Nutzerinteraktion mit KI-Bildgenerierung steigern

Wenn Sie Ihrer App benutzerdefinierte Bilder hinzufügen, können Sie die Nutzerfreundlichkeit erheblich verbessern und personalisieren und die Nutzerinteraktion steigern. In diesem Beitrag werden zwei neue Funktionen für die Bildgenerierung mit Firebase AI Logic vorgestellt: die speziellen Imagen-Bearbeitungsfunktionen, die sich derzeit in der Vorabversion befinden, und die allgemeine Verfügbarkeit von Gemini 2.5 Flash Image (auch „Nano Banana“ genannt), das für die kontextbezogene oder konversationelle Bildgenerierung entwickelt wurde. 

Nutzerinteraktion mit Bildern steigern, die über Firebase AI Logic generiert wurden

Mit Modellen zur Bildgenerierung können benutzerdefinierte Avatare für Nutzerprofile erstellt oder personalisierte visuelle Assets direkt in wichtige Bildschirmabläufe eingebunden werden.  

Imagen bietet beispielsweise neue Bearbeitungsfunktionen (in der Entwicklervorschau). Sie können jetzt eine Maske zeichnen und mit Inpainting Pixel innerhalb des maskierten Bereichs generieren. Außerdem ist Outpainting verfügbar, um Pixel außerhalb der Maske zu generieren.   

Imagen unterstützt Inpainting, sodass nur ein Teil eines Bildes generiert werden kann. 

Alternativ kann Gemini 2.5 Flash Image (auch bekannt als Nano Banana) das erweiterte Weltwissen und die logischen Schlussfolgerungsfähigkeiten der Gemini-Modelle nutzen, um kontextrelevante Bilder zu generieren. Das ist ideal, um dynamische Illustrationen zu erstellen, die zur aktuellen In-App-Erfahrung eines Nutzers passen.   

Mit Gemini 2.5 Flash Image können Sie dynamische Illustrationen erstellen, die für Ihre App relevant sind. 

Und schließlich können Nutzer Bilder im Rahmen einer Unterhaltung und iterativ bearbeiten, also mit natürlicher Sprache.

Mit Gemini 2.5 Flash Image können Sie Bilder mithilfe natürlicher Sprache bearbeiten.

Wenn Sie KI in Ihre Anwendung einbinden, sollten Sie sich mit der KI-Sicherheit vertraut machen. Es ist besonders wichtig, die Sicherheitsrisiken Ihrer Anwendung zu bewerten, Anpassungen zur Minimierung von Sicherheitsrisiken in Betracht zu ziehen, für Ihren Anwendungsfall geeignete Sicherheitstests durchzuführen, Nutzerfeedback einzuholen und Inhalte zu überwachen.

Imagen oder Gemini: Sie haben die Wahl 

Der Unterschied zwischen Gemini 2.5 Flash Image („Nano Banana“) und Imagen liegt in ihrem Hauptfokus und ihren erweiterten Funktionen. Gemini 2.5 Flash Image ist ein Bildmodell innerhalb der größeren Gemini-Familie, das sich durch die Bildbearbeitung per Prompt auszeichnet. Es behält den Kontext und die Konsistenz des Motivs über mehrere Iterationen hinweg bei und nutzt „Allgemeinwissen und logisches Schlussfolgern“, um kontextrelevante Bilder zu erstellen oder genaue Bilder in lange Textsequenzen einzubetten. 

Imagen ist das spezialisierte Bildgenerierungsmodell von Google, das für mehr kreative Kontrolle entwickelt wurde. Es ist auf fotorealistische Ausgaben, künstlerische Details und bestimmte Stile spezialisiert und bietet explizite Steuerelemente zum Festlegen des Seitenverhältnisses oder Formats des generierten Bildes.

Sehen wir uns an, wie Sie sie in Ihrer App verwenden können.
 

Inpainting mit Imagen 

Vor einigen Monaten haben wir neue Bearbeitungsfunktionen für Imagen veröffentlicht. Imagen ist jetzt für die Bildgenerierung bereit, aber die Bearbeitungsfunktionen befinden sich noch in der Entwicklervorschau.

Zu den Imagen-Bearbeitungsfunktionen gehören Inpainting und Outpainting, also maskenbasierte Bildbearbeitungsfunktionen. Mit dieser neuen Funktion können Nutzer bestimmte Bereiche eines Bildes ändern, ohne das gesamte Bild neu generieren zu müssen. So können Sie die besten Teile Ihres Bildes beibehalten und nur das ändern, was Sie ändern möchten.

Mit den Bearbeitungsfunktionen von Imagen können Sie präzise, gezielte Änderungen an einem Bild vornehmen und gleichzeitig die Integrität des restlichen Bildes gewährleisten.

Dabei werden die Kernelemente und die Gesamtintegrität des Originalbilds beibehalten und nur der Bereich in der Maske wird geändert.

Wenn Sie Inpainting mit Imagen implementieren möchten, müssen Sie zuerst ein bestimmtes Imagen-Modell initialisieren (imagen-3.0-capability-001), das Bearbeitungsfunktionen unterstützt:

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0
val editingModel =
        Firebase.ai(backend = GenerativeBackend.vertexAI()).imagenModel(
            "imagen-3.0-capability-001",
            generationConfig = ImagenGenerationConfig(
                numberOfImages = 1,
                aspectRatio = ImagenAspectRatio.SQUARE_1x1,
                imageFormat = ImagenImageFormat.jpeg(compressionQuality = 75),
            ),
        )

Definieren Sie dann die Inpainting-Funktion:

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0

val prompt = "remove the pancakes and make it an omelet instead"

suspend fun inpaintImageWithMask(sourceImage: Bitmap, maskImage: Bitmap, prompt: String, editSteps: Int = 50): Bitmap {
        val imageResponse = editingModel.editImage(
            referenceImages = listOf(
                ImagenRawImage(sourceImage.toImagenInlineImage()),
                ImagenRawMask(maskImage.toImagenInlineImage()),
            ),
            prompt = prompt,
            config = ImagenEditingConfig(
                editMode = ImagenEditMode.INPAINT_INSERTION,
                editSteps = editSteps,
            ),
        )
        return imageResponse.images.first().asBitmap()
    }

Sie geben ein „sourceImage“, ein „maskImage“, einen Prompt für die Bearbeitung und die Anzahl der auszuführenden Bearbeitungsschritte an.

Sie können sich das Imagen-Bearbeitungsbeispiel im Android AI-Beispielkatalog ansehen.

Imagen unterstützt auch Outpainting, sodass das Modell die Pixel außerhalb einer Maske generieren kann. Sie können auch die Bildanpassungsfunktionen von Imagen verwenden, um den Stil eines Bildes zu ändern oder ein Motiv in einem Bild zu aktualisieren. Weitere Informationen finden Sie in der Android-Entwicklerdokumentation.

Bildgenerierung im Dialog mit Gemini 2.5 Flash Image

Eine Möglichkeit, Bilder mit Gemini 2.5 Flash Image zu bearbeiten, ist die Verwendung der Multi-Turn-Unterhaltungsfunktionen des Modells.

Initialisieren Sie zuerst das Modell:

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0

val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
    modelName = "gemini-2.5-flash-image",
    // Configure the model to respond with text and images (required)
    generationConfig = generationConfig {
        responseModalities = listOf(ResponseModality.TEXT,
        ResponseModality.IMAGE)
    }
)

Um ein ähnliches Ergebnis wie mit der oben beschriebenen maskenbasierten Imagen-Methode zu erzielen, können wir die chat API verwenden, um eine Unterhaltung mit Gemini 2.5 Flash Image zu starten.

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0

// Initialize the chat
val chat = model.startChat()


// Load a bitmap
val source = ImageDecoder.createSource(context.contentResolver, uri)
val bitmap = ImageDecoder.decodeBitmap(source)


// Create the initial prompt instructing the model to edit the image
val prompt = content {
    image(bitmap)
    text("remove the pancakes and add an omelet")
}

// To generate an initial response, send a user message with the image and text prompt
var response = chat.sendMessage(prompt)

// Inspect the returned image
var generatedImageAsBitmap = response
    .candidates.first().content.parts.filterIsInstance<ImagePart>().firstOrNull()?.image

// Follow up requests do not need to specify the image again
response = chat.sendMessage("Now, center the omelet in the pan")
generatedImageAsBitmap = response
    .candidates.first().content.parts.filterIsInstance<ImagePart>().firstOrNull()?.image

Sie können sich die Funktion im Gemini Image Chat-Beispiel im Android KI-Beispielkatalog ansehen und mehr darüber in der Android-Dokumentation lesen.

Schlusswort

Sowohl Imagen als auch Gemini 2.5 Flash Image bieten leistungsstarke Funktionen. Je nach Anwendungsfall können Sie das ideale Modell zur Bildgenerierung auswählen, um Ihre App zu personalisieren und das Nutzer-Engagement zu steigern.