Come Usare Nano Banana su Google AI Studio e Gemini

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  # Carica la chiave API dal file .env  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# Definisci il prompt per la generazione dell'immagine  
prompt = "Un paesaggio urbano futuristico al crepuscolo con luci al neon che si riflettono su strade bagnate dalla pioggia"  
# Richiedi la generazione dell'immagine da Gemini 2.5 Flash Image  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[prompt]  
)  
# Estrai e salva l'immagine generata  
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("Immagine salvata come generated_image.png")  

from PIL import Image  
from io import BytesIO  
# Carica l'immagine esistente da modificare  
image_to_edit = Image.open("path/to/your/image.png")  
# Definisci il prompt per la modifica  
edit_prompt = "Usando l'immagine fornita, aggiungi un tocco di stile vintage, toni caldi seppia e uno sfondo leggermente sfocato"  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, image_to_edit]  
)  
# Elabora la risposta per salvare l'immagine modificata  
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("Immagine modificata salvata come edited_image.png")  

from PIL import Image  
from io import BytesIO  
base_image = Image.open("path/to/your/portrait.png")  
consistency_prompt = "Genera una nuova immagine usando il ritratto fornito come riferimento. Il soggetto dovrebbe sorridere e guardare direttamente la fotocamera, mantenendo le stesse caratteristiche facciali e lo stesso stile."  
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("Immagine coerente salvata come consistent_image.png")  

from PIL import Image  
from io import BytesIO  
# Carica più immagini  
background = Image.open("path/to/background.png")  
product = Image.open("path/to/product.png")  
fusion_prompt = "Combina lo sfondo con l'immagine del prodotto. Posiziona il prodotto in modo naturale nella scena, assicurandoti che illuminazione e ombre siano coerenti."  
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("Immagine fusa salvata come 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"))  
# Passo 1: Generare un'immagine basata su un prompt testuale  
generation_prompt = "Un tramonto sereno su un lago calmo con nuvole soffici e tonalità calde"  
response_gen = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[generation_prompt]  
)  
per parte in response_gen.candidates[0].content.parts:  
    if parte.inline_data is not None:  
        gen_image = Image.open(BytesIO(parte.inline_data.data))  
        gen_image.save("sunset_lake.png")  
        print("Immagine generata salvata come sunset_lake.png")  
# Passo 2: Modificare un'immagine esistente aggiungendo un oggetto  
base_image = Image.open("sunset_lake.png")  
edit_prompt = "Usando l'immagine fornita, inserisci una piccola barca di legno che naviga dolcemente sul lago calmo, con riflessi realistici."  
response_edit = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, base_image]  
)  
per parte in response_edit.candidates[0].content.parts:  
    if parte.inline_data is not None:  
        edited_image = Image.open(BytesIO(parte.inline_data.data))  
        edited_image.save("sunset_lake_boat.png")  
        print("Immagine modificata salvata come sunset_lake_boat.png")  

flowchart TD  
    A["Inizio: Definire i Requisiti"]  
    B["Scegliere Piattaforma: AI Studio o Gemini API"]  
    C["Accedi e Apri l'Immagine Flash Gemini 2.5"]  
    D["Inserisci Prompt Descrittivo / Carica Immagine"]  
    E["Genera Immagine Iniziale"]  
    F["Revisiona il Risultato"]  
    G["Itera: Affina il Prompt o Modifica l'Immagine"]  
    H["Finalizza l'Immagine e Salva il Risultato"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H  

flowchart TD  
    A["Inizio: Configurazione Ambiente"]  
    B["Installa i Pacchetti Necessari"]  
    C["Proteggi la Chiave API (.env)"]  
    D["Scrivi Script Python usando google-genai"]  
    E["Definisci Prompt e/o Carica Immagine"]  
    F["Chiama Gemini API per Generazione/Modifica"]  
    G["Elabora la Risposta ed Estrai l'Immagine"]  
    H["Salva e Revisiona il Risultato"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H