Google の Gemini 2.0 Flsh では、テキストプロンプトから画像を生成できる機能が追加されました。
この記事では、Google Colab を使って実際に画像生成を行う方法を試した備忘録です。

前提条件

Google Colab のアカウント
Gemini API キー（Google AI Studio で取得可能）

API キーの設定

Google Colab のシークレット機能を使ってAPI キーを安全に管理します。

Colab の左サイドバーから「シークレット」（🔑）をクリック
「新しいシークレット」で GEMINI_API_KEY という名前でAPI キーを追加
「ノートブックアクセス」を有効にする

実装コード

以下のコードで画像生成を実行できます。

from google import genai
from google.genai import types
from PIL import Image
from io import BytesIO
import os
from google.colab import userdata

# クライアント初期化
client = genai.Client(api_key=userdata.get('GEMINI_API_KEY'))

# カレー画像生成
prompt = "湯気が立ち上る、白いご飯に濃厚でとろみのあるカレールーがたっぷりとかかっている、日本の家庭風カレーライス。柔らかく煮込まれた牛肉、大ぶりのじゃがいも、にんじんが具だくさんに盛られている。木のテーブルの上に置かれ、暖かみのあるオレンジ色の照明で美味しそうに照らされた、料理雑誌の1ページのような高品質な写真風イメージ。"

response = client.models.generate_content(
    model="gemini-2.0-flash-preview-image-generation",
    contents=prompt,
    config=types.GenerateContentConfig(
        response_modalities=['TEXT', 'IMAGE']
    )
)

# 画像保存
for part in response.candidates[0].content.parts:
    if part.text is not None:
        print(f"説明: {part.text}")
    elif part.inline_data is not None:
        image = Image.open(BytesIO(part.inline_data.data))
        image.save('curry.png')
        print("カレー画像を保存しました！")
        image.show()

コードの解説

1. ライブラリのインポート

google.genai: Gemini API のクライアント
PIL.Image: 画像処理
BytesIO: メモリ上でのバイナリデータ処理
google.colab.userdata: Colab のシークレット機能

2. クライアント初期化

client = genai.Client(api_key=userdata.get('GEMINI_API_KEY'))

Colab のシークレット機能からAPI キーを取得してクライアントを初期化します。

3. プロンプトの作成

prompt = ""

具体的で詳細なプロンプトを作成することで、より期待に近い画像が生成されます。

4. 画像生成の実行

response = client.models.generate_content(
    model="gemini-2.0-flash-preview-image-generation",
    contents=prompt,
    config=types.GenerateContentConfig(
        response_modalities=['TEXT', 'IMAGE']
    )
)

model: 画像生成専用のモデルを指定
response_modalities: テキストと画像の両方を生成するように設定

5. 結果の処理

for part in response.candidates[0].content.parts:
    if part.text is not None:
        print(f"説明: {part.text}")
    elif part.inline_data is not None:
        image = Image.open(BytesIO(part.inline_data.data))
        image.save('curry.png')
        print("カレー画像を保存しました！")
        image.show()

おいしそうなカレーの画像を生成することができました。結果は利用規約の都合もあり省略しています。

実行結果

このコードを実行すると、以下のような結果が得られます：

画像の説明テキストがコンソールに表示される
生成された画像が curry.png として保存される
Colab 上で画像が表示される

プロンプトのコツ

より良い画像を生成するためのプロンプトのポイント：

具体性: 「美味しそうな」「とろっとした」など感覚的な表現を含める
詳細: 材料、色、照明などの具体的な要素を指定
スタイル: 「料理写真」「暖かい照明」など撮影スタイルを明示

注意点

この記事で試したGemini 2.0 Flash の画像生成機能はプレビュー版のため、将来的に仕様が変更される可能性があります
API の利用制限や料金体系を事前に確認してください
生成される画像の品質は、プロンプトの書き方に大きく依存します

まとめ

Gemini 2.0 Flash を使った画像生成は、Google Colab で簡単に試すことができます。具体的で詳細なプロンプトを作成することで、期待に近い画像を生成できるでしょう。ぜひ様々なプロンプトを試して、画像生成の可能性を探ってみてください。

Google AI Studioでも画像生成は試せますが、APIから呼び出す処理を実際に作ってみたくてやってみました。

参考資料

免責事項

※Gemini API の技術検証を目的として生成・掲載しており、商用利用は行っておりません。
この備忘録みて試すときにはGooglenの利用規約を確認することを推奨します。