قابلیت‌های جدید تولید و ویرایش تصویر: Gemini 2.5 Flash Image Preview و گسترش پشتیبانی ویرایش تصویر

تاریخ: 1404-06-05 / (2025-08-26)

به‌روزرسانی (1404-07-17 / 2025-10-09): مدل پیش‌نمایش با نسخه پایدار gemini-2.5-flash-image جایگزین شده است. مدل پیش‌نمایش (gemini-2.5-flash-image-preview) به زودی منسوخ خواهد شد. لطفا برای استفاده در محیط تولید به نسخه پایدار مهاجرت کنید.

خلاصه

AvalAI اکنون از جدیدترین مدل پیشرفته تولید تصویر گوگل، Gemini 2.5 Flash Image Preview، همراه با قابلیت‌های گسترده ویرایش تصویر از طریق endpoint مسیر v1/images/edits برای هفت مدل دیگر شامل مدل‌های Stability AI و Imagen پشتیبانی می‌کند.

---

جزئیات

ما دو بهبود عمده در قابلیت‌های تولید و ویرایش تصویر خود را اعلام می‌کنیم که به توسعه‌دهندگان گزینه‌های قدرتمند و انعطاف‌پذیرتری برای برنامه‌های مبتنی بر هوش مصنوعی ارائه می‌دهد.

Google Gemini 2.5 Flash Image Preview

Google

• gemini-2.5-flash-image-preview (منسوخ - از gemini-2.5-flash-image استفاده کنید): جدیدترین مدل پیشرفته تولید تصویر گوگل از خانواده Gemini 2.5، دارای قابلیت‌های برتر تولید و ویرایش تصویر با پشتیبانی از تبدیل متن به تصویر و تصویر به تصویر. مستندات

ویژگی‌های کلیدی:

• محدودیت توکن ورودی/خروجی: هر کدام 32,768 توکن
• انواع داده پشتیبانی شده: ورودی و خروجی تصویر و متن
• قابلیت‌ها: تولید تصویر، خروجی‌های ساختاریافته، کش کردن
• برش دانش: ژوئن 2025
• دسترسی API: از طریق v1/chat/completions و v1beta بومی در دسترس است

Python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

# تولید تصویر از متن
response = client.chat.completions.create(
    model="gemini-2.5-flash-image-preview",
    messages=[
        {
            "role": "user",
            "content": "تصویری فتورئالیستی از منظره کوهستانی با دریاچه‌ای که غروب خورشید را منعکس می‌کند، به سبک نقاشی منظره رمانتیک",
        }
    ],
    modalities=["image", "text"],
)

# Image is now available in the response
image_url = response.choices[0].message.images[0]["image_url"]["url"]
content = (
    response.choices[0].message.content.strip()
    if response.choices[0].message.content
    else None
)

# پردازش داده تصویر برگشت داده شده
header, base64_data = image_url.split(",", 1)
ext = header.split(";")[0].split("/")[1]

import base64

image_bytes = base64.b64decode(base64_data)
with open(f"generated_image.{ext}", "wb") as f:
    f.write(image_bytes)
print(f"✅ تصویر با نام generated_image.{ext} ذخیره شد")

# Print any text response that came with the image
if content:
    print(f"پاسخ مدل: {content}")

JavaScript

import { OpenAI } from "openai";

const client = new OpenAI({
 apiKey: process.env.AVALAI_API_KEY,
 baseURL: "https://api.avalai.ir/v1",
});

// تولید تصویر از متن
const response = await client.chat.completions.create({
 model: "gemini-2.5-flash-image-preview",
 messages: [{
 role: "user",
 content: "تصویری فتورئالیستی از منظره کوهستانی با دریاچه‌ای که غروب خورشید را منعکس می‌کند، به سبک نقاشی منظره رمانتیک",
 }],
 modalities: ["image", "text"],
});

// Image is now available in the response
const imageUrl = response.choices[0].message.images[0].image_url.url;
const content = response.choices[0].message.content ? response.choices[0].message.content.trim() : null;

// پردازش داده تصویر برگشت داده شده
const [header, base64Data] = imageUrl.split(",", 2);
const ext = header.split(";")[0].split("/")[1];

const imageBytes = Buffer.from(base64Data, 'base64');
require('fs').writeFileSync(`generated_image.${ext}`, imageBytes);
console.log(`✅ تصویر با نام generated_image.${ext} ذخیره شد`);

// Print any text response that came with the image
if (content) {
 console.log(`پاسخ مدل: ${content}`);
}

گسترش پشتیبانی نقطه پایانی وبرایش تصویر

ما به طور قابل توجهی نقظه پایانی v1/images/edits را برای پشتیبانی از هفت مدل قدرتمند دیگر برای قابلیت‌های ویرایش تصویر گسترش داده‌ایم:

Stability AI

• stability.sd3-large-v1:0: مدل پیشرفته Stable Diffusion 3 برای ویرایش تصویر با کیفیت بالا
• stability.sd3-5-large-v1:0: جدیدترین مدل Stable Diffusion 3.5 با قابلیت‌های ویرایش بهبود یافته

Google

• imagen-3.0-generate-001: مدل Imagen 3.0 گوگل برای ویرایش و تولید پیچیده تصویر

Python

import requests
from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

# ویرایش تصویر موجود
with open("input_image.png", "rb") as image_file:
    response = client.images.edit(
        model="stability.sd3-5-large-v1:0",
        image=image_file,
        prompt="رنگین کمانی در آسمان بالای کوه‌ها اضافه کنید",
        size="1024x1024",
        n=1,
        response_format="url",  # or b64_json
    )

# ذخیره تصویر ویرایش شده
edited_image_url = response.data[0].url
edited_image = requests.get(edited_image_url)
with open("edited_image.png", "wb") as f:
    f.write(edited_image.content)

print("✅ تصویر ویرایش شد و با نام edited_image.png ذخیره شد")

JavaScript

import fs from 'fs';
import { OpenAI } from "openai";

const client = new OpenAI({
 apiKey: process.env.AVALAI_API_KEY,
 baseURL: "https://api.avalai.ir/v1",
});

// ویرایش تصویر موجود
const imageFile = fs.createReadStream("input_image.png");
const response = await client.images.edit({
 model: "stability.sd3-5-large-v1:0",
 image: imageFile,
 prompt: "رنگین کمانی در آسمان بالای کوه‌ها اضافه کنید",
 size: "1024x1024",
 n: 1,
 response_format: "url", // or b64_json
});

// ذخیره تصویر ویرایش شده
const editedImageUrl = response.data[0].url;
const imageResponse = await fetch(editedImageUrl);
const imageBuffer = await imageResponse.arrayBuffer();
fs.writeFileSync("edited_image.png", Buffer.from(imageBuffer));

console.log("✅ تصویر ویرایش شد و با نام edited_image.png ذخیره شد");

---

لینک‌های مرتبط

• راهنمای تولید و ویرایش تصاویر با Gemini 2.5 Flash Image Preview
• مستندات مدل Gemini 2.5 Flash Image Preview
• مرجع API تصاویر
• مرجع API Chat Completions
• پشتیبانی بومی API Gemini
• راهنمای تولید تصویر