ai-world-sdk 1.0.10 → 1.0.11

package/README.md

@@ -248,8 +248,8 @@ const result3 = await aihubmixClient.generate({
   response_modalities: ['IMAGE'],
 });
 
-// 图像编辑（使用文本提示编辑图片）
-const editResult = await client.edit({
+// 单图输入（文本 + 单张图片，实现编辑效果）
+const editResult = await client.generate({
   prompt: 'Add a small wizard hat on the cat\'s head',
   image: 'data:image/png;base64,iVBORw0KGgo...', // base64 编码的图片数据或 data URL
   model: 'gemini-2.5-flash-image',
@@ -283,6 +283,7 @@ const secondResponse = await client.chat({
 |------|------|------|--------|
 | `prompt` | `string` | 图像生成提示词（必需） | - |
 | `model` | `string` | 模型名称 | `gemini-2.0-flash-exp-image-generation` |
+| `image` | `string \| string[]` | 输入图片（base64 或 data URL）。可以是单个图片或图片数组（多图输入） | - |
 | `aspect_ratio` | `string` | 宽高比 | - |
 | `image_size` | `string` | 图片大小（仅 gemini-3-pro-image-preview） | - |
 | `number_of_images` | `number` | 生成图片数量 | `1` |
@@ -290,6 +291,10 @@ const secondResponse = await client.chat({
 | `temperature` | `number` | 温度参数 | `0.7` |
 | `max_output_tokens` | `number` | 最大输出 token 数 | `1000` |
 
+**多图输入限制：**
+- `gemini-2.5-flash-image`: 最多支持 3 张输入图片
+- `gemini-3-pro-image-preview`: 最多支持 14 张输入图片（其中最多 5 张高保真图片）
+
 **支持的宽高比：** `1:1`, `2:3`, `3:2`, `3:4`, `4:3`, `4:5`, `5:4`, `9:16`, `16:9`, `21:9`
 
 **Provider 说明：**
@@ -304,11 +309,7 @@ const secondResponse = await client.chat({
 | `gemini-2.5-flash-image` | 1024px | 快速、高效、成本低 | 日常使用、批量生成 |
 | `gemini-3-pro-image-preview` | 1K/2K/4K | 专业级、高分辨率、高级功能 | 专业设计、高分辨率需求 |
 
-**图像编辑和多轮修改：**
-
-- **`edit()`** - 图像编辑：使用文本提示编辑图片，支持添加、移除或修改元素
-  - 需要提供输入图片（base64 编码或 data URL）
-  - 适用于单次编辑操作
+**多轮图片修改：**
 
 - **`chat()`** - 多轮图片修改：通过对话迭代式优化图片
   - 首次调用创建新的聊天会话，返回 `chat_id`
@@ -664,7 +665,7 @@ import { GeminiImageGenerationClient } from 'ai-world-sdk';
 
 const client = new GeminiImageGenerationClient({});
 
-// 使用 Gemini 2.5 Flash（快速模型）
+// 1. 文生图（仅文本提示）
 const result = await client.generate({
   prompt: 'A beautiful sunset over the ocean',
   model: 'gemini-2.5-flash-image',
@@ -677,8 +678,32 @@ if (result.text) {
   console.log('图像描述:', result.text);
 }
 
-// 使用 Gemini 3 Pro（专业模型，支持高分辨率）
+// 2. 单图输入（文本 + 单张图片）
 const result2 = await client.generate({
+  prompt: 'Create a picture of my cat eating a nano-banana in a fancy restaurant',
+  image: 'data:image/png;base64,iVBORw0KGgo...', // base64 编码的图片或 data URL
+  model: 'gemini-2.5-flash-image',
+  aspect_ratio: '16:9',
+});
+
+// 3. 多图输入（文本 + 多张图片）
+// gemini-2.5-flash-image 最多支持 3 张图片
+// gemini-3-pro-image-preview 最多支持 14 张图片
+const result3 = await client.generate({
+  prompt: 'An office group photo of these people, they are making funny faces.',
+  image: [
+    'data:image/png;base64,iVBORw0KGgo...', // 第一张图片
+    'data:image/png;base64,iVBORw0KGgo...', // 第二张图片
+    'data:image/png;base64,iVBORw0KGgo...', // 第三张图片
+  ],
+  model: 'gemini-3-pro-image-preview',
+  aspect_ratio: '5:4',
+  image_size: '2K',
+  response_modalities: ['IMAGE'],
+});
+
+// 4. 使用 Gemini 3 Pro（专业模型，支持高分辨率）
+const result4 = await client.generate({
   prompt: 'A futuristic city at night',
   model: 'gemini-3-pro-image-preview',
   aspect_ratio: '21:9', // 超宽屏
@@ -686,7 +711,7 @@ const result2 = await client.generate({
   response_modalities: ['IMAGE'], // 仅返回图片
 });
 
-console.log('4K 图像:', result2.data[0]?.b64_json ? 'Base64 编码' : result2.data[0]?.url);
+console.log('4K 图像:', result4.data[0]?.b64_json ? 'Base64 编码' : result4.data[0]?.url);
 ```
 
 ### 视频生成工作流

package/dist/__tests__/example.test.js

@@ -557,7 +557,7 @@ describe("Langchain SDK Tests", () => {
         expect(Array.isArray(message.content)).toBe(true);
         console.log("✅ HumanMessage with array content 测试成功");
     });
-    test("GeminiImageGenerationClient - 基础图像生成", async () => {
+    test("GeminiImageGenerationClient - 基础图像生成（文生图）", async () => {
         const imageClient = new index_1.GeminiImageGenerationClient({});
         const result = await imageClient.generate({
             prompt: 'A beautiful sunset over the ocean',
@@ -577,13 +577,72 @@ describe("Langchain SDK Tests", () => {
             expect(item).toBeDefined();
             expect(item.url || item.b64_json).toBeDefined();
         });
-        console.log("✅ GeminiImageGenerationClient 基础测试成功");
+        console.log("✅ GeminiImageGenerationClient 基础测试成功（文生图）");
         console.log(`生成图像数量: ${result.data.length}`);
         console.log("图像 URL:", result.data[0]?.url || ("Base64 编码" + result.data[0]?.b64_json));
         if (result.text) {
             console.log("图像描述:", result.text);
         }
     }, 120000);
+    test("GeminiImageGenerationClient - 单图输入图像生成", async () => {
+        const imageClient = new index_1.GeminiImageGenerationClient({});
+        // 先生成一张基础图片
+        const baseResult = await imageClient.generate({
+            prompt: 'A photorealistic picture of a fluffy ginger cat sitting on a wooden floor',
+            model: 'gemini-2.5-flash-image',
+            aspect_ratio: '1:1',
+            response_modalities: ['IMAGE'],
+        });
+        expect(baseResult.data.length).toBeGreaterThan(0);
+        const baseImage = baseResult.data[0]?.b64_json || baseResult.data[0]?.url;
+        expect(baseImage).toBeDefined();
+        // 使用生成的图片作为输入
+        const result = await imageClient.generate({
+            prompt: 'Using the provided image of my cat, please add a small, knitted wizard hat on its head',
+            image: baseImage,
+            model: 'gemini-2.5-flash-image',
+            aspect_ratio: '1:1',
+            response_modalities: ['IMAGE'],
+        });
+        expect(result).toBeDefined();
+        expect(result.data).toBeDefined();
+        expect(result.data.length).toBeGreaterThan(0);
+        console.log("✅ GeminiImageGenerationClient 单图输入测试成功");
+    }, 120000);
+    test("GeminiImageGenerationClient - 多图输入图像生成", async () => {
+        const imageClient = new index_1.GeminiImageGenerationClient({});
+        // 先生成两张基础图片
+        const baseResult1 = await imageClient.generate({
+            prompt: 'A professional headshot of a woman with brown hair and blue eyes',
+            model: 'gemini-2.5-flash-image',
+            aspect_ratio: '1:1',
+            response_modalities: ['IMAGE'],
+        });
+        const baseResult2 = await imageClient.generate({
+            prompt: 'A simple, modern logo with the letters G and A in a white circle',
+            model: 'gemini-2.5-flash-image',
+            aspect_ratio: '1:1',
+            response_modalities: ['IMAGE'],
+        });
+        expect(baseResult1.data.length).toBeGreaterThan(0);
+        expect(baseResult2.data.length).toBeGreaterThan(0);
+        const image1 = baseResult1.data[0]?.b64_json || baseResult1.data[0]?.url;
+        const image2 = baseResult2.data[0]?.b64_json || baseResult2.data[0]?.url;
+        expect(image1).toBeDefined();
+        expect(image2).toBeDefined();
+        // 使用多张图片作为输入（gemini-2.5-flash-image 最多支持 3 张）
+        const result = await imageClient.generate({
+            prompt: 'Take the first image of the woman and add the logo from the second image onto her black t-shirt',
+            image: [image1, image2],
+            model: 'gemini-2.5-flash-image',
+            aspect_ratio: '1:1',
+            response_modalities: ['IMAGE'],
+        });
+        expect(result).toBeDefined();
+        expect(result.data).toBeDefined();
+        expect(result.data.length).toBeGreaterThan(0);
+        console.log("✅ GeminiImageGenerationClient 多图输入测试成功");
+    }, 180000);
     test("GeminiImageGenerationClient - 使用 aihubmix provider", async () => {
         const imageClient = new index_1.GeminiImageGenerationClient({
             provider: "aihubmix",
@@ -613,54 +672,6 @@ describe("Langchain SDK Tests", () => {
             console.log("图像描述:", result.text);
         }
     }, 120000);
-    test("GeminiImageGenerationClient - 图像编辑", async () => {
-        const imageClient = new index_1.GeminiImageGenerationClient({});
-        // 首先生成一张基础图片
-        const generateResult = await imageClient.generate({
-            prompt: 'A simple red apple on a white background',
-            model: 'gemini-2.5-flash-image',
-            aspect_ratio: '1:1',
-            response_modalities: ['IMAGE'],
-        });
-        expect(generateResult).toBeDefined();
-        expect(generateResult.data).toBeDefined();
-        expect(generateResult.data.length).toBeGreaterThan(0);
-        // 获取第一张图片的 base64 数据
-        const firstImage = generateResult.data[0];
-        expect(firstImage).toBeDefined();
-        // 提取 base64 数据（优先使用 b64_json，否则从 text 中提取）
-        let base64Image;
-        if (firstImage.b64_json) {
-            base64Image = firstImage.b64_json;
-        }
-        else if (firstImage.text && firstImage.text.startsWith('data:')) {
-            // 从 data URL 中提取 base64 部分
-            base64Image = firstImage.text.split(',')[1];
-        }
-        else {
-            throw new Error('无法获取图片的 base64 数据');
-        }
-        expect(base64Image).toBeDefined();
-        // 使用编辑功能添加元素
-        const editResult = await imageClient.edit({
-            prompt: 'Add a small green leaf on top of the apple',
-            image: base64Image, // 直接使用 base64 字符串
-            model: 'gemini-2.5-flash-image',
-            aspect_ratio: '1:1',
-            response_modalities: ['IMAGE'],
-        });
-        expect(editResult).toBeDefined();
-        expect(editResult.created).toBeDefined();
-        expect(editResult.data).toBeDefined();
-        expect(Array.isArray(editResult.data)).toBe(true);
-        expect(editResult.data.length).toBeGreaterThan(0);
-        editResult.data.forEach((item) => {
-            expect(item).toBeDefined();
-            expect(item.url || item.b64_json).toBeDefined();
-        });
-        console.log("✅ GeminiImageGenerationClient 图像编辑测试成功");
-        console.log(`编辑后图像数量: ${editResult.data.length}`);
-    }, 180000);
     test("GeminiImageGenerationClient - 多轮图片修改", async () => {
         const imageClient = new index_1.GeminiImageGenerationClient({});
         // 第一轮：创建初始图片

package/dist/gemini-image-generation.d.ts

@@ -10,6 +10,7 @@ export interface GeminiImageGenerationConfig {
 export interface GeminiImageGenerationRequest {
     prompt: string;
     model?: string;
+    image?: string | string[];
     number_of_images?: number;
     aspect_ratio?: "1:1" | "2:3" | "3:2" | "3:4" | "4:3" | "4:5" | "5:4" | "9:16" | "16:9" | "21:9";
     image_size?: "1K" | "2K" | "4K";
@@ -28,16 +29,6 @@ export interface GeminiImageGenerationResponse {
     data: GeminiImageData[];
     text?: string;
 }
-export interface GeminiImageEditRequest {
-    prompt: string;
-    image: string;
-    model?: string;
-    provider?: "aihubmix" | "gemini";
-    aspect_ratio?: "1:1" | "2:3" | "3:2" | "3:4" | "4:3" | "4:5" | "5:4" | "9:16" | "16:9" | "21:9";
-    image_size?: "1K" | "2K" | "4K";
-    response_modalities?: ("TEXT" | "IMAGE")[];
-    user?: string;
-}
 export interface GeminiImageChatRequest {
     message: string;
     chat_id?: string;
@@ -69,19 +60,6 @@ export declare class GeminiImageGenerationClient {
      * - number_of_images: 生成图片数量（1-4）
      */
     generate(request: GeminiImageGenerationRequest): Promise<GeminiImageGenerationResponse>;
-    /**
-     * Edit images
-     * 编辑图像
-     *
-     * 使用文本提示编辑图片，支持添加、移除或修改元素
-     *
-     * 支持的参数：
-     * - image: base64 编码的图片数据，或 data URL（如 data:image/png;base64,...）
-     * - aspect_ratio: 宽高比
-     * - image_size: 图片大小（仅 gemini-3-pro-image-preview）
-     * - response_modalities: 响应模态
-     */
-    edit(request: GeminiImageEditRequest): Promise<GeminiImageGenerationResponse>;
     /**
      * Chat with images (multi-turn image editing)
      * 图像多轮对话（用于多轮图片修改）

package/dist/gemini-image-generation.js

@@ -41,6 +41,10 @@ class GeminiImageGenerationClient {
             model: request.model || "gemini-2.0-flash-exp-image-generation",
             number_of_images: request.number_of_images || 1,
         };
+        // 添加图片输入参数（单图或多图）
+        if (request.image) {
+            requestBody.image = request.image;
+        }
         // 添加可选参数
         if (request.aspect_ratio) {
             requestBody.aspect_ratio = request.aspect_ratio;
@@ -76,56 +80,6 @@ class GeminiImageGenerationClient {
         (0, log_1.logResponse)(response.status, response.statusText, response.headers, data);
         return data;
     }
-    /**
-     * Edit images
-     * 编辑图像
-     *
-     * 使用文本提示编辑图片，支持添加、移除或修改元素
-     *
-     * 支持的参数：
-     * - image: base64 编码的图片数据，或 data URL（如 data:image/png;base64,...）
-     * - aspect_ratio: 宽高比
-     * - image_size: 图片大小（仅 gemini-3-pro-image-preview）
-     * - response_modalities: 响应模态
-     */
-    async edit(request) {
-        const requestBody = {
-            prompt: request.prompt,
-            image: request.image,
-            model: request.model || "gemini-2.5-flash-image",
-        };
-        // 添加可选参数
-        if (request.aspect_ratio) {
-            requestBody.aspect_ratio = request.aspect_ratio;
-        }
-        if (request.image_size) {
-            requestBody.image_size = request.image_size;
-        }
-        if (request.response_modalities) {
-            requestBody.response_modalities = request.response_modalities;
-        }
-        if (request.user) {
-            requestBody.user = request.user;
-        }
-        if (request.provider) {
-            requestBody.provider = request.provider;
-        }
-        const url = `${config_1.sdkConfig.getServerUrl()}/api/gemini-image-proxy/edit`;
-        (0, log_1.logRequest)("POST", url, this.headers, { ...requestBody, image: "[base64 data]" });
-        const response = await fetch(url, {
-            method: "POST",
-            headers: this.headers,
-            body: JSON.stringify(requestBody),
-        });
-        if (!response.ok) {
-            const errorText = await response.text();
-            (0, log_1.logResponse)(response.status, response.statusText, response.headers, errorText);
-            throw new Error(`Gemini image edit API error: ${response.status} ${errorText}`);
-        }
-        const data = (await response.json());
-        (0, log_1.logResponse)(response.status, response.statusText, response.headers, data);
-        return data;
-    }
     /**
      * Chat with images (multi-turn image editing)
      * 图像多轮对话（用于多轮图片修改）

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "ai-world-sdk",
-  "version": "1.0.10",
+  "version": "1.0.11",
   "description": "TypeScript SDK for AI World Platform - Chat Models, Image Generation, and Video Generation",
   "main": "dist/index.js",
   "types": "dist/index.d.ts",