Como Usar o Nano Banana no 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()  # Carrega a chave da API do arquivo .env  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# Define o prompt para geração da imagem  
prompt = "Uma paisagem urbana futurista ao anoitecer com luzes de neon refletindo nas ruas molhadas pela chuva"  
# Solicita a geração da imagem pela Gemini 2.5 Flash Image  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[prompt]  
)  
# Extrai e salva a imagem gerada  
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("Imagem salva como generated_image.png")  

from PIL import Image  
from io import BytesIO  
# Carrega a imagem existente para edição  
image_to_edit = Image.open("caminho/para/sua/imagem.png")  
# Define o prompt de edição  
edit_prompt = "Usando a imagem fornecida, adicione um toque de estilo vintage, tons quentes de sépia e fundo levemente desfocado"  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, image_to_edit]  
)  
# Processa a resposta para salvar a imagem 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("Imagem editada salva como edited_image.png")  

from PIL import Image  
from io import BytesIO  
base_image = Image.open("path/to/your/portrait.png")  
consistency_prompt = "Gere uma nova imagem usando o retrato fornecido como referência. O sujeito deve estar sorrindo e olhando diretamente para a câmera, com as mesmas feições e 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("consistent_image.png")  
        print("Imagem consistente salva como consistent_image.png")  

from PIL import Image  
from io import BytesIO  
# Carregar múltiplas imagens  
background = Image.open("path/to/background.png")  
product = Image.open("path/to/product.png")  
fusion_prompt = "Combine o fundo com a imagem do produto. Posicione o produto de forma natural na cena, garantindo que a iluminação e as sombras estejam coerentes."  
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("Imagem fundida salva como 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: Gerar uma imagem com base em um prompt de texto  
generation_prompt = "Um pôr do sol sereno sobre um lago calmo com nuvens suaves e tons quentes"  
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("Imagem gerada salva como sunset_lake.png")  
# Passo 2: Editar uma imagem existente adicionando um objeto  
base_image = Image.open("sunset_lake.png")  
edit_prompt = "Usando a imagem fornecida, insira um pequeno barco de madeira navegando suavemente no lago calmo, com reflexos 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("Imagem editada salva como sunset_lake_boat.png")  

fluxograma TD  
    A["Início: Definir Requisitos"]  
    B["Escolher Plataforma: AI Studio ou Gemini API"]  
    C["Fazer Login e Acessar a Imagem Flash Gemini 2.5"]  
    D["Inserir Prompt Descritivo / Carregar Imagem"]  
    E["Gerar Imagem Inicial"]  
    F["Revisar Resultado"]  
    G["Iterar: Refinar Prompt ou Editar Imagem"]  
    H["Finalizar Imagem e Salvar Resultado"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H  

fluxograma TD  
    A["Início: Configurar Ambiente"]  
    B["Instalar Pacotes Necessários"]  
    C["Proteger Chave API (.env)"]  
    D["Escrever Script Python usando google-genai"]  
    E["Definir Prompt e/ou Carregar Imagem"]  
    F["Chamar Gemini API para Geração/Edição"]  
    G["Processar Resposta e Extrair Imagem"]  
    H["Salvar e Revisar Resultado"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H