，Gemini 2.5 Flash Image（又称 Nano Banana）可以利用 Gemini 模型扩展的世界知识和推理能力生成与上下文相关的图片，非常适合创建与用户当前应用内体验相符的动态插图。   

 

In-context nano banana illustration.png

使用 Gemini 2.5 Flash Image 创建与应用上下文相关的动态插图。

最后，借助对话式和迭代式图片编辑功能，用户可以使用自然语言编辑照片。

 

photo edit natural language.png

使用 Gemini 2.5 Flash Image 通过自然语言编辑图片。

开始将 AI 集成到应用时，请务必了解 AI 安全。尤其要评估应用的安全风险，考虑进行调整以降低安全风险，根据您的使用场景执行安全测试，并征求用户反馈和监控内容。

Imagen 或 Gemini：由您选择

Gemini 2.5 Flash Image（“Nano Banana”）和 Imagen 的区别在于它们的主要侧重点和高级功能。Gemini 2.5 Flash Image 是 Gemini 系列中的图片模型，擅长对话式图片编辑，可在多次迭代中保持上下文和主题一致性，并利用“世界知识和推理”来创建与上下文相关的视觉内容，或在长文本序列中嵌入准确的视觉内容。

Imagen 是 Google 的专用图片生成模型，旨在提供更强的创意控制能力，擅长生成高度逼真的输出、艺术细节和特定样式，并提供明确的控件来指定所生成图片的宽高比或格式。

Gemini 2.5 Flash Images 
(Nano Banana 🍌)		Imagen

🌎 世界知识和推理，可生成与上下文更相关的图片

💬 对话式编辑图片，同时保持上下文

📖 在长文本序列中嵌入准确的视觉内容

📐 指定所生成图片的宽高比或格式

 

🖌️支持基于蒙版的编辑，用于图像修复和扩绘。

 

🎚️ 更好地控制所生成图片的细节（质量、艺术细节和特定样式）

接下来，我们来看看如何在应用中使用它们。

使用 Imagen 进行图像修复

几个月前，我们为 Imagen 发布了新的编辑功能。虽然 Imagen 现在已可用于正式版图片生成，但编辑功能仍处于 开发者预览版阶段。

Imagen 编辑功能包括 图像修复和 扩绘，即基于蒙版的图片编辑功能。借助这项新功能，用户可以修改图片的特定区域，而无需重新生成整张图片。这意味着您可以保留图片的最佳部分，仅更改您希望更改的内容。

Imagen inpainting dog.png

使用 Imagen 编辑功能对图片进行精确的定向更改，并保证图片其余部分的完整性

这些更改是在保持原始图片的核心元素和整体完整性的同时进行的，仅修改蒙版中的区域。

如需使用 Imagen 实现图像修复，请先初始化 imagen-3.0-capability-001，这是一个支持编辑功能的特定 Imagen 模型：

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0
val editingModel =
        Firebase.ai(backend = GenerativeBackend.vertexAI()).imagenModel(
            "imagen-3.0-capability-001",
            generationConfig = ImagenGenerationConfig(
                numberOfImages = 1,
                aspectRatio = ImagenAspectRatio.SQUARE_1x1,
                imageFormat = ImagenImageFormat.jpeg(compressionQuality = 75),
            ),
        )

然后，定义图像修复函数：

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0

val prompt = "remove the pancakes and make it an omelet instead"

suspend fun inpaintImageWithMask(sourceImage: Bitmap, maskImage: Bitmap, prompt: String, editSteps: Int = 50): Bitmap {
        val imageResponse = editingModel.editImage(
            referenceImages = listOf(
                ImagenRawImage(sourceImage.toImagenInlineImage()),
                ImagenRawMask(maskImage.toImagenInlineImage()),
            ),
            prompt = prompt,
            config = ImagenEditingConfig(
                editMode = ImagenEditMode.INPAINT_INSERTION,
                editSteps = editSteps,
            ),
        )
        return imageResponse.images.first().asBitmap()
    }

您需要提供 sourceImage、maskImage、编辑提示以及要执行的编辑步骤数。

您可以在 Android AI 示例目录中的 Imagen 编辑示例 中查看实际效果！

此外，Imagen 还支持 扩绘，让模型生成蒙版外部的像素。您还可以使用 Imagen 的图片自定义功能来更改图片的样式或更新图片中的正文。如需了解详情，请参阅 Android 开发者文档。

使用 Gemini 2.5 Flash Image 进行对话式图片生成

使用 Gemini 2.5 Flash Image 编辑图片的一种方法是使用模型的多轮对话功能。

首先，初始化模型：

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0

val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
    modelName = "gemini-2.5-flash-image",
    // Configure the model to respond with text and images (required)
    generationConfig = generationConfig {
        responseModalities = listOf(ResponseModality.TEXT,
        ResponseModality.IMAGE)
    }
)

如需实现与上述基于蒙版的 Imagen 方法类似的结果，我们可以利用 chat API 与 Gemini 2.5 Flash Image 启动对话。

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0

// Initialize the chat
val chat = model.startChat()


// Load a bitmap
val source = ImageDecoder.createSource(context.contentResolver, uri)
val bitmap = ImageDecoder.decodeBitmap(source)


// Create the initial prompt instructing the model to edit the image
val prompt = content {
    image(bitmap)
    text("remove the pancakes and add an omelet")
}

// To generate an initial response, send a user message with the image and text prompt
var response = chat.sendMessage(prompt)

// Inspect the returned image
var generatedImageAsBitmap = response
    .candidates.first().content.parts.filterIsInstance<ImagePart>().firstOrNull()?.image

// Follow up requests do not need to specify the image again
response = chat.sendMessage("Now, center the omelet in the pan")
generatedImageAsBitmap = response
    .candidates.first().content.parts.filterIsInstance<ImagePart>().firstOrNull()?.image

您可以在 Android AI 示例目录中的 Gemini 图片聊天示例 中查看实际效果，并在 Android 文档 中了解详情。

总结

Imagen 和 Gemini 2.5 Flash Image 都提供了强大的功能，让您可以根据具体的使用场景选择理想的图片生成模型，从而实现应用个性化并提高用户互动度。

作者：

继续阅读