开发人员如何使用在自己的系统中对接 Nano Banana 【完整教程】

非优秀程序员
903 阅读7分钟

谷歌近期发布了Gemini 2.5 Flash Image，这是一款功能强大的全新图像生成和编辑模型，其代号为 Nano Banana。该模型引入了最先进的图像创建和处理功能，解锁了一系列全新应用。

本指南为希望使用Gemini Developer API将 Gemini 2.5 Flash Image 又名 Nano Banana 集成到其应用程序中的开发人员提供了全面的指导。

本指南将涵盖：

  1. 在 AI Studio 中使用 Nano Banana
  2. 项目设置
  3. 图像创建
  4. 图像编辑
  5. 照片修复
  6. 多幅输入图像
  7. 对话式图像编辑
  8. 最佳实践和有效提示
  9. 社区示例和灵感
  10. 资源

以下是您将在本教程中构建的示例：

prompt = "Restore and colorize this image from 1932"

response = client.models.generate_content(
    model="gemini-2.5-flash-image-preview",
    contents=[prompt, image],
)

并排比较显示原始黑白

让我们开始吧！

1）在 Google AI Studio 中使用 Nano Banana

虽然最终用户可以在Gemini 应用程序中访问 Nano Banana ，但对于开发人员来说，制作原型和测试提示的最佳环境是Google AI Studio。AI Studio 是在编写任何代码之前试验所有可用 AI 模型的游乐场，也是使用 Gemini API 进行构建的入口点。

您可以在 AI Studio 中免费使用 Nano Banana。首先，请访问aistudio.google.com，使用您的 Google 帐户登录，然后从模型选择器中选择Nano Banana 。

对于直接访问，请使用此链接开始与模型的新会话：

ai.studio/香蕉

Google AI Studio 界面图片显示了已选定 Nano Banana 的模型选择

提示：您还可以直接在 AI Studio (ai.studio/apps)中为 Nano Banana 网络应用程序编写代码，或者探索代码并重新混合现有应用程序之一。

2）项目设置

要遵循本指南，您需要以下内容：

步骤A：生成API密钥

请按照以下步骤操作：

  • 在 Google AI Studio 中，点击左侧导航面板中的获取 API 密钥。
  • 在下一页上，单击创建 API 密钥。
  • 选择现有的 Google Cloud 项目或创建一个新项目。此项目用于管理 API 使用计费。

该过程完成后，将显示您的 API 密钥。请复制并安全存储。

步骤 B：启用计费

虽然在 AI Studio 中进行原型设计是免费的，但通过 API 使用模型则需要付费。您必须在 Google Cloud 项目中启用结算功能。

在 API 密钥管理屏幕中，单击项目旁边的 “设置计费” 并按照屏幕上的说明进行操作。

显示 Google AI Studio 界面中的计费设置提示的图片。

纳米香蕉多少钱？

使用 Nano Banana 生成图像的成本为每张图片 0.039 美元*。只需 1 美元，您就可以生成大约 25 张图片。

  • 官方定价为每 100 万个输入代币 0.30 美元，每 100 万个输出代币 30 美元。一张标准的 1024x1024 像素输出图像需要 1290 个代币，相当于每张图片 0.039 美元。详情请参阅Gemini 2.5 Flash 图像定价表。

步骤C：安装SDK

选择适合您首选语言的 SDK。

Python：

pip install -U google-genai
# Install the Pillow library for image manipulation
pip install Pillow

JavaScript / TypeScript：

npm install @google/genai

以下示例使用 Python SDK 进行演示。在GitHub Gist中提供了在 JavaScript 中使用 Nano Banana 的等效代码片段。

3）从文本生成图像

gemini-2.5-flash-image-preview使用 Nano Banana 根据描述性文本提示生成一张或多张图片。所有 API 请求均使用模型 ID 。

from google import genai
from PIL import Image
from io import BytesIO

# Configure the client with your API key
client = genai.Client(api_key="YOUR_API_KEY")

prompt = """Create a photorealistic image of an orange cat
with a green eyes, sitting on a couch."""

# Call the API to generate content
response = client.models.generate_content(
    model="gemini-2.5-flash-image-preview",
    contents=prompt,
)

# The response can contain both text and image data.
# Iterate through the parts to find and save the image.
for part in response.candidates[0].content.parts:
    if part.text is not None:
        print(part.text)
    elif part.inline_data is not None:
        image = Image.open(BytesIO(part.inline_data.data))
        image.save("cat.png")

输出：

一只绿眼睛的橙色猫咪坐在沙发上的逼真图像

该模型是多模态的，因此响应结构为一个 列表，parts其中可以包含交错的文本和图像数据（inline_data）。上面的代码遍历这些部分以提取并保存生成的图像。

4）使用文本和图像输入进行图像编辑

提供现有图像以及用于执行编辑的文本提示。该模型擅长保持输入图像的字符和内容一致性。

from google import genai
from PIL import Image
from io import BytesIO

client = genai.Client(api_key="YOUR_API_KEY")

prompt = """Using the image of the cat, create a photorealistic,
street-level view of the cat walking along a sidewalk in a
New York City neighborhood, with the blurred legs of pedestrians
and yellow cabs passing by in the background."""

image = Image.open("cat.png")

# Pass both the text prompt and the image in the 'contents' list
response = client.models.generate_content(
    model="gemini-2.5-flash-image-preview",
    contents=[prompt, image],
)

for part in response.candidates[0].content.parts:
    if part.text is not None:
        print(part.text)
    elif part.inline_data is not None:
        image = Image.open(BytesIO(part.inline_data.data))
        image.save("cat2.png")

输入和输出：

并排比较原始猫图像和编辑后的纽约市猫行走图像

5）使用 Nano Banana 修复照片

该模型的强大应用之一是照片修复。只需简单的提示，它就能修复和着色老照片，效果令人印象深刻。

from google import genai
from PIL import Image
from io import BytesIO

client = genai.Client(api_key="YOUR_API_KEY")

prompt = "Restore and colorize this image from 1932"

image = Image.open("lunch.jpg")  # "Lunch atop a Skyscraper, 1932"

response = client.models.generate_content(
    model="gemini-2.5-flash-image-preview",
    contents=[prompt, image],
)

for part in response.candidates[0].content.parts:
    if part.text is not None:
        print(part.text)
    elif part.inline_data is not None:
        image = Image.open(BytesIO(part.inline_data.data))
        image.save("lunch-restored.png")

原件和输出：

并排比较显示原始黑白

6）处理多个输入图像

您可以提供多幅图像作为更复杂的编辑任务的输入。

from google import genai
from PIL import Image
from io import BytesIO

client = genai.Client(api_key="YOUR_API_KEY")

prompt = "Make the girl wear this t-shirt. Leave the background unchanged."

image1 = Image.open("girl.png")
image2 = Image.open("tshirt.png")

response = client.models.generate_content(
    model="gemini-2.5-flash-image-preview",
    contents=[prompt, image1, image2],
)

for part in response.candidates[0].content.parts:
    if part.text is not None:
        print(part.text)
    elif part.inline_data is not None:
        image = Image.open(BytesIO(part.inline_data.data))
        image.save("girl-with-tshirt.png")

输入 1 和 2 以及输出：

一张图片显示了一个女孩的输入照片、一件 T 恤的输入照片以及女孩穿着 T 恤的最终输出图像。

7）对话式图像编辑

为了进行迭代优化，您可以使用chats会话来维护跨多个请求的上下文。这允许您以对话的方式编辑图像。

from google import genai
from PIL import Image
from io import BytesIO

client = genai.Client(api_key="YOUR_API_KEY")

# Create a chat
chat = client.chats.create(
    model="gemini-2.5-flash-image-preview"
)

# Make the first image edit
response1 = chat.send_message(
    [
        "Change the cat to a bengal cat, leave everything else the same",
        Image.open("cat.png"),
    ]
)
# display / save image...

# Continue chatting and editing
response2 = chat.send_message("The cat should wear a funny party hat")
# display / save image...

输入和输出 1 和 2：

一张图片展示了原来的猫，第一次编辑后将其改为孟加拉猫，第二次编辑后显示孟加拉猫正在睡觉

提示：如果您注意到经过多次对话编辑后图像特征开始退化或“漂移”，最好使用最新图像和更详细、更整合的提示开始新的会话，以保持高保真度。

8）Nano Banana 的最佳实践和提示

为了使 Nano Banana 获得最佳效果，请遵循以下提示指南：

  • 高度具体： 您提供的有关主题、颜色、灯光和构图的细节越多，您对输出的控制就越强。
  • 提供背景和意图： 解释图像的目的或想要表达的情绪。模特对背景的理解会影响其创作选择。
  • 迭代和完善： 不要期望第一次就完美。利用模型的对话能力进行渐进式修改，不断完善您的图像。
  • 使用分步说明： 对于复杂的场景，将提示分解为一系列清晰、连续的说明。
  • 使用积极的框架： 不要使用“没有汽车”这样的消极提示，而是积极地描述所需的场景：“空旷、荒凉的街道，没有交通迹象。”
  • 控制相机： 使用摄影和电影术语来指导构图，例如“广角拍摄”、“微距拍摄”或“低角度透视”。

要深入了解最佳实践，请查看有关提示最佳实践的官方博客文章和文档中的提示指南。

9）社区范例与启发

探索社区使用 Nano Banana 构建的内容：

  • @henrydaubrez的转换镜头视角：X post
  • @multimodalart通过小样本学习实现一致的角色设计：X 帖子
  • “红色箭头看到的是什么”谷歌地图由 @tokumin改造：X 帖子
  • 由@yachimat_manga的火柴人注释生成图像：X post
  • @deedydas从静态图像创建 3D 模型：X 帖子
  • @bilawalsidhu生成基于位置的 AR 体验：X 帖子
  • 将 2D 地图转换为 3D 图形，作者：  @demishassabis：X post

10）资源和后续步骤

本指南涵盖了使用 Nano Banana（又名 Gemini 2.5 Flash 镜像）进行构建的基础知识。您已经学习了如何设置环境、生成和编辑镜像，以及如何应用高级技术。现在，您可以开始将这些强大的功能融入到您自己的项目中。

avatar
文章
阅读
粉丝