Kaip naudoti Nano Banana Google AI Studio ir Gemini platformose

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  # Įkelti API raktą iš .env failo  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# Apibrėžti užklausą vaizdo generavimui  
prompt = "Futuristinis miesto vaizdas sutemus su neoninėmis šviesomis, atsispindinčiomis ant lietaus drėgnų gatvių"  
# Užklausti Gemini 2.5 Flash Image vaizdo generavimo  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[prompt]  
)  
# Išgauti ir išsaugoti sugeneruotą vaizdą  
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("Vaizdas išsaugotas kaip generated_image.png")  

from PIL import Image  
from io import BytesIO  
# Įkelti esamą vaizdą redagavimui  
image_to_edit = Image.open("path/to/your/image.png")  
# Apibrėžti redagavimo užklausą  
edit_prompt = "Remiantis pateiktu vaizdu, pridėti šiek tiek retro stiliaus, šiltų sepijos tonų ir šiek tiek neryškų foną"  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, image_to_edit]  
)  
# Apdoroti atsakymą ir išsaugoti redaguotą vaizdą  
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("Redaguotas vaizdas išsaugotas kaip edited_image.png")  

from PIL import Image  
from io import BytesIO  
base_image = Image.open("path/to/your/portrait.png")  
consistency_prompt = "Generuokite naują vaizdą, naudodami pateiktą portretą kaip atskaitos tašką. Objektas turėtų šypsotis ir žiūrėti tiesiai į kamerą, išlaikant tuos pačius veido bruožus ir stilių."  
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("Nuoseklus vaizdas išsaugotas kaip consistent_image.png")  

from PIL import Image  
from io import BytesIO  
# Įkelkite kelis vaizdus  
background = Image.open("path/to/background.png")  
product = Image.open("path/to/product.png")  
fusion_prompt = "Sujunkite foną su produkto vaizdu. Natūraliai įkomponuokite produktą į sceną, užtikrindami, kad apšvietimas ir šešėliai atitiktų."  
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("Sujungtas vaizdas išsaugotas kaip fused_image.png")  

iš google importuoti genai  
iš PIL importuoti Image  
iš io importuoti BytesIO  
importuoti os  
iš dotenv importuoti load_dotenv  
load_dotenv()  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# 1 žingsnis: sugeneruoti paveikslėlį pagal teksto užklausą  
generation_prompt = "Ramus saulėlydis virš ramios ežero su minkštais debesimis ir šiltais atspalviais"  
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("Sugeneruotas paveikslėlis išsaugotas kaip sunset_lake.png")  
# 2 žingsnis: redaguoti esamą paveikslėlį pridedant objektą  
base_image = Image.open("sunset_lake.png")  
edit_prompt = "Naudojant pateiktą paveikslėlį, įterpkite mažą medinę valtį, švelniai plaukiančią ramioje ežere, su realistiškomis atspindžiais."  
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("Redaguotas paveikslėlis išsaugotas kaip sunset_lake_boat.png")  

flowchart TD  
    A["Pradžia: Apibrėžti reikalavimus"]  
    B["Pasirinkti platformą: AI Studio arba Gemini API"]  
    C["Prisijungti ir pasiekti Gemini 2.5 Flash Image"]  
    D["Įvesti aprašomą užklausą / Įkelti paveikslėlį"]  
    E["Sugeneruoti pradinį paveikslėlį"]  
    F["Peržiūrėti rezultatą"]  
    G["Kartoti: tobulinti užklausą arba redaguoti paveikslėlį"]  
    H["Užbaigti paveikslėlį ir išsaugoti rezultatą"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H  

flowchart TD  
    A["Pradžia: Aplinkos paruošimas"]  
    B["Įdiegti reikiamus paketus"]  
    C["Užtikrinti API raktą (.env)"]  
    D["Parašyti Python skriptą naudojant google-genai"]  
    E["Apibrėžti užklausą ir/ar įkelti paveikslėlį"]  
    F["Kviesti Gemini API generavimui/redagavimui"]  
    G["Apdoroti atsakymą ir išgauti paveikslėlį"]  
    H["Išsaugoti ir peržiūrėti rezultatą"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H