Google AI Studio-ലും Gemini-ലും Nano Banana എങ്ങനെ ഉപയോഗിക്കാം

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  # .env ഫയലിൽ നിന്നുള്ള API കീ ലോഡ് ചെയ്യുക  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# ചിത്ര സൃഷ്ടിക്കാനുള്ള പ്രോംപ്റ്റ് നിർവ്വചിക്കുക  
prompt = "A futuristic cityscape at dusk with neon lights reflecting on rain-soaked streets"  
# Gemini 2.5 Flash Image-ൽ നിന്ന് ചിത്രം സൃഷ്ടിക്കാൻ അഭ്യർത്ഥിക്കുക  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[prompt]  
)  
# സൃഷ്ടിച്ച ചിത്രം എടുക്കുകയും സേവ് ചെയ്യുകയും ചെയ്യുക  
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 saved as generated_image.png")  

from PIL import Image  
from io import BytesIO  
# തിരുത്താനുള്ള നിലവിലുള്ള ചിത്രം ലോഡ് ചെയ്യുക  
image_to_edit = Image.open("path/to/your/image.png")  
# തിരുത്തൽ പ്രോംപ്റ്റ് നിർവ്വചിക്കുക  
edit_prompt = "Using the provided image, add a touch of vintage style, warm sepia tones, and slightly blurred background"  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, image_to_edit]  
)  
# മറുപടി പ്രോസസ് ചെയ്ത് തിരുത്തിയ ചിത്രം സേവ് ചെയ്യുക  
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("Edited image saved as edited_image.png")  

from PIL import Image  
from io import BytesIO  
base_image = Image.open("path/to/your/portrait.png")  
consistency_prompt = "Generate a new image using the provided portrait as reference. The subject should be smiling and looking directly at the camera, with the same facial features and 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("Consistent image saved as consistent_image.png")  

from PIL import Image  
from io import BytesIO  
# പല ചിത്രങ്ങളും ലോഡ് ചെയ്യുക  
background = Image.open("path/to/background.png")  
product = Image.open("path/to/product.png")  
fusion_prompt = "പശ്ചാത്തലത്തോടും ഉൽപ്പന്ന ചിത്രത്തോടും ചേർത്ത് സംയോജിപ്പിക്കുക. ഉൽപ്പന്നം സീനിൽ സ്വാഭാവികമായി സ്ഥിതിചെയ്യണം, ലൈറ്റിംഗ്, നിഴലുകൾ ഒക്കെ പൊരുത്തപ്പെടണം."  
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("Fused image saved as 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"))  
# ഘട്ടം 1: ടെക്സ്റ്റ് പ്രോംപ്റ്റ് അടിസ്ഥാനമാക്കി ഒരു ചിത്രം സൃഷ്ടിക്കുക  
generation_prompt = "ഒരു ശാന്തമായ തടാകത്തിന്റെ മുകളിൽ സുന്ദരമായ സന്ധ്യാസമയം, മൃദുവായ മേഘങ്ങളും ചൂടുള്ള നിറങ്ങളും ഉള്ളത്"  
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("Generated image saved as sunset_lake.png")  
# ഘട്ടം 2: നിലവിലുള്ള ഒരു ചിത്രം ഒരു വസ്തു ചേർത്ത് തിരുത്തുക  
base_image = Image.open("sunset_lake.png")  
edit_prompt = "നൽകിയിരിക്കുന്ന ചിത്രത്തിൽ, ഒരു ചെറിയ മരം ബോട്ടിനെ ശാന്തമായ തടാകത്തിൽ മൃദുവായി സഞ്ചരിക്കുന്നതായി ചേർക്കുക, യാഥാർത്ഥ്യത്തിൽ പ്രതിഫലനങ്ങൾ ഉൾപ്പെടെ."  
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("Edited image saved as sunset_lake_boat.png")  

flowchart TD  
    A["ആരംഭം: ആവശ്യകതകൾ നിർവചിക്കുക"]  
    B["പ്ലാറ്റ്ഫോം തിരഞ്ഞെടുക്കുക: AI Studio അല്ലെങ്കിൽ Gemini API"]  
    C["സൈൻ ഇൻ ചെയ്ത് Gemini 2.5 ഫ്ലാഷ് ഇമേജ് ആക്‌സസ് ചെയ്യുക"]  
    D["വിവരണാത്മക പ്രോംപ്റ്റ് നൽകുക / ഇമേജ് അപ്‌ലോഡ് ചെയ്യുക"]  
    E["ആദ്യ ഇമേജ് സൃഷ്ടിക്കുക"]  
    F["ഔട്ട്പുട്ട് അവലോകനം ചെയ്യുക"]  
    G["പുനരാവൃത്തി: പ്രോംപ്റ്റ് മെച്ചപ്പെടുത്തുക അല്ലെങ്കിൽ ഇമേജ് എഡിറ്റ് ചെയ്യുക"]  
    H["ഇമേജ് അന്തിമ രൂപം നൽകുകയും ഔട്ട്പുട്ട് സംരക്ഷിക്കുകയും ചെയ്യുക"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H  

flowchart TD  
    A["ആരംഭം: പരിസ്ഥിതി സജ്ജമാക്കുക"]  
    B["ആവശ്യമായ പാക്കേജുകൾ ഇൻസ്റ്റാൾ ചെയ്യുക"]  
    C["API കീ സുരക്ഷിതമാക്കുക (.env)"]  
    D["google-genai ഉപയോഗിച്ച് പൈതൺ സ്ക്രിപ്റ്റ് എഴുതുക"]  
    E["പ്രോംപ്റ്റ് നിർവചിക്കുക അല്ലെങ്കിൽ ഇമേജ് അപ്‌ലോഡ് ചെയ്യുക"]  
    F["സൃഷ്ടിക്കലിനും എഡിറ്റിംഗിനും Gemini API വിളിക്കുക"]  
    G["പ്രതികരണം പ്രോസസ് ചെയ്ത് ഇമേജ് എടുക്കുക"]  
    H["ഔട്ട്പുട്ട് സംരക്ഷിച്ച് അവലോകനം ചെയ്യുക"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H