画像生成

テキストプロンプトから AI 画像を生成します。参考画像も指定でき、pro / flash モデルと対応するアスペクト比を自由に選べます。

テキストの説明から AI 画像を生成します。画質の高い pro モデルと、より高速で安価な flash モデルから選び、解像度とアスペクト比を指定し、必要に応じてスタイル指定用の参考画像を渡せます。画像はローカルファイルとして返されるか、会話内にインライン表示されます。

トリガー

/image-gen でこの Skill を呼び出すか、次のいずれかのフレーズを使用します：

フレーズ	言語
`generate an image` / `generate image`	英語
`draw` / `visualize` / `create picture`	英語
`生成图片` / `画一张`	中国語
`AI图` / `配图`	中国語

利用するには ListenHub Skills のインストールが必要です — はじめにを参照してください。

Generate an image: cyberpunk city at night, 16:9, 2K

AI は 1 問ずつ好みを聞き取り、内容をまとめて確認を取ったうえで、画像を生成します。

パラメータ	選択肢	デフォルト
モデル	🍌 `pro`（`gemini-3-pro-image`、画質が高い、推奨）、⚡️ `flash`（`gemini-3.1-flash-image`、より速く安価、極端なアスペクト比が使える）	—
解像度	`1K`、`2K`（推奨）、`4K`	—
アスペクト比	`16:9`、`1:1`、`9:16`、`2:3`、`3:2`、`3:4`、`4:3`、`21:9`。`flash` は `1:4`、`4:1`、`1:8`、`8:1` にも対応	—
参考画像	最大 5 枚、ローカルファイルまたは画像 URL で指定	なし

どちらのモデルも Google Gemini の画像モデルです。画質と速度のどちらを取るか、そしてどのアスペクト比が必要かで選んでください。

モデル	モデル ID	使いどころ
🍌 `pro`	`gemini-3-pro-image`	最高の画質とディテールがほしいとき。推奨のデフォルトです。
⚡️ `flash`	`gemini-3.1-flash-image`	より速く安く生成したいとき、または極端なアスペクト比（`1:4`、`4:1`、`1:8`、`8:1`）が必要なとき。

4 つの極端なアスペクト比 — 1:4（細長い縦）、4:1（横長）、1:8（極端な縦長）、8:1（パノラマ） — は flash モデルのみで使えます。8 つの標準比はどちらのモデルでも使えます。

クレジット消費をハードコードしないでください — モデル、解像度、アカウントによって変わります。生成前に費用を確認するには、estimate-credits エンドポイントを参照してください。

良いプロンプトは次の要素を押さえています：

基本：

a cat sitting on a windowsill

より良い例：

a fluffy orange tabby cat sitting on a sunny windowsill, warm afternoon light, cozy interior, highly detailed, photorealistic

スタイル	キーワード
写実	photorealistic, highly detailed, 8K, professional photography
サイバーパンク	neon lights, futuristic, dystopian, rain-slicked streets
水墨画	Chinese ink painting, traditional art style, brush strokes
水彩	watercolor painting, soft edges, flowing colors
アニメ	anime style, Japanese animation, cel shading
ミニマル	minimalist, clean lines, simple composition, white space

プロンプトは必ず英語で書いてください — 画像モデルは英語の記述で学習されています。英語以外（日本語など）で書いた場合は、AI が自動で翻訳します。

AI はデフォルトでプロンプトをそのまま渡します。拡張を提案するのは、次の場合だけです：

拡張を受け入れると、AI はスタイル・光・構図のディテールを補い、送信前に拡張後のプロンプトを見せます。たとえば "cyberpunk" は "neon lights, futuristic, dystopian, rain-slicked streets" になります。

すでに長く、詳細で、構造化されたプロンプトを AI が書き換えることはありません — あなたを経験者として扱います。「このプロンプトをそのまま使って」のように伝えた場合も、書かれたとおりに残します。

参考画像が AI に伝えるのはスタイルであって、内容ではありません。画像に何が写るかは引き続きプロンプトが決めます。1 回のリクエストで最大 5 枚まで指定でき、ローカルファイルと URL を混在させられます。

対応フォーマット：jpg、png、webp、gif。1 ファイルあたり最大 10 MB。

この Skill はローカルのファイルパスをそのまま受け付けます。AI が参考画像について尋ねてきたらパス（例：./sketch.png）を渡してください — AI がファイルをアップロードします。画像ホスティングは不要です。

同じリクエストの中でローカルファイルと URL を混在させられます — たとえばローカルのスケッチ 1 枚と、ホストされた写真 1 枚といった具合です。

画像生成 API を直接呼び出す場合は、inlineData フィールドで参考画像を base64 エンコードしたデータとして渡すこともできます — 画像ホスティングは不要です。すでに画像をメモリ上に持っているプログラム的なワークフローで便利です。

各参考画像は fileData（URL）と inlineData（base64）のどちらか一方だけを使う必要があり、両方は指定できません。リクエスト形式とコード例は API リファレンスを参照してください。

出力の挙動は、設定時に指定した outputMode に従います：

出力モードは、AI が現在の設定を表示したときに「再設定」と伝えれば、いつでも変更できます。

エンドポイントの詳細、リクエストパラメータ、provider/model のマトリクス、コード例は画像生成 API リファレンスを参照してください。