Google AI Studio మరియు Geminiలో Nano Bananaను ఎలా ఉపయోగించాలి

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  # .env ఫైల్ నుండి API కీని లోడ్ చేయండి  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# ఇమేజ్ జనరేషన్ కోసం ప్రాంప్ట్ నిర్వచించండి  
prompt = "వాతావరణంలో నీయాన్ లైట్లు ప్రతిబింబించే వర్షపు వీధులపై సాయంత్రం సమయపు భవిష్యత్తు నగర దృశ్యం"  
# Gemini 2.5 Flash Image నుండి ఇమేజ్ జనరేషన్ అభ్యర్థన  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[prompt]  
)  
# సృష్టించిన ఇమేజ్‌ను తీసుకుని సేవ్ చేయండి  
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  
# సవరించడానికి ఉన్న ఇమేజ్‌ను లోడ్ చేయండి  
image_to_edit = Image.open("path/to/your/image.png")  
# సవరించు ప్రాంప్ట్ నిర్వచించండి  
edit_prompt = "నిచ్చిన ఇమేజ్‌ను ఉపయోగించి, వింటేజ్ శైలి, వేడి సెపియా టోన్లు, మరియు కొంచెం మబ్బుతనం ఉన్న నేపథ్యాన్ని జోడించండి"  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, image_to_edit]  
)  
# సవరించిన ఇమేజ్‌ను సేవ్ చేయడానికి ప్రతిస్పందనను ప్రాసెస్ చేయండి  
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  
# బహుళ చిత్రాలను లోడ్ చేయండి  
background = Image.open("path/to/background.png")  
product = Image.open("path/to/product.png")  
fusion_prompt = "నేపథ్యాన్ని ఉత్పత్తి చిత్రంతో కలపండి. వెలుతురు మరియు నీడలు సరిపోలేలా ఉత్పత్తిని సహజంగా సన్నివేశంలో ఉంచండి."  
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("సమ్మేళిత చిత్రం fused_image.png గా సేవ్ అయింది")  

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"))  
# దశ 1: టెక్స్ట్ ప్రాంప్ట్ ఆధారంగా చిత్రం సృష్టించండి  
generation_prompt = "నిశ్శబ్దమైన సరస్సుపై సుందరమైన సూర్యాస్తమయం, మృదువైన మేఘాలు మరియు వేడి రంగులతో"  
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("సృష్టించిన చిత్రం sunset_lake.pngగా సేవ్ చేయబడింది")  
# దశ 2: ఒక ఉన్న చిత్రం లో ఒక వస్తువు చేర్చడం ద్వారా సవరణ చేయండి  
base_image = Image.open("sunset_lake.png")  
edit_prompt = "నిచ్చిన చిత్రాన్ని ఉపయోగించి, శాంతమైన సరస్సుపై ఒక చిన్న చెక్క పడవను సజీవ ప్రతిబింబాలతో నెమ్మదిగా నావిగేట్ చేస్తున్నట్లు చేర్చండి."  
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("సవరించిన చిత్రం sunset_lake_boat.pngగా సేవ్ చేయబడింది")  

ఫ్లోచార్ట్ TD  
    A["ప్రారంభం: అవసరాలు నిర్వచించండి"]  
    B["ప్లాట్‌ఫామ్ ఎంచుకోండి: AI Studio లేదా Gemini API"]  
    C["సైన్ ఇన్ చేసి Gemini 2.5 ఫ్లాష్ ఇమేజ్ యాక్సెస్ చేయండి"]  
    D["వివరణాత్మక ప్రాంప్ట్ నమోదు చేయండి / ఇమేజ్ అప్లోడ్ చేయండి"]  
    E["ప్రాథమిక ఇమేజ్ సృష్టించండి"]  
    F["ఫలితాన్ని సమీక్షించండి"]  
    G["పునరావృతం: ప్రాంప్ట్‌ను మెరుగుపరచండి లేదా ఇమేజ్‌ను సవరించండి"]  
    H["ఇమేజ్‌ను తుది రూపంలో నిల్వ చేసి ఫలితాన్ని సేవ్ చేయండి"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H  

ఫ్లోచార్ట్ TD  
    A["ప్రారంభం: వాతావరణం సెటప్ చేయండి"]  
    B["అవసరమైన ప్యాకేజీలు ఇన్‌స్టాల్ చేయండి"]  
    C["API కీని (.env) సురక్షితం చేయండి"]  
    D["google-genai ఉపయోగించి Python స్క్రిప్ట్ రాయండి"]  
    E["ప్రాంప్ట్ నిర్వచించండి మరియు/లేదా ఇమేజ్ అప్లోడ్ చేయండి"]  
    F["సృష్టి/సవరణ కోసం Gemini API కాల్ చేయండి"]  
    G["స్పందనను ప్రాసెస్ చేసి ఇమేజ్‌ను తీసుకోండి"]  
    H["ఫలితాన్ని సేవ్ చేసి సమీక్షించండి"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H