So verwenden Sie Nano Banana auf Google AI Studio und Gemini

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  # Lädt den API-Schlüssel aus der .env-Datei  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# Definiere die Eingabeaufforderung für die Bildgenerierung  
prompt = "Eine futuristische Stadtlandschaft bei Dämmerung mit Neonlichtern, die sich auf regenbedeckten Straßen spiegeln"  
# Fordere die Bildgenerierung von Gemini 2.5 Flash Image an  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[prompt]  
)  
# Extrahiere und speichere das generierte Bild  
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("Bild gespeichert als generated_image.png")  

from PIL import Image  
from io import BytesIO  
# Lade das bestehende Bild zur Bearbeitung  
image_to_edit = Image.open("pfad/zu/deinem/bild.png")  
# Definiere die Bearbeitungsanweisung  
edit_prompt = "Verwende das bereitgestellte Bild, füge einen Hauch von Vintage-Stil, warme Sepia-Töne und einen leicht verschwommenen Hintergrund hinzu"  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, image_to_edit]  
)  
# Verarbeite die Antwort, um das bearbeitete Bild zu speichern  
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("Bearbeitetes Bild gespeichert als edited_image.png")  

from PIL import Image  
from io import BytesIO  
base_image = Image.open("path/to/your/portrait.png")  
consistency_prompt = "Erzeuge ein neues Bild unter Verwendung des bereitgestellten Porträts als Referenz. Die Person soll lächeln und direkt in die Kamera schauen, mit denselben Gesichtszügen und im gleichen Stil."  
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("Konsistentes Bild wurde als consistent_image.png gespeichert")  

from PIL import Image  
from io import BytesIO  
# Mehrere Bilder laden  
background = Image.open("path/to/background.png")  
product = Image.open("path/to/product.png")  
fusion_prompt = "Kombinieren Sie den Hintergrund mit dem Produktbild. Platzieren Sie das Produkt natürlich in der Szene, wobei Beleuchtung und Schatten übereinstimmen."  
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("Fusioniertes Bild wurde als fused_image.png gespeichert")  

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"))  
# Schritt 1: Ein Bild basierend auf einem Textprompt generieren  
generation_prompt = "Ein ruhiger Sonnenuntergang über einem stillen See mit sanften Wolken und warmen Farbtönen"  
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("Generiertes Bild gespeichert als sunset_lake.png")  
# Schritt 2: Ein bestehendes Bild bearbeiten, indem ein Objekt hinzugefügt wird  
base_image = Image.open("sunset_lake.png")  
edit_prompt = "Fügen Sie mit dem bereitgestellten Bild ein kleines Holzboot ein, das sanft auf dem ruhigen See segelt, mit realistischen Spiegelungen."  
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("Bearbeitetes Bild gespeichert als sunset_lake_boat.png")  

flowchart TD  
    A["Start: Anforderungen definieren"]  
    B["Plattform wählen: AI Studio oder Gemini API"]  
    C["Anmelden und Gemini 2.5 Flash Image aufrufen"]  
    D["Beschreibenden Prompt eingeben / Bild hochladen"]  
    E["Erstes Bild generieren"]  
    F["Ergebnis überprüfen"]  
    G["Iterieren: Prompt verfeinern oder Bild bearbeiten"]  
    H["Bild finalisieren und Ergebnis speichern"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H  

flowchart TD  
    A["Start: Umgebung einrichten"]  
    B["Benötigte Pakete installieren"]  
    C["API-Schlüssel sichern (.env)"]  
    D["Python-Skript mit google-genai schreiben"]  
    E["Prompt definieren und/oder Bild hochladen"]  
    F["Gemini API für Generierung/Bearbeitung aufrufen"]  
    G["Antwort verarbeiten und Bild extrahieren"]  
    H["Ergebnis speichern und überprüfen"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H