Gemini大模型可以实现类似deepseek或者豆包，实现聊天、图片生成、抠图、图片处理、OCR等。这里简单实现聊天、生图、抠图、还有图像处理。
一、前期准备
1.首先去https://aistudio.google.com/prompts/new_chat注册创建项目得到API key。建议将密钥存储在环境变量中。
2.添加build.gradle配置
Kotlin
dependencies {
implementation 'com.google.ai.client.generativeai:generativeai:0.9.0'
implementation 'com.squareup.okhttp3:okhttp:5.3.2'
implementation 'com.google.code.gson:gson:2.13.2'
}3.测试API key是否可用，并获取大模型所有支持大模型。
Kotlin
private const val BASE_URL = "https://generativelanguage.googleapis.com/v1beta"
/**
* 判断API Key是否有效
*/
suspend fun testApiKey(): Boolean = withContext(Dispatchers.IO) {
try {
val request = Request.Builder()
.url("$BASE_URL/models?key=$apiKey")
.get()
.build()
val response = okHttpClient.newCall(request).execute()
val responseBody = response.body?.string()
val json = Gson().fromJson(responseBody, JsonObject::class.java)
val models = json.getAsJsonArray("models")
models.forEach { model ->
val name = model.asJsonObject.get("name").asString
val displayName = model.asJsonObject.get("displayName")?.asString ?: ""
val supportedMethods = model.asJsonObject.get("supportedGenerationMethods")?.asJsonArray
println("Model: $name")
println(" Display: $displayName")
println(" Methods: $supportedMethods")
println("---")
}
Log.e("GeminiApiClient", "code =${response.code} ")
response.isSuccessful
} catch (e: Exception) {
Log.e("GeminiApiClient", "Error testing API key: $e")
false
}
}二、实现聊天功能
聊天我们可以使用gemini-2.5-flash模型，可以一次性显示返回内容，也可以按流式显示，对reader数据做处理即可
Kotlin
val requestBody = buildRequestBody(systemInstruction, messages, temperature)
// 使用 streamGenerateContent 端点（流式）
val request = Request.Builder()
.url("$BASE_URL/models/$MODEL_GEMINI_2_5_FLASH:streamGenerateContent?key=$apiKey")
.post(requestBody.toRequestBody(jsonMediaType))
.build()
val response = okHttpClient.newCall(request).execute()
if (!response.isSuccessful) {
val errorBody = response.body.string()
throw Exception("API Error: $errorBody")
}
val reader = response.body.byteStream().bufferedReader()三、实现生图功能
生图我们可以使用imagen-4.0-fast-generate-001模型，可以输入提示词、生成图片的张数、比例等。
Kotlin
/**
* 使用 Imagen 模型生成图片
* @param prompt 描述词
* @param sampleCount 生成图片的数量
* @return 生成的 Bitmap 列表
*/
suspend fun generateImages(
prompt: String,
sampleCount: Int = 1
): List<Bitmap> = withContext(Dispatchers.IO) {
// 1. 构建请求对象 (这里使用 Gson 序列化，需确保已引入)
val imagenRequest = ImagenRequest(
instances = listOf(PromptInstance(prompt)),
parameters = ImagenParameters(sampleCount = sampleCount)
)
val requestJson = Gson().toJson(imagenRequest)
// 2. 构建 Request
// 注意：Imagen 3 属于 Vertex AI 体系，其 URL 格式与 Gemini API Key 略有不同
// 如果你使用的是 Google AI Studio 的 API Key，通常使用以下 Endpoint：
val url = "$BASE_URL/models/imagen-4.0-fast-generate-001:predict?key=$apiKey"
// val url = "https://generativelanguage.googleapis.com/v1beta/models/imagen-3:predict?key=$apiKey"
val request = Request.Builder()
.url(url)
.post(requestJson.toRequestBody("application/json".toMediaType()))
.build()
// 3. 执行请求
val response = okHttpClient.newCall(request).execute()
val responseBody = response.body?.string() ?: throw Exception("Empty response from Imagen")
if (!response.isSuccessful) {
throw Exception("Imagen API Error: $responseBody")
}
// 4. 解析响应并转换为 Bitmap
val result = Gson().fromJson(responseBody, ImagenResponse::class.java)
val bitmaps = mutableListOf<Bitmap>()
result.predictions?.forEach { prediction ->
val imageBytes = Base64.decode(prediction.bytesBase64Encoded, Base64.DEFAULT)
val bitmap = BitmapFactory.decodeByteArray(imageBytes, 0, imageBytes.size)
if (bitmap != null) {
bitmaps.add(bitmap)
}
}
if (bitmaps.isEmpty()) throw Exception("No images generated or parsing failed")
bitmaps
}效果
四、实现图片风格化
图像风格化我们可以使用gemini-3.1-flash-image-preview模型来实现，需要注意的是传入的图片不能太大，需要做缩放处理再传入
Kotlin
/**
* 使用 Imagen 模型转换图片风格 (Image-to-Image)
* @param sourceBitmap 原图 Bitmap
* @param stylePrompt 目标风格描述词，例如 "Van Gogh style"
* @return 转换风格后的 Bitmap
*/
suspend fun transformImageStyle(
sourceBitmap: Bitmap,
stylePrompt: String
): Bitmap = withContext(Dispatchers.IO) {
// 1. 压缩并转 Base64
val scaledBitmap = scaleBitmapDown(sourceBitmap, 1024)
val baos = ByteArrayOutputStream()
scaledBitmap.compress(Bitmap.CompressFormat.JPEG, 85, baos)
val sourceBase64 = Base64.encodeToString(baos.toByteArray(), Base64.NO_WRAP)
if (scaledBitmap != sourceBitmap) scaledBitmap.recycle()
// 2. 构造 generateContent 格式的 JSON
// 注意：这里的 URL 结尾是 generateContent 而不是 predict
val rootJson = JSONObject().apply {
val contents = JSONArray().apply {
put(JSONObject().apply {
val parts = JSONArray().apply {
// 指令：要求模型根据原图生成特定风格的新图
put(JSONObject().put("text", "请参考这张图片的构图和内容，将其转换为${stylePrompt}风格。请直接输出处理后的图片数据。"))
put(JSONObject().apply {
put("inlineData", JSONObject().apply {
put("mimeType", "image/jpeg")
put("data", sourceBase64)
})
})
}
put("parts", parts)
})
}
put("contents", contents)
// 设置参数：生图任务建议温度低一点，保持稳定性
put("generationConfig", JSONObject().apply {
put("temperature", 0.4)
})
}
// 3. 构建请求 - 切换模型到支持图进图出的 Nano Banana 2
val url = "$BASE_URL/models/gemini-3.1-flash-image-preview:generateContent?key=$apiKey"
val request = Request.Builder()
.url(url)
.post(rootJson.toString().toRequestBody("application/json".toMediaType()))
.build()
// 4. 执行请求
val response = okHttpClient.newCall(request).execute()
val responseBody = response.body?.string() ?: throw Exception("Empty response")
if (!response.isSuccessful) {
throw Exception("API Error: $responseBody")
}
// 5. 解析多模态响应
// 注意：generateContent 返回的结构与 predict 不同
val responseJson = JSONObject(responseBody)
val candidates = responseJson.optJSONArray("candidates")
val firstCandidate = candidates?.optJSONObject(0)
val parts = firstCandidate?.optJSONObject("content")?.optJSONArray("parts")
Log.d(TAG, "transformImageStyle responseJson: $responseJson")
// 遍历 Part 寻找返回的 inlineData (图片)
var resultBase64: String? = null
if (parts != null) {
for (i in 0 until parts.length()) {
val part = parts.optJSONObject(i)
val inlineData = part?.optJSONObject("inlineData")
if (inlineData != null) {
resultBase64 = inlineData.optString("data")
break
}
}
}
if (resultBase64.isNullOrEmpty()) {
throw Exception("模型没有返回处理后的图片，请检查模型能力或 Prompt。")
}
// 6. 解码为 Bitmap
val imageBytes = Base64.decode(resultBase64, Base64.DEFAULT)
BitmapFactory.decodeByteArray(imageBytes, 0, imageBytes.size) ?: throw Exception("Decode failed")
}
/**
* 辅助函数：将 Bitmap 等比例缩放到指定最大尺寸以下，防止 Base64 过大
*/
private fun scaleBitmapDown(bitmap: Bitmap, maxDimension: Int): Bitmap {
val width = bitmap.width
val height = bitmap.height
if (width <= maxDimension && height <= maxDimension) {
return bitmap
}
val aspectRatio = width.toFloat() / height.toFloat()
val newWidth: Int
val newHeight: Int
if (width > height) {
newWidth = maxDimension
newHeight = (maxDimension / aspectRatio).toInt()
} else {
newHeight = maxDimension
newWidth = (maxDimension * aspectRatio).toInt()
}
return bitmap.scale(newWidth, newHeight)
}原图
实现效果
五、实现抠图
我们可以使用gemini-3.1-flash-image-preview模型实现抠图功能
Kotlin
/**
* 使用 Gemini 3.1 Flash Image (Nano Banana 2) 实现智能抠图 (主体提取)
* @param sourceBitmap 原图 Bitmap
* @return 提取出的前景主体 Bitmap
*/
suspend fun extractForeground(
sourceBitmap: Bitmap
): Bitmap = withContext(Dispatchers.IO) {
// 1. [关键步骤] 压缩并转 Base64 (NO_WRAP 必不可少)
// 抠图通常需要较高细节，可以将最大尺寸设为 1024 或保持原大
val scaledBitmap = scaleBitmapDown(sourceBitmap, 1024)
val baos = ByteArrayOutputStream()
// 使用 JPEG 压缩上传，节省流量
scaledBitmap.compress(Bitmap.CompressFormat.JPEG, 90, baos)
val sourceBase64 = Base64.encodeToString(baos.toByteArray(), Base64.NO_WRAP)
if (scaledBitmap != sourceBitmap) scaledBitmap.recycle()
// 2. [关键修改] 构建针对抠图任务的多模态请求体
val extractionPrompt = "请分析这张图片，准确识别并提取出图中的主要前景主体（例如人、动物、物体）。将主体之外的所有背景区域替换为纯白色（或者是透明背景，如果支持）。请直接输出处理后的图片数据。"
val generateRequest = GeminiGenerateRequest(
contents = listOf(
ContentItem(
parts = listOf(
// Prompt Part
GeminiPart(text = extractionPrompt),
// Image Part
GeminiPart(inlineData = InlineData(data = sourceBase64))
)
)
)
)
val requestJson = Gson().toJson(generateRequest)
// 3. 构建 Request - 使用专用网络 URL 结尾：generateContent
val url = "$BASE_URL/models/gemini-3.1-flash-image-preview:generateContent?key=$apiKey"
val request = Request.Builder()
.url(url)
.post(requestJson.toRequestBody("application/json".toMediaType()))
.build()
// 4. 执行请求
val response = okHttpClient.newCall(request).execute()
val responseBody = response.body?.string() ?: throw Exception("Empty response from API")
if (!response.isSuccessful) {
throw Exception("API Error: $responseBody")
}
// 5. [关键修改] 解析 generateContent 响应结构
val result = Gson().fromJson(responseBody, GeminiGenerateResponse::class.java)
val parts = result.candidates?.firstOrNull()?.content?.parts
// 寻找返回的图片 Part
var resultBase64: String? = null
parts?.forEach { part ->
if (part.inlineData != null) {
resultBase64 = part.inlineData.data
return@forEach
}
}
if (resultBase64.isNullOrEmpty()) {
throw Exception("API 没有返回抠图结果，可能主体识别失败。")
}
// 6. 解码为 Bitmap
val imageBytes = Base64.decode(resultBase64, Base64.DEFAULT)
val resultBitmap = BitmapFactory.decodeByteArray(imageBytes, 0, imageBytes.size)
?: throw Exception("Failed to decode result image")
resultBitmap
}实现效果
六、扩展功能
除上述功能外，Gemini 模型还支持：
-
视频生成：基于图文描述生成短视频内容
-
多模态理解：同时分析图像、文本、视频等多种输入
-
视觉问答：基于图片内容进行问答交互
你可以根据实际需求进一步探索和扩展。