Comment utiliser Nano Banana sur Google AI Studio et Gemini

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  # Charge la clé API depuis le fichier .env  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# Définir le prompt pour la génération d'image  
prompt = "Une ville futuriste au crépuscule avec des lumières néon se reflétant sur des rues mouillées par la pluie"  
# Demander la génération d'image via Gemini 2.5 Flash Image  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[prompt]  
)  
# Extraire et sauvegarder l'image générée  
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("Image enregistrée sous generated_image.png")  

from PIL import Image  
from io import BytesIO  
# Charger l'image existante à modifier  
image_to_edit = Image.open("path/to/your/image.png")  
# Définir le prompt de modification  
edit_prompt = "En utilisant l'image fournie, ajoutez une touche de style vintage, des tons sépia chauds et un arrière-plan légèrement flou"  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, image_to_edit]  
)  
# Traiter la réponse pour sauvegarder l'image modifiée  
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("Image modifiée enregistrée sous edited_image.png")  

from PIL import Image  
from io import BytesIO  
base_image = Image.open("path/to/your/portrait.png")  
consistency_prompt = "Générez une nouvelle image en utilisant le portrait fourni comme référence. Le sujet doit sourire et regarder directement la caméra, avec les mêmes traits du visage et le même 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("Image cohérente enregistrée sous consistent_image.png")  

from PIL import Image  
from io import BytesIO  
# Charger plusieurs images  
background = Image.open("path/to/background.png")  
product = Image.open("path/to/product.png")  
fusion_prompt = "Combinez le fond avec l’image du produit. Placez le produit naturellement dans la scène en veillant à ce que l’éclairage et les ombres correspondent."  
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("Image fusionnée enregistrée sous 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"))  
# Étape 1 : Générer une image à partir d'une description textuelle  
generation_prompt = "Un coucher de soleil serein sur un lac calme avec des nuages doux et des teintes chaudes"  
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("Image générée sauvegardée sous le nom sunset_lake.png")  
# Étape 2 : Modifier une image existante en ajoutant un objet  
base_image = Image.open("sunset_lake.png")  
edit_prompt = "En utilisant l'image fournie, insérer un petit bateau en bois naviguant doucement sur le lac calme, avec des reflets réalistes."  
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("Image modifiée sauvegardée sous le nom sunset_lake_boat.png")  

flowchart TD  
    A["Début : Définir les exigences"]  
    B["Choisir la plateforme : AI Studio ou Gemini API"]  
    C["Se connecter et accéder à l'image flash Gemini 2.5"]  
    D["Saisir l'invite descriptive / Télécharger une image"]  
    E["Générer l'image initiale"]  
    F["Examiner le résultat"]  
    G["Itérer : affiner l'invite ou modifier l'image"]  
    H["Finaliser l'image et sauvegarder le résultat"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H  

flowchart TD  
    A["Début : Configurer l'environnement"]  
    B["Installer les paquets requis"]  
    C["Sécuriser la clé API (.env)"]  
    D["Écrire le script Python avec google-genai"]  
    E["Définir l'invite et/ou télécharger une image"]  
    F["Appeler Gemini API pour génération/modification"]  
    G["Traiter la réponse et extraire l'image"]  
    H["Sauvegarder et revoir le résultat"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H