En Diciembre Primero introdujimos la salida de imagen nativa en Gemini 2.0 Flash a los probadores de confianza. Hoy, lo estamos poniendo a disposición para la experimentación del desarrollador en todo Todas las regiones Actualmente compatible con Google AI Studio. Puede probar esta nueva capacidad utilizando una versión experimental de Gemini 2.0 Flash (gemini-2.0-flash-exp) en Google AI Studio y a través de la API de Géminis.
Gemini 2.0 Flash combina entrada multimodal, razonamiento mejorado y comprensión del lenguaje natural para crear imágenes.
Aquí hay algunos ejemplos de donde brillan las salidas multimodales de 2.0 Flash:
1. texto e imágenes juntos
Use Gemini 2.0 Flash para contar una historia y la ilustrará con imágenes, manteniendo los personajes y la configuración consistentes en todo momento. Dale comentarios y el modelo volverá a contar la historia o cambiará el estilo de sus dibujos.
Generación de historias e ilustraciones en Google AI Studio
2. Edición de imágenes conversacionales
Gemini 2.0 Flash te ayuda a editar imágenes a través de muchos turnos de un diálogo de lenguaje natural, ideal para iterar hacia una imagen perfecta o para explorar diferentes ideas juntas.
Edición de imágenes de conversación de múltiples vueltas manteniendo el contexto a lo largo de la conversación en Google AI Studio
3. Comprensión del mundo
A diferencia de muchos otros modelos de generación de imágenes, Gemini 2.0 Flash aprovecha el conocimiento mundial y el razonamiento mejorado para crear el bien imagen. Esto lo hace perfecto para crear imágenes detalladas que sean realistas, como ilustrar una receta. Si bien se esfuerza por la precisión, como todos los modelos de idiomas, su conocimiento es amplio y general, no absoluto o completo.
Salida de texto e imagen entrelazada para una receta en Google AI Studio
4. Representación de texto
La mayoría de los modelos de generación de imágenes luchan para hacer secuencias de texto largas con precisión, a menudo dando como resultado personajes mal formateados o ilegibles, o errores ortográficos. Los puntos de referencia internos muestran que 2.0 Flash tiene una representación más fuerte en comparación con los principales modelos competitivos, y excelente para crear anuncios, publicaciones sociales o incluso invitaciones.
Salidas de imágenes con representación de texto largo en Google AI Studio
Empiece a hacer imágenes con Géminis hoy
Comience con Gemini 2.0 Flash a través de la API de Géminis. Lea más sobre la generación de imágenes en nuestro documento.
from google import genai
from google.genai import types
client = genai.Client(api_key="GEMINI_API_KEY")
response = client.models.generate_content(
model="gemini-2.0-flash-exp",
contents=(
"Generate a story about a cute baby turtle in a 3d digital art style. "
"For each scene, generate an image."
),
config=types.GenerateContentConfig(
response_modalities=["Text", "Image"]
),
)
Ya sea que esté construyendo agentes de IA, desarrollando aplicaciones con hermosas imágenes como historias interactivas ilustradas o ideas visuales de lluvia de ideas en la conversación, Gemini 2.0 Flash le permite agregar texto e generación de imágenes con un solo modelo. Estamos ansiosos por ver lo que los desarrolladores crean con la salida de imagen nativa y su comentario Nos ayudará a finalizar pronto una versión lista para la producción.