Gemini 3 Pro の推論スタックを用いて、複雑で多段階の視覚的指示を解釈します（例：「このデータセットから 5 ステップのインフォグラフィックを作成し、二言語のキャプションを追加」）。API は“Thinking”メカニズムを公開しており、最終出力を洗練するための中間コンポジションテストを生成できます。
重要な理由: 単一パスでプロンプト→ピクセルに写像するのではなく、モデルは内部の“思考”プロセスを実行してコンポジションを洗練し、外部ツール（例: Google Search）を呼び出して事実のグラウンディング（例: 正確な図表ラベルやローカルに適した標識）を行えます。これにより、インフォグラフィック、ダイアグラム、プロダクトモックアップのようなタスクで、見栄えが良いだけでなく意味的に正確な画像が得られます。
実現方法: Nano Banana Pro の“Thinking”は、モデルが最終画像を生成する前に中間的なビジュアルと推論トレースを生成する、制御された内部推論／コンポジションパスです。API は、モデルが最大 2 つの中間フレームを作成し、最終画像がその連鎖の最後の段階であることを公開します。本番運用では、コンポジション、テキストの配置、レイアウトの意思決定に役立ちます。
より高精度なテキストレンダリング
画像内の可読でローカライズされたテキスト（メニュー、ポスター、図表）が大幅に向上。Nano Banana Pro は画像内テキストのレンダリングで新たな水準に到達しています:
画像内のテキストが明瞭で読みやすく、綴りも正確。
多言語生成に対応（中国語、日本語、韓国語、アラビア語など）。
長文や複数行の説明テキストを画像内に直接記述可能。
自動翻訳とローカリゼーションが利用可能。
重要な理由: 伝統的な画像モデルは、可読で整ったテキストのレンダリングが苦手でした。Nano Banana Pro は、信頼性の高いテキストレンダリングとローカリゼーション（例: 翻訳しつつレイアウトを保持）に最適化されており、ポスター、パッケージ、マルチ言語広告といった本格的なクリエイティブ用途を実現します。
Google の SDK をインストールし、Google 認証を取得する必要があります。Python の例（テキスト＋参照画像＋グラウンディング）:
# pip install google-genai pillow
from google import genai
from PIL import Image
import base64
client = genai.Client() # reads credentials from env / config per SDK docs
# Read a reference image and set inline_data
with open("ref1.png", "rb") as f:
ref1_b64 = base64.b64encode(f.read()).decode("utf-8")
prompt_parts = [
{"text": "Create a styled product ad for a yellow banana-based energy bar. Use studio lighting, shallow DOF. Include a product label with the brand name 'Nano Bar'."},
{"inline_data": {"mime_type": "image/png", "data": ref1_b64}}
]
response = client.models.generate_content(
model="gemini-3-pro-image-preview",
contents=,
generation_config={
"imageConfig": {"resolution":"4096x4096", "aspectRatio":"4:3"},
# tools can be provided to ground facts, e.g. "google_search"
"tools":
}
)
for part in response.candidates.content.parts:
if part.inline_data:
image = part.as_image()
image.save("product_ad.png")
Prompt: "Generate a 2K infographic: 'Q4 Sales by Region 2025' — stacked bar chart with North America 35%, EMEA 28%, APAC 25%, LATAM 12%. Include title top-center, caption with source bottom-right, clean sans-serif labels, neutral palette, vector look, 16:9."
Nano Banana Pro はマルチモーダルな編集ワークフローをサポートします。1 枚以上の入力画像と、編集内容（物体の除去、空の変更、テキストの追加）を記述するテキスト指示を提供します。API は同一リクエスト内で画像＋テキストを受け付け、応答としてテキストと画像をインタリーブして返すことができます。典型的なパターンには、マスク付き編集や複数画像のブレンド（スタイル転送／コンポジション）などがあります。contents 配列でテキストブロックとバイナリ画像を組み合わせる方法についてはドキュメントを参照してください。
例：編集（Python の擬似フロー）
from google import genai
from PIL import Image
client = genai.Client()
prompt = "Remove the person on the left and add a small red 'Nano Banana Pro' sticker on the top-right of the speaker"
# contents can include Image objects or binary data per SDK; see doc for exact call
response = client.models.generate_content(
model="gemini-3-pro-image-preview",
contents=, # order matters: image + instruction
)
# Save result as before
Nano Banana Pro（Gemini 3 Pro Image）は、画像生成におけるプロダクショングレードの飛躍です。データの視覚化、ローカライズされた編集の実施、開発者向けワークフローの推進に役立ちます。迅速なプロトタイピングには Gemini アプリを、プロダクション統合には API を使用し、コスト管理、安全性の確保、ブランド品質の維持に関する推奨事項に従ってください。透明性と監査要件を満たすため、実際のユーザーワークフローを必ずテストし、来歴メタデータを保存してください。
スタジオ品質のアセット、コンポジションの精密な制御、画像内テキストの改善、複数参照の融合による一貫した出力が必要な場合は Nano Banana Pro を使用してください。
