Как использовать Nano Banana в Google AI Studio и Gemini

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  # Загрузить API-ключ из файла .env  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# Определить запрос для генерации изображения  
prompt = "Футуристический городской пейзаж на закате с неоновыми огнями, отражающимися на мокрых от дождя улицах"  
# Запросить генерацию изображения у Gemini 2.5 Flash Image  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[prompt]  
)  
# Извлечь и сохранить сгенерированное изображение  
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("Изображение сохранено как generated_image.png")  

from PIL import Image  
from io import BytesIO  
# Загрузить существующее изображение для редактирования  
image_to_edit = Image.open("path/to/your/image.png")  
# Определить запрос для редактирования  
edit_prompt = "Используя предоставленное изображение, добавьте винтажный стиль, тёплые сепия-тонны и слегка размытый фон"  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, image_to_edit]  
)  
# Обработать ответ и сохранить отредактированное изображение  
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("Отредактированное изображение сохранено как edited_image.png")  

from PIL import Image  
from io import BytesIO  
base_image = Image.open("path/to/your/portrait.png")  
consistency_prompt = "Сгенерируйте новое изображение, используя предоставленный портрет как эталон. Объект должен улыбаться и смотреть прямо в камеру, сохраняя те же черты лица и стиль."  
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("Согласованное изображение сохранено как consistent_image.png")  

from PIL import Image  
from io import BytesIO  
# Загрузить несколько изображений  
background = Image.open("path/to/background.png")  
product = Image.open("path/to/product.png")  
fusion_prompt = "Объедините фон с изображением продукта. Разместите продукт естественно в сцене, обеспечив совпадение освещения и теней."  
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("Слияние изображения сохранено как 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"))  
# Шаг 1: Генерация изображения на основе текстового запроса  
generation_prompt = "Спокойный закат над тихим озером с мягкими облаками и теплыми оттенками"  
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("Сгенерированное изображение сохранено как sunset_lake.png")  
# Шаг 2: Редактирование существующего изображения с добавлением объекта  
base_image = Image.open("sunset_lake.png")  
edit_prompt = "Используя предоставленное изображение, вставьте маленькую деревянную лодку, тихо плывущую по спокойному озеру, с реалистичными отражениями."  
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("Отредактированное изображение сохранено как sunset_lake_boat.png")  

flowchart TD  
    A["Начало: Определение требований"]  
    B["Выбор платформы: AI Studio или Gemini API"]  
    C["Вход в систему и доступ к Gemini 2.5 Flash Image"]  
    D["Ввод описательного запроса / Загрузка изображения"]  
    E["Генерация начального изображения"]  
    F["Просмотр результата"]  
    G["Итерация: уточнение запроса или редактирование изображения"]  
    H["Завершение изображения и сохранение результата"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H  

flowchart TD  
    A["Начало: Настройка окружения"]  
    B["Установка необходимых пакетов"]  
    C["Защита API-ключа (.env)"]  
    D["Написание Python-скрипта с использованием google-genai"]  
    E["Определение запроса и/или загрузка изображения"]  
    F["Вызов Gemini API для генерации/редактирования"]  
    G["Обработка ответа и извлечение изображения"]  
    H["Сохранение и просмотр результата"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H