Gemini 图像：多模态结构与生成准备
认识 Gemini 图像任务的多模态输入与内容块输出，整理提示词、素材和结果验收清单，并明确德他原生接口尚未开放。
作者：德他数据技术团队 · 更新于 2026-09-24
核心解答
Gemini 原生图像能力属于多模态内容交互，不等于只返回一个文本字段。德他当前未开放 Gemini 原生协议和多模态聊天；只有具体图片方案满足已核准的固定按张同步条件时，才能使用德他图片接口。
阅读范围与当前状态
本篇为完整的协议说明或接入准备指南，不代表所述原生、视频或扩展能力已在德他开放。真实调用以接口开放范围和具体模型的核准状态为准。
图像任务与文本任务的区别
一条图像任务可能包含文本说明和输入素材，结果也可能同时有说明文字与图像内容。应用必须按内容类型处理，不能把整个响应当作聊天文字显示。
组织生成需求
先写主体、场景、光线和构图，再写用途和排除项。例如：“制作一张科技展厅概念图，中央展示台、冷色灯光、清晰空间层次，画面右侧保留标题区域，不生成具体品牌。”
不要把“保持原图人物完全不变”作为无输入图片的纯文字任务验收要求。
结果处理方案
| 阶段 | 应用应检查的内容 |
| --- | --- |
| 输入准备 | 素材授权、敏感信息、任务目的 |
| 返回解析 | 区分文本与图像内容，检查是否真的有图 |
| 图像保存 | 核验文件格式与大小，使用受控存储 |
| 发布验收 | 内容正确性、品牌与人像授权、画面质量 |
这些是应用设计建议，不是德他新增的请求字段或已开放 API。
德他当前接入方式
Gemini 原生 generateContent、多模态消息和原生图像编辑未开放。不能直接把原厂 SDK 的主机地址替换成德他域名。如果模型广场中的某个图片方案已单独核准固定按张同步生成，可使用同步图片生成；否则先确认方案开放情况。
常见问题
为什么文本生成接口拒绝图片内容？
德他当前文本接口只接受字符串消息，不接收多模态内容块。
原厂文档能否直接作为德他调用示例？
不能。原厂说明可帮助理解能力，但接口、鉴权、参数与计费仍需平台适配。
关联文档：德他数据教程。本文按德他实际功能独立编写。