Cómo Usar Nano Banana en Google AI Studio y Gemini

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  # Carga la clave API desde el archivo .env  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# Define el prompt para la generación de imagen  
prompt = "Un paisaje urbano futurista al atardecer con luces de neón reflejándose en calles mojadas por la lluvia"  
# Solicita la generación de imagen desde Gemini 2.5 Flash Image  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[prompt]  
)  
# Extrae y guarda la imagen 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("Imagen guardada como generated_image.png")  

from PIL import Image  
from io import BytesIO  
# Carga la imagen existente para editar  
image_to_edit = Image.open("ruta/a/tu/imagen.png")  
# Define el prompt de edición  
edit_prompt = "Usando la imagen proporcionada, añade un toque de estilo vintage, tonos sepia cálidos y un fondo ligeramente desenfocado"  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, image_to_edit]  
)  
# Procesa la respuesta para guardar la imagen 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("Imagen editada guardada como edited_image.png")  

from PIL import Image  
from io import BytesIO  
base_image = Image.open("ruta/a/tu/retrato.png")  
consistency_prompt = "Genera una nueva imagen usando el retrato proporcionado como referencia. El sujeto debe estar sonriendo y mirando directamente a la cámara, con las mismas características faciales y estilo."  
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("imagen_consistente.png")  
        print("Imagen consistente guardada como imagen_consistente.png")  

from PIL import Image  
from io import BytesIO  
# Cargar varias imágenes  
background = Image.open("ruta/a/fondo.png")  
product = Image.open("ruta/a/producto.png")  
fusion_prompt = "Combina el fondo con la imagen del producto. Coloca el producto de forma natural dentro de la escena, asegurando que la iluminación y las sombras coincidan."  
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("imagen_fusionada.png")  
        print("Imagen fusionada guardada como imagen_fusionada.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"))  
# Paso 1: Generar una imagen basada en un texto
generation_prompt = "Una puesta de sol serena sobre un lago tranquilo con nubes suaves y tonos cálidos"  
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("Imagen generada guardada como sunset_lake.png")  
# Paso 2: Editar una imagen existente añadiendo un objeto  
base_image = Image.open("sunset_lake.png")  
edit_prompt = "Usando la imagen proporcionada, inserta un pequeño bote de madera navegando suavemente en el lago tranquilo, con reflejos realistas."  
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("Imagen editada guardada como sunset_lake_boat.png")  

flowchart TD  
    A["Inicio: Definir Requisitos"]  
    B["Elegir Plataforma: AI Studio o Gemini API"]  
    C["Iniciar Sesión y Acceder a Gemini 2.5 Flash Image"]  
    D["Ingresar Descripción del Prompt / Subir Imagen"]  
    E["Generar Imagen Inicial"]  
    F["Revisar Resultado"]  
    G["Iterar: Refinar Prompt o Editar Imagen"]  
    H["Finalizar Imagen y Guardar Resultado"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H  

flowchart TD  
    A["Inicio: Configurar Entorno"]  
    B["Instalar Paquetes Requeridos"]  
    C["Asegurar Clave API (.env)"]  
    D["Escribir Script en Python usando google-genai"]  
    E["Definir Prompt y/o Subir Imagen"]  
    F["Llamar a Gemini API para Generación/Edición"]  
    G["Procesar Respuesta y Extraer Imagen"]  
    H["Guardar y Revisar Resultado"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H