Com utilitzar Nano Banana a Google AI Studio i Gemini

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  # Carrega la clau API des del fitxer .env  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# Defineix el prompt per a la generació d’imatges  
prompt = "Un paisatge urbà futurista al capvespre amb llums de neó reflectint-se a carrers mullats per la pluja"  
# Sol·licita la generació d’imatge a Gemini 2.5 Flash Image  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[prompt]  
)  
# Extreu i desa la imatge generada  
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("Imatge desada com a generated_image.png")  

from PIL import Image  
from io import BytesIO  
# Carrega la imatge existent per editar  
image_to_edit = Image.open("path/to/your/image.png")  
# Defineix el prompt d’edició  
edit_prompt = "Utilitzant la imatge proporcionada, afegeix un toc d’estil vintage, tons càlids de sepia i un fons lleugerament desenfocat"  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, image_to_edit]  
)  
# Processa la resposta per desar la imatge editada  
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("Imatge editada desada com a edited_image.png")  

from PIL import Image  
from io import BytesIO  
base_image = Image.open("path/to/your/portrait.png")  
consistency_prompt = "Genera una nova imatge utilitzant el retrat proporcionat com a referència. El subjecte ha de somriure i mirar directament a la càmera, mantenint les mateixes característiques facials i estil."  
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("Imatge coherent desada com a consistent_image.png")  

from PIL import Image  
from io import BytesIO  
# Carregar diverses imatges  
background = Image.open("path/to/background.png")  
product = Image.open("path/to/product.png")  
fusion_prompt = "Combina el fons amb la imatge del producte. Col·loca el producte de manera natural dins l’escena, assegurant que la il·luminació i les ombres coincideixin."  
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("Imatge fusionada desada com a 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"))  
# Pas 1: Generar una imatge basada en un text de descripció  
generation_prompt = "Una posta de sol serena sobre un llac tranquil amb núvols suaus i tons càlids"  
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("Imatge generada desada com a sunset_lake.png")  
# Pas 2: Editar una imatge existent afegint-hi un objecte  
base_image = Image.open("sunset_lake.png")  
edit_prompt = "Utilitzant la imatge proporcionada, insereix una petita barca de fusta navegant suaument pel llac tranquil, amb reflexos realistes."  
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("Imatge editada desada com a sunset_lake_boat.png")  

flowchart TD  
    A["Inici: Definir Requisits"]  
    B["Triar Plataforma: AI Studio o Gemini API"]  
    C["Iniciar Sessió i Accedir a Gemini 2.5 Flash Image"]  
    D["Introduir Indicació Descriptiva / Pujar Imatge"]  
    E["Generar Imatge Inicial"]  
    F["Revisar Resultat"]  
    G["Iterar: Refinar Indicació o Editar Imatge"]  
    H["Finalitzar Imatge i Desa Resultat"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H  

flowchart TD  
    A["Inici: Configurar Entorn"]  
    B["Instal·lar Paquets Necessaris"]  
    C["Assegurar Clau API (.env)"]  
    D["Escriure Script Python amb google-genai"]  
    E["Definir Indicació i/o Pujar Imatge"]  
    F["Cridar Gemini API per Generació/Edició"]  
    G["Processar Resposta i Extreure Imatge"]  
    H["Desar i Revisar Resultat"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H