自分で試す価値がある理由
14枚の参照画像は極端なケースです。日常利用ではまず遭遇しないかもしれませんが、複数の独立して設計された要素を1つの合成物(ポスターやキャンペーンビジュアル)にまとめる必要があるなら、次の2点を確認する必要があります。- 呼び出しは実際に成功するか? 14枚の画像を重ねるとリクエスト本文がかなり大きくなりますが、大きすぎるとして拒否されないでしょうか?
- 融合結果は妥当か? これだけ多くの入力画像があると、モデルが一部を落としたり、要素を誤った場所に配置したり、混同したりしないでしょうか?
方法1: オブジェクトマーカー・テスト(まずこれを行います)
考え方: 複雑な現実世界のシーンの代わりに、視覚的に明確に異なり、個別に数えられるN枚のカードを生成します。最もシンプルな形は1から14までの数字です。次に、モデルにそれらを1枚の画像にコラージュ/融合するよう依頼します。- 各カードに、まったく異なる配色と素材スタイル(ネオンチューブ、ブラッシュドメタル、チョークの手書き、ピクセルアート、彫刻木材…)を与えて、融合後の結果ですべての数字が、色とスタイルだけで元のカードまでたどれるようにします;
- 融合後は、目視で確認するだけです。14個の数字がすべて含まれていて、重複も欠落もないか? 「見栄えが良いか」を判断する必要はありません。見るべきなのは「完全で正しいか」だけです。

14 visually distinct number cards fused into a single poster: 1–14 all clearly legible, each retaining the color and material style of its source image
方法 2: 実シナリオ分解テスト
アイデア: 生成したい実際のシーンを N 個の独立した要素に分解して別々に生成し、その後、モデルにそれらを1つのシーンへ再統合させます。これは実際の用途により近く、たとえばキャラクター、衣装、小道具、背景を別々に管理してから、最終的なショットを合成するようなケースです。 例として、私たちはファッション・エディトリアルのシーンを 14 個の独立した要素に分解しました。モデルのポートレート、アウター、車両、背景、ペット/アクセサリー、バッグ、ジュエリー、履物、荷物などです。各要素は、統一されたスタイル基準(たとえば、すべて「薄いグレーのスタジオ背景、リアルな写真表現」を背景に撮影)で、単独の画像として生成しています。
14 independently generated fashion elements (model, outfit, car, pet, bag, accessories, etc.) fused into a single fashion editorial scene — all elements present, composition coherent
リクエスト形式: 14枚の画像を1回のリクエストに収める
Gemini のネイティブ形式では、マルチ画像融合のルールはシンプルです: 1つのtextパート(融合指示)+ N 個のinlineDataパート(参照画像1枚につき1つ)。各パートは text または inlineData のどちらか一方しか指定できず、両方を同時には指定できません。
parts の構造、よくあるエラー)については、Image Edit API リファレンス と Nano Banana シリーズ開発ガイド を参照してください。
お客様が最も気にする疑問: 大きなリクエストは拒否されるのか?
圧縮していない元画像を14枚送ると、リクエスト本文は確かにかなり大きくなります。実際の数値でテストしたところ、実測では次のとおりでした(2K解像度の画像14枚、圧縮なし):APIYIの1リクエストあたりの画像ペイロード上限は100MBです(過剰なメモリ使用を避けるための同期呼び出しの場合)。1枚の画像はGoogleの公式ルールどおり、7MB以下である必要があります。今回の2K画像14枚は合計42~43MBで、どちらの上限にも十分収まっていたため、呼び出しは問題なく通りました。
画像が返ってこない場合は、まず安全性ブロックを確認してください
マルチ画像の融合タスクでは、finishReason: IMAGE_SAFETY に遭遇することがあります(HTTP ステータスは 200 のままですが、content.parts は空です)。テストでは、まったく同じ入力を 1 回か 2 回再試行すると成功することがよくあります。この種のブロックにはある程度のランダム性があり、必ずしも入力に実際の問題があるとは限りません。
クイックリファレンス
- Google の公式上限は1リクエストあたり 14 枚の参照画像です。APIYI は完全サポートを確認済みで、呼び出しは成功し、フュージョン結果も整合性があります。
- 自分でテストする場合は、両方の方法を実行してください。数字カードテストで完全性を検証し、実シナリオ分解テストでフュージョン品質を検証します。
- 2K の元画像 14 枚は合計で約 40MB です。APIYI の 100MB のリクエスト上限と Google の 画像ごとの 7MB 制限のどちらにも十分収まるため、拒否されません。処理を速くするためにも、圧縮は引き続き推奨です。
- マルチ画像リクエストの構成は、1 つの text 部分 + N 個の inlineData 部分です。同じ部分に両方を含めないでください。
IMAGE_SAFETY付きで空の画像が返ってきた場合は、まず 1〜2 回再試行してください。成功することが多く、ブロックされた画像は課金されません。