使用 Gemini 从视频生成图片

预览

本产品或功能为生成式 AI 预览版产品，受 “正式发布前产品条款”的 《Google Cloud 服务专用条款》约束。对于此生成式 AI 预览版产品，客户可以选择将其用于生产或商业目的，或向第三方披露生成的输出内容，并且可以按照 《云端数据处理附录》中的说明处理个人数据，但需遵守您访问 Google Cloud 时所依据的协议中的相关义务和限制。

如需查看使用 Gemini 从视频生成图片的示例， 请在您选择的环境中运行以下笔记本：

• “Agent Platform 中的 Gemini 3.1 Flash Lite 图片生成”：

  在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Agent Platform Workbench 中打开 | 在 GitHub 上查看

• “Agent Platform 中的 Gemini 3.1 Flash 图片生成”：

  在 Colab 中打开 | 在 Colab Enterprise 中打开 | 在 Agent Platform Workbench 中打开 | 在 GitHub 上查看

您可以使用 Gemini 从视频生成图片，这对于为视频创建缩略图非常有用。支持的界面包括 控制台 Google Cloud 和 Agent Platform API。

以下 Gemini 模型支持从视频生成图片：

点击即可展开支持的模型

• gemini-3.1-flash-lite-image
• gemini-3.1-flash-image
• gemini-3-pro-image

从视频生成图片

以下内容介绍了如何使用 Agent Studio 或 API 从视频生成图片。

如需详细了解提示的最佳实践，请参阅设计多模态 提示。

控制台

如需使用 Gemini 从视频生成图片，请执行以下操作：

1. 在 Agent Platform 部分的 Google Cloud 控制台中，依次前往 Agent Studio > 图片。

   前往 Vertex AI Studio

2. 在模型设置 中，选择显示的某个模型。

3. 在提示文本区域中，点击 添加 add按钮，然后 选择视频文件的来源：

   上传

   选择您要上传的文件，然后点击打开。

   通过网址

   输入要使用的文件的网址，然后点击插入。

   YouTube

   输入您要使用的 YouTube 视频的网址，然后点击插入 。

   您可以使用任何公开视频或由您用于登录 Google Cloud 控制台的账号所拥有的视频。

   Cloud Storage

   选择存储桶，接着从存储桶选择您要导入的文件，然后点击选择。

   Google 云端硬盘

   1. 选择一个账号，并在您首次选择此选项时同意 Vertex AI Studio 访问您的账号。您可以上传多个文件，但总大小不得超过 10 MB。单个文件的大小不能超过 7 MB。
   2. 点击要添加的文件。

   3. 点击选择。

      文件缩略图会显示在提示 窗格中。系统还会显示 token 总数。如果提示数据超过 token 限制，则 token 会被截断，并且不会用于处理数据。

4. 在提示 文本区域中，撰写要生成的图片的说明。

5. 点击提示 （）按钮。

Gemini 会根据您的说明生成图片。此过程需要几秒钟，但可能会相对较慢，具体取决于容量。

Python

安装

pip install --upgrade google-genai

如需了解详情，请参阅 SDK 参考文档。

设置环境变量以将 Google Gen AI SDK 与 Vertex AI 搭配使用：

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True

from google import genai
from google.genai.types import GenerateContentConfig, Modality, Part
from PIL import Image
from io import BytesIO

client = genai.Client()

# A video on 'The ABCs of agent building'
video = "https://www.youtube.com/watch?v=rjoMZyxncUI"

response = client.models.generate_content(
    model="gemini-3.1-flash-image",
    contents=[
        Part.from_uri(
            file_uri=video,
            mime_type="video/mp4"
        ), 
        "Generate an infographic of the topics covered in this video."
    ],
    config=GenerateContentConfig(response_modalities=[Modality.TEXT, Modality.IMAGE]),
)
for part in response.candidates[0].content.parts:
    if part.text:
        print(part.text)
    elif part.inline_data:
        image = Image.open(BytesIO((part.inline_data.data)))
        image.save("output_folder/video-image.png")

REST

设置您的环境后，您可以使用 REST 测试文本提示。以下示例会向发布方模型端点发送请求。

在使用任何请求数据之前， 请进行以下替换：

• PROJECT_ID： 您的 项目 ID。

• FILE_URI：要包含在提示中的文件的 URI 或 网址。可接受的值包括： 以下：

  • Cloud Storage 存储桶 URI：对象必须可公开 读取，或者位于发送请求的同一 Google Cloud 项目中。
  • HTTP 网址： 文件网址必须可公开读取。每个请求最多可以指定 一个视频文件、一个音频文件和 10 个图片文件。 音频文件、视频文件和文档的大小不能超过 15 MB。
  • YouTube 视频网址：YouTube 视频必须由您用于登录 控制台 Google Cloud 的账号所拥有，或者是公开的。 每个请求仅支持一个 YouTube 视频网址。

  指定 fileURI 时，您还必须指定文件的媒体类型 (mimeType)。如果启用了 VPC Service Controls，则不支持为 fileURI 指定媒体文件网址。

  如果您在 Cloud Storage 中没有视频文件，则可以使用以下公开提供的文件：gs://cloud-samples-data/video/animals.mp4，MIME 类型为video/mp4。如需查看此视频， 请打开示例 MP4 文件。

• MIME_TYPE： 在 data 或 fileUri 字段中指定的文件媒体类型。可接受的值包括：

  点击即可展开 MIME 类型

  • application/pdf
  • audio/mpeg
  • audio/mp3
  • audio/wav
  • image/png
  • image/jpeg
  • image/webp
  • text/plain
  • video/mov
  • video/mpeg
  • video/mp4
  • video/mpg
  • video/avi
  • video/wmv
  • video/mpegps
  • video/flv
• TEXT： 要包含在提示中的文本说明。 例如，What is in the video?

如需发送请求，请选择以下方式之一：

curl

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI，或者使用了 Cloud Shell，这会使您自动登录 gcloud CLI。您可以通过运行 gcloud auth list 来检查当前的活跃账号。

将请求正文保存在名为 request.json 的文件中。在终端中运行以下命令，在当前目录中创建或覆盖此文件：

cat > request.json << 'EOF'
{
  "contents": {
    "role": "USER",
    "parts": [
      {
        "fileData": {
          "fileUri": "FILE_URI",
          "mimeType": "MIME_TYPE"
        }
      },
      {
        "text": "TEXT"
      }
    ]
  }
}
EOF

然后，执行以下命令以发送 REST 请求：

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.1-flash-image:generateContent"

PowerShell

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI。您可以通过运行 gcloud auth list 来检查当前的活跃账号。

将请求正文保存在名为 request.json 的文件中。在终端中运行以下命令，在当前目录中创建或覆盖此文件：

@'
{
  "contents": {
    "role": "USER",
    "parts": [
      {
        "fileData": {
          "fileUri": "FILE_URI",
          "mimeType": "MIME_TYPE"
        }
      },
      {
        "text": "TEXT"
      }
    ]
  }
}
'@  | Out-File -FilePath request.json -Encoding utf8

然后，执行以下命令以发送 REST 请求：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.1-flash-image:generateContent" | Select-Object -Expand Content

请注意此示例网址中的以下内容：

• 使用 generateContent 方法请求在回答完全生成后返回回答。 为了降低真人观众对于延迟的感知度，请使用 streamGenerateContent 方法在生成回答时流式传输回答。
• 多模态模型 ID 位于网址末尾且位于方法之前 （例如 gemini-3.5-flash）。此示例可能还支持其他 模型。
• 当您使用区域 API 端点（例如 us-central1）时，端点网址中的区域决定了请求的处理位置。资源路径中的任何冲突位置都会被忽略。

接下来怎么做？

如需详细了解 Gemini 图片生成，请参阅以下链接：

• 使用 Gemini 编辑图片

• Gemini 图片生成最佳实践

• Gemini 图片生成和 Responsible AI