Gemini API 分析图片：格式与输入方式

原生多模态实力展现！手把手教你使用 PIL 加载本地图片数组直接发送给 Gemini 1.5，图片格式要求与视觉理解全代码实操。

一、原生多模态架构的巨大优势

Gemini 从底层架构上原生融合了视觉与文本理解，不需要任何外部转换即可理解复杂图像中的细节关系。

二、单图与多图分析完整代码

import PIL.Image
import google.generativeai as genai

model = genai.GenerativeModel("gemini-1.5-flash")

# 本地加载图片对象
img = PIL.Image.open("architecture_diagram.png")

# 将提示词与图片放入同一个数组发送
response = model.generate_content(["请分析这张系统架构图中的单点故障风险：", img])
print(response.text)

三、格式支持与大小红线

- 推荐格式：image/png, image/jpeg, image/webp；
- 文件大小建议控制在 20MB 以内，超过 20MB 的超大文件建议使用专用的 Files API 进行上传。
入门基础见：[Gemini 快速上手教程](https://aihuiyuan.club/articles/gemini-api-python-first-call-quickstart)。