genimages – generowanie obrazów za pomocą Google Gemini przy użyciu API

genimages to skrypt w Pythonie, który automatyzuje generowanie obrazów za pomocą modeli AI Google Gemini. Wystarczy przygotować plik z opisami (promptami), a program sam wysyła zapytania do API Google i zapisuje gotowe obrazy na dysku.

GitHub: github.com/IgorBrzezek/genimages

Do czego służy genimages?

Genimages rozwiązuje problem ręcznego generowania większej liczby obrazów za pomocą AI. Zamiast każdorazowo wchodzić na stronę Gemini i wpisywać opisy, przygotowujesz plik z promptami, a skrypt robi resztę. Przydaje się w wielu scenariuszach:

• Tworzenie treści – szybkie generowanie grafik do artykułów, prezentacji lub mediów społecznościowych.
• Prototypowanie – tworzenie różnych koncepcji wizualnych dla projektów graficznych.
• Badania i rozwój – eksperymentowanie z różnymi promptami i modelami, aby poznać możliwości generowania obrazów przez AI.
• Przetwarzanie wsadowe – generowanie dużej liczby obrazów bez ręcznej interwencji.

Jak to działa – mechanizm wewnętrzny

Skrypt wczytuje plik wejściowy w formacie TXT lub JSON, wyodrębnia z niego opisy (prompty) i dla każdego z nich wywołuje API Google Gemini. Obrazy są pobierane z odpowiedzi API i zapisywane na dysku we wskazanym formacie (PNG lub JPG) oraz w wybranej rozdzielczości. Program obsługuje:

• mechanizm ponawiania nieudanych generacji (domyślnie 3 próby),
• opóźnienie między zadaniami, aby uniknąć limitów API,
• tryb wsadowy (cichy) z wymuszonym nadpisywaniem plików,
• szczegółowe podsumowanie na końcu działania (liczba sukcesów, błędów, czas, średni rozmiar pliku).

Wymagania

• Python 3.8 lub nowszy
• Projekt w Google Cloud z włączonym API Gemini
• Klucz API do Google Gemini

Instalacja

Wymagane biblioteki

Skrypt wymaga bibliotek google-genai, python-dotenv oraz Pillow.

Instalacja na Linux/macOS:

pip install google-genai python-dotenv Pillow

Instalacja na Windows:

pip install google-genai python-dotenv Pillow

Konfiguracja klucza API

Skrypt wymaga klucza API do uwierzytelnienia w usługach Google AI. Można go skonfigurować na dwa sposoby:

1. Zmienna środowiskowa (zalecane):

Linux/macOS:

export GEMINI_API_KEY="TWOJ_KLUCZ_API"

Windows (Command Prompt):

set GEMINI_API_KEY="TWOJ_KLUCZ_API"

2. Własna nazwa zmiennej środowiskowej:

export MOJA_NAZWA="TWOJ_KLUCZ_API"
python genimages.py -i prompty.txt --keyenv MOJA_NAZWA

Użycie

python genimages.py [OPCJE]

Podstawowe użycie

Należy podać plik wejściowy z promptami:

python genimages.py -i prompty.json

To polecenie wczyta prompty z pliku prompty.json, wygeneruje obrazy przy użyciu domyślnego modelu (gemini-3-pro-image-preview) i zapisze je w nowym katalogu prompty/ w formacie JPG.

Formaty plików wejściowych

Użyj opcji -t lub --type, aby określić format pliku. Domyślnie jest to json.

Plik tekstowy (.txt) – każdy prompt w osobnej linii. Puste linie są pomijane. Nazwa pliku może być wyodrębniona z frazy Nazwa pliku: XXX. Jeśli fraza nie występuje, używane są domyślne nazwy image_001, image_002 itd.

Przykład prompty.txt:

Lew o wschodzie słońca na sawannie. Luźna akwarela. Nazwa pliku: lew_sawanna
Astronauta na koniu na Marsie. Nazwa pliku: mars_horse
Futurystyczne miasto nocne z latającymi samochodami. Nazwa pliku: future_city

Plik JSON (.json) – słownik, w którym klucze to nazwy plików (bez rozszerzenia), a wartości to prompty.

Przykład prompty.json:

{
"lew_sawanna": "Lew o wschodzie słońca na sawannie. Luźna akwarela.",
"mars_horse": "Astronauta na koniu na Marsie.",
"future_city": "Futurystyczne miasto nocne z latającymi samochodami."
}

Opcje wiersza poleceń – szczegółowy opis

Opcja	Opis	Domyślnie
-i / --input	Ścieżka do pliku wejściowego z promptami	–
-t / --type	Format pliku wejściowego: txt lub json	json
-o / --output-dir	Katalog docelowy dla wygenerowanych obrazów	Nazwa pliku wejściowego bez rozszerzenia
--imgpat	Wzór nazwy pliku z numeracją sekwencyjną (np. obraz_001.jpg)	Nazwa oryginalna
--fmt	Format pliku wyjściowego: png lub jpg	jpg
--delay	Opóźnienie (w sekundach) między kolejnymi generacjami	1
--model	Model AI używany do generowania obrazów	gemini-3-pro-image-preview
--list	Wyświetla dostępne modele do generowania obrazów	–
--keyenv	Nazwa zmiennej środowiskowej z kluczem API	GEMINI_API_KEY
--color	Kolorowe wyjście (czerwony – błędy, zielony – sukces, żółty – ostrzeżenia)	wyłączone
--overwrite	Wymusza nadpisywanie istniejących plików bez pytania	pyta
--stat	Podsumowanie na końcu działania; opcjonalnie --stat err wyświetla listę nieudanych	wyłączone
--ret	Liczba prób ponowienia nieudanych generacji	3
--res	Rozdzielczość: preset 1k/2k/4k lub WYSOKOŚĆ SZEROKOŚĆ	1408 768
--genkeyenv	Ustawia zmienną środowiskową GEMINI_API_KEY z podaną wartością	–
-b / --batch	Tryb wsadowy – cichy, z wymuszonym nadpisywaniem	wyłączone
--testprice	Szacuje koszt generowania obrazów bez faktycznego uruchamiania	wyłączone
--debug	Szczegółowe informacje debugowania	wyłączone

Rozdzielczość – opcja –res

Opcja --res pozwala wybrać rozdzielczość generowanych obrazów:

Wartość	Rozdzielczość
1k	1024 x 1024
2k	2048 x 2048
4k	4096 x 4096
SZEROKOŚĆ WYSOKOŚĆ	Dowolna, np. 1920 1080

Listowanie dostępnych modeli

Aby wyświetlić listę modeli obsługujących generowanie obrazów:

python genimages.py --list

Szacowanie kosztów

Przed faktycznym uruchomieniem można oszacować koszt generowania:

python genimages.py -i prompty.json --testprice

Przykłady użycia

1. Domyślne uruchomienie

python genimages.py -i prompty.json

Generuje obrazy w formacie JPG, domyślna rozdzielczość 1408×768, w katalogu prompty/.

2. Generowanie z pliku tekstowego do własnego katalogu

python genimages.py -i moje_prompty.txt -t txt -o moje_obrazy --fmt png --stat

Wczytuje prompty z pliku tekstowego, zapisuje jako PNG w katalogu moje_obrazy/, na końcu wyświetla podsumowanie.

3. Własny wzór nazewnictwa i opóźnienie

python genimages.py -i prompty.json --imgpat "projekt" --delay 3 --color

Generuje pliki projekt_001.jpg, projekt_002.jpg itd. z 3-sekundowym opóźnieniem i kolorowym wyjściem.

4. Rozdzielczość 2K z wymuszonym nadpisywaniem

python genimages.py -i prompty.json --res 2k --overwrite

5. Wybór modelu

python genimages.py --list
python genimages.py -i pojedynczy_prompt.txt -t txt --model gemini-1.5-flash-latest

6. Tryb wsadowy

python genimages.py --genkeyenv TWOJ_KLUCZ -i prompty.json --batch

7. Szacowanie kosztów

python genimages.py -i prompty.json --testprice --model gemini-1.5-pro-latest

Podsumowanie

Genimages to praktyczne narzędzie dla każdego, kto regularnie korzysta z AI do generowania obrazów i chce zautomatyzować ten proces. Dzięki obsłudze dwóch formatów plików wejściowych (TXT i JSON), elastycznym opcjom nazewnictwa, regulacji rozdzielczości, mechanizmowi ponawiania oraz szczegółowemu podsumowaniu, skrypt sprawdzi się zarówno w codziennej pracy, jak i w zautomatyzowanych pipeline’ach.

Wbudowana obsługa klucza API przez zmienną środowiskową oraz opcjonalny tryb wsadowy czynią go łatwym do zintegrowania z istniejącymi procesami. Funkcja szacowania kosztów pozwala kontrolować wydatki przed faktycznym uruchomieniem generacji.

Źródła: github.com/IgorBrzezek/genimages