Как да използваме Nano Banana в Google AI Studio и Gemini

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  # Зареждане на API ключа от .env файла  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# Дефиниране на заявката за генериране на изображение  
prompt = "Футуристичен градски пейзаж в здрач с неонови светлини, отразяващи се по дъждовните улици"  
# Заявка за генериране на изображение от Gemini 2.5 Flash Image  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[prompt]  
)  
# Извличане и записване на генерираното изображение  
for part in response.candidates[0].content.parts:  
    if part.inline_data is not None:  
        image = Image.open(BytesIO(part.inline_data.data))  
        image.save("generated_image.png")  
        print("Изображението е запазено като generated_image.png")  

from PIL import Image  
from io import BytesIO  
# Зареждане на съществуващото изображение за редакция  
image_to_edit = Image.open("path/to/your/image.png")  
# Дефиниране на заявката за редактиране  
edit_prompt = "Използвайки предоставеното изображение, добави винтидж стил, топли сепия тонове и леко размит фон"  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, image_to_edit]  
)  
# Обработка на отговора за запазване на редактираното изображение  
for part in response.candidates[0].content.parts:  
    if part.inline_data is not None:  
        edited_image = Image.open(BytesIO(part.inline_data.data))  
        edited_image.save("edited_image.png")  
        print("Редактираното изображение е запазено като edited_image.png")  

from PIL import Image  
from io import BytesIO  
base_image = Image.open("path/to/your/portrait.png")  
consistency_prompt = "Generate a new image using the provided portrait as reference. The subject should be smiling and looking directly at the camera, with the same facial features and style."  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[consistency_prompt, base_image]  
)  
for part in response.candidates[0].content.parts:  
    if part.inline_data is not None:  
        consistent_image = Image.open(BytesIO(part.inline_data.data))  
        consistent_image.save("consistent_image.png")  
        print("Консистентното изображение е запазено като consistent_image.png")  

from PIL import Image  
from io import BytesIO  
# Зареждане на няколко изображения  
background = Image.open("path/to/background.png")  
product = Image.open("path/to/product.png")  
fusion_prompt = "Комбинирайте фона с изображението на продукта. Поставете продукта естествено в сцената, като осигурите съвпадение на осветлението и сенките."  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[fusion_prompt, background, product]  
)  
for part in response.candidates[0].content.parts:  
    if part.inline_data is not None:  
        fusion_image = Image.open(BytesIO(part.inline_data.data))  
        fusion_image.save("fused_image.png")  
        print("Слятото изображение е запазено като fused_image.png")  

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# Стъпка 1: Генериране на изображение въз основа на текстов опис  
generation_prompt = "Спокоен залез над тихо езеро с меки облаци и топли нюанси"  
response_gen = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[generation_prompt]  
)  
for part in response_gen.candidates[0].content.parts:  
    if part.inline_data is not None:  
        gen_image = Image.open(BytesIO(part.inline_data.data))  
        gen_image.save("sunset_lake.png")  
        print("Генерираното изображение е запазено като sunset_lake.png")  
# Стъпка 2: Редактиране на съществуващо изображение чрез добавяне на обект  
base_image = Image.open("sunset_lake.png")  
edit_prompt = "Използвайки предоставеното изображение, вмъкнете малка дървена лодка, която плавно се носи по спокойното езеро, с реалистични отражения."  
response_edit = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, base_image]  
)  
for part in response_edit.candidates[0].content.parts:  
    if part.inline_data is not None:  
        edited_image = Image.open(BytesIO(part.inline_data.data))  
        edited_image.save("sunset_lake_boat.png")  
        print("Редактираното изображение е запазено като sunset_lake_boat.png")  

flowchart TD  
    A["Начало: Определяне на изискванията"]  
    B["Избор на платформа: AI Studio или Gemini API"]  
    C["Вход и достъп до Gemini 2.5 Flash Image"]  
    D["Въвеждане на описателен промпт / Качване на изображение"]  
    E["Генериране на първоначално изображение"]  
    F["Преглед на резултата"]  
    G["Итерация: усъвършенстване на промпта или редакция на изображението"]  
    H["Финализиране на изображението и запазване на резултата"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H  

flowchart TD  
    A["Начало: Настройка на средата"]  
    B["Инсталиране на необходимите пакети"]  
    C["Осигуряване на API ключ (.env)"]  
    D["Писане на Python скрипт с google-genai"]  
    E["Дефиниране на промпт и/или качване на изображение"]  
    F["Извикване на Gemini API за генериране/редактиране"]  
    G["Обработка на отговора и извличане на изображението"]  
    H["Запазване и преглед на резултата"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H