项目地址: https://github.com/Yiling-J/tablepilot

Example 1: 生成菜谱以及对应的成品图片和食材图片
https://github.com/Yiling-J/tablepilot/tree/main/examples/recipes_with_image
Example 2: 基于现有图片生成模特穿戴预览图片
https://github.com/Yiling-J/tablepilot/tree/main/examples/outfit_preview
图片生成基于gemini-2.0-flash-exp-image-generation, 有以下几点需要注意:
- 处于测试阶段,免费且额度较高(10RPM 1500 req/day)
- 今天开始
gemini-2.0-flash-exp-image-generation新增 ip 地区限制,个人测试日本/欧洲 ip 使用该模型都会 404 ,最好用美国 ip - 和 gpt4o 一样,
gemini-2.0-flash-exp-image-generation为原生图片生成,有更好的 prompt 理解能力。 - API 稳定性较差,经常会出现 overload 的情况
- 图片质量相比 gpt4o 差挺多,而且幻觉较严重 (个人测试结果及相关论文结果, 参考 5.1 部分: https://arxiv.org/pdf/2504.02782 )。但某些场景还是不错的,比如例子里的生成真实菜谱图片