Skip to main content
不少客戶會問:“你們支援的參考圖數量和官方一致嗎?” 谷歌官方 Gemini 影像模型的參考圖上限是每次請求最多 14 張,這也是目前業內能拿到的最高上限。答案是支援,但”支援”不該只是一句口頭承諾——本文給出一套你可以自己動手復現的測試方法,並附上一次真實的 14 圖融合實測結果。

為什麼值得自己測一遍

14 張參考圖是極限場景,實際業務裡未必天天用到,但一旦用到(比如把多個獨立設計的元素合成同一張海報/大片),你需要確認兩件事:
  1. 呼叫本身能不能成功:14 張圖疊在一起,請求體積會明顯變大,會不會因為體積過大被拒絕?
  2. 融合結果是否合理:這麼多張圖一起塞給模型,會不會丟圖、錯位、張冠李戴?
下面兩種方法,分別針對這兩個問題設計,且都不依賴主觀審美判斷——結果一眼就能看出對不對。

方法一:客觀標記法(推薦先做這個)

思路:不用複雜的業務場景,而是生成 N 張彼此風格迥異、內容可數的卡片(最簡單的是 1 到 14 的數字),再要求模型把它們拼貼/融合成一張圖。
  • 每張卡片用完全不同的配色和材質風格(比如霓虹燈管、拉絲金屬、粉筆字、畫素風、木刻雕花……),保證融合結果裡每個數字都能憑顏色和風格反查到對應的輸入圖
  • 融合後人眼一眼核對:1 到 14 是否全部出現、有沒有重複或缺失,不需要判斷”好不好看”,只需要判斷”全不全、對不對”。
14張創意數字卡片融合成一張3行5列網格海報,每個數字保留獨特配色和材質風格

14 張風格各異的數字卡片融合為一張海報:1–14 全部清晰可辨,顏色與材質與各自輸入圖一一對應

這套方法的價值在於排除干擾項:如果連”數字對不對”這種最基礎的核驗都能通過,說明模型確實在認真處理每一張輸入圖,而不是隨便挑幾張應付了事。

方法二:真實場景拆解法

思路:把你實際要用的業務場景,拆解成 N 個獨立元素分別生成,再要求模型把它們融合回同一個場景。這更貼近真實使用方式——比如角色、服裝、道具、背景分開管理,再合成一張成片。 以一個時尚大片場景為例,拆解成 14 個獨立元素:模特人像、外套、載具、背景板、寵物/配飾若干、包袋、飾品、鞋履、行李箱等,每個元素單獨生成一張圖,風格基調保持統一(比如都用”淺灰影棚背景、寫實攝影”)。
14個獨立時尚元素融合成一張完整的時尚大片場景,模特斜倚粉色轎車旁,鸚鵡、寵物犬、手提包等元素齊全

14個獨立生成的時尚元素(模特、服裝、轎車、寵物、包袋、飾品等)融合為同一張時尚大片,元素齊全、構圖協調

核驗重點:14 個元素是否全部入鏡、位置和比例是否協調、有沒有明顯的元素丟失或變形。真實場景的融合天然比”數字拼貼”更難(不同元素的光影、透視需要重新統一),所以這一步能更真實地反映複雜業務場景下的融合品質。
兩種方法建議都做:方法一負責回答”模型有沒有認真處理全部輸入圖”,方法二負責回答”複雜真實場景下融合是否夠用”。只做方法二,一旦出問題很難判斷是”模型沒看到某張圖”還是”構圖效果不理想”這兩類完全不同的問題。

請求格式:14 張圖怎麼塞進一次請求

Gemini 原生格式下,多圖融合的規則很簡單:一個 text part(融合指令)+ N 個 inlineData part(每張參考圖一個),每個 part 只能是 textinlineData 其中一種,不能混在一起。
更完整的多圖編輯格式說明(parts 結構、常見報錯)見 圖片編輯 API 參考Nano Banana 系列開發指南

客戶最關心的問題:圖片這麼多,請求會不會太大被拒絕

14 張原圖不壓縮直接傳,請求體積確實會明顯變大。我們實測過一組真實資料(14 張 2K 解析度的圖片,未做任何壓縮):
API易對單次請求的圖片總量上限是 100MB(同步呼叫,避免記憶體佔用過大);單張圖片則遵循谷歌官方規則,不超過 7MB。本次 14 張 2K 圖合計 42–43MB,在兩條規則的安全範圍內,因此順利呼叫成功。
結論:即便不壓縮,14 張 2K 參考圖通常也不會撞到體積上限。但壓縮仍然是推薦做法——不是因為不壓會被拒絕,而是壓縮後耗時明顯更短(實測同樣的融合任務,壓縮後請求耗時約為原圖直傳的 1/2 到 1/3,因為省去了大體積資料的網路傳輸和服務端解碼時間)。具體壓縮引數建議(長邊畫素、JPEG 品質、多圖合計體積目標)見 圖片壓縮與輸出解析度說明

遇到”沒出圖”,先看是不是安全攔截

多圖融合任務偶爾會命中 finishReason: IMAGE_SAFETY(HTTP 狀態碼仍是 200,但 content.parts 為空)。實測發現,同樣的輸入原樣重試 1-2 次,很可能就成功了——這類攔截存在一定隨機性,不代表輸入內容真的有問題。
安全攔截的圖片不計費,建議在業務程式碼裡對 IMAGE_SAFETY 做自動重試,而不是直接判定為失敗。更多錯誤型別(安全攔截、內容稽核、超時等)的識別和處理方式,見 Gemini 生圖 API 錯誤處理指南

速查總結

  • 谷歌官方上限每次請求最多 14 張參考圖,API易已驗證完全支援,實測呼叫成功、融合合理。
  • 自測時建議兩種方法都做:數字卡片法驗證”全不全”,真實場景拆解法驗證”合不合理”。
  • 14 張 2K 原圖合計約 40MB 級別,在 API易 100MB / 谷歌單圖 7MB 的限制範圍內不會被拒絕,但壓縮上傳耗時更短,仍是推薦做法。
  • 多圖請求的 parts 結構:1 個 text + N 個 inlineData,二者不能混在同一個 part 裡。
  • 遇到 IMAGE_SAFETY 空圖返回,先重試 1-2 次,往往就能成功,且不計費。

相關文件