Als AI-maker ben ik verheugd om u kennis te laten maken met Nano Banaan — de speelse bijnaam voor Gemini 2.5 Flash-afbeelding — Googles nieuwste, high-fidelity model voor het genereren en bewerken van afbeeldingen. In deze uitgebreide analyse leg ik uit wat het is, hoe je het gebruikt (app en API), hoe je het effectief aanstuurt, geef ik concrete voorbeelden, voeg ik kant-en-klare code toe en leg ik uit hoe het werkt. zeven creatieve, praktische toepassingen U kunt vandaag nog beginnen met solliciteren.
Wat is Gemini 2.5 Flash Image (Nano Banana)?
Gemini 2.5 Flash Image is een nieuw model voor het genereren en bewerken van afbeeldingen binnen de Gemini-familie. Het breidt de Gemini 2.5 Flash-familie uit om afbeeldingen te produceren en te bewerken (niet alleen tekst), door Gemini's multimodale redenering, wereldkennis en promptgestuurde bediening te combineren om afbeeldingen te maken of te wijzigen op basis van tekst- en/of beeldinvoer. Het team en de ontwikkelaarsdocumentatie noemen het expliciet "Gemini 2.5 Flash Image" en let op de interne bijnaam. nano-banaan.
Bij de aankondiging was de gepubliceerde prijs voor de Gemini 2.5 Flash Image-laag $30 per 1 miljoen output-tokens, met een voorbeeld van de kosten per afbeelding, gerapporteerd als 1290 output-tokens ≈ $0.039 per afbeeldingHet model wordt aangeboden in preview (ontwikkelaars-/preview-ID's zoals gemini-2.5-flash-image-preview) en is al beschikbaar via geselecteerde partners (CometAPI) en Google's eigen ontwikkelaarsplatforms.
Wat zijn de meest opvallende kenmerken van Gemini 2.5 Flash Image?
Consistentie van karakter en stijl bij alle bewerkingen
Een van de belangrijkste verbeteringen is karakterconsistentie: het model is expliciet afgestemd om een onderwerp (een persoon, huisdier of product) visueel coherent te houden tijdens meerdere bewerkingen en in verschillende contexten – een langdurige zwakte van eerdere beeldmodellen. Dit verbetert workflows die consistente merkelementen, terugkerende personages in storytelling of automatisch gegenereerde multi-shot productfotografie vereisen.
Op prompts gebaseerde, gelokaliseerde bewerking
Je kunt een afbeelding aanleveren plus een instructie in natuurlijke taal, zoals "verwijder de vlek uit het shirt", "trek een blauw jasje aan" of "vervaag de achtergrond en verhoog de helderheid van het onderwerp". Het model voert vervolgens gerichte, lokale bewerkingen uit zonder dat er in veel gevallen handmatige maskers nodig zijn. Dit maakt het praktisch voor iteratieve, conversationele bewerking.
Multi-image fusie en stijloverdracht
Gemini 2.5 Flash Image kan meerdere afbeeldingen maken en componeren Ze in één scène te plaatsen of stijl/textuur van de ene afbeelding naar de andere over te brengen. Dit maakt productmockups (een product in een scène plaatsen), meubelpresentaties of gecombineerde beelden voor marketing en e-commerce mogelijk.
Kennis van de inheemse wereld
Omdat het model is gebaseerd op de Gemini-familie, maakt het gebruik van kennis over de wereld, zoals inzicht in rekwisieten, omgevingen of contextueel correcte objectrelaties. Dit helpt bij het realistisch construeren van scènes en het aanbrengen van semantisch coherente bewerkingen (niet alleen bij esthetisch plausibele uitkomsten).
Lage latentie en kostenefficiëntie
De "Flash"-familie van Gemini richt zich op lage latentie en kostenefficiënt gebruik in vergelijking met grotere rekenlagen. De aankondiging van de ontwikkelaar benadrukt snelheid en een gunstige prijs-kwaliteitverhouding voor veel praktische toepassingen.
Ingebouwde herkomst: SynthID-watermerk
Alle afbeeldingen die met het model zijn gemaakt/bewerkt, bevatten een onzichtbaar SynthID digitaal watermerk Zodat de afbeeldingen later geverifieerd kunnen worden als door AI gegenereerd of bewerkt. Dit maakt deel uit van Googles productniveau-mitigatie tegen misbruik en herkomsttracering.
1) Hoe kan ik een consistent personage creëren voor een langlopende strip of merkcampagne?
Waarom dit werkt
Nano Banana is expliciet getraind om hetzelfde personage-uiterlijk te behouden tijdens bewerkingen en nieuwe contexten – handig wanneer je hetzelfde gezicht, dezelfde outfit of dezelfde mascotte in alle afleveringen, thumbnails of heldenafbeeldingen wilt laten verschijnen. De ontwikkelaars noemen dit 'personageconsistentie'.
Hoe je een aanmoediging kunt geven
- Begin met een beschrijvend blok dat identiteitskenmerken (leeftijdscategorie, gezichtskenmerken, onderscheidende kenmerken, kledingelementen) vastlegt.
- Voeg een instructie voor een 'consistentietoken' toe, zoals: 'Gebruik hetzelfde teken voor alle uitvoer — wijzig de identificatiemarkeringen niet.'
- Voor uitvoer met meerdere afbeeldingen moet u een of meer referentieafbeeldingen als invoer opgeven om de gelijkenis te vergrendelen.
Hoe u consistente bewerkingen kunt aanvragen
- Begin met het beschrijven van de belangrijkste identiteitskenmerken die u wilt behouden: leeftijd, haarkleur, onderscheidende kenmerken (bijv. "heeft een kleine moedervlek op uw linkerwang") en kledingstijl.
- Gebruik een tweedelige opdracht bij het bewerken: beschrijf eerst wat Dan moet je identiek blijven, beschrijf dan de verandering Wat je wilt. Voorbeeld: "Behoud: 28-jarige Oost-Aziatische vrouw, korte zwarte bob, kleine moedervlek op de linkerwang. Verander: plaats haar in een restaurant uit de jaren 1970, gekleed in een rood leren jasje, glimlachend, warm kunstlicht."
- Wanneer u bewerkingen in meerdere stappen uitvoert, voegt u een klein referentietoken zoals "(KEEP_ID: A)" toe aan de prompt en hergebruikt u dit om hetzelfde onderwerp bij alle prompts aan te geven.
Voorbeeld prompt
“Maak een fotorealistisch portret van Amina, een 28-jarige graphic novelist met een kort asymmetrisch kapsel, een halvemaanvormige moedervlek op haar linkerwang, warme bruine ogen en een groen leren jasje. Behoud Amina's kenmerkende eigenschappen in de volgende zes scène-aanwijzingen: 'Amina in een ochtendkoffiebar', 'Amina schetst in het park', … . Gebruik dezelfde karaktergelijkenis voor elke scène.
Codefragment (Python, meerdere afbeeldingen genereren)
In dit voorbeeld wordt de Gemini API-client gebruikt die in de documentatie van Google wordt weergegeven. Geef uw beschrijvende prompt en loop-scènevarianten door.
from google import genai
from PIL import Image
from io import BytesIO
client = genai.Client()
base_description = (
"Photorealistic portrait of Amina: 28yo graphic novelist, short asymmetrical haircut, "
"crescent mole on left cheek, warm brown eyes, green leather jacket. Keep likeness identical across scenes."
)
scenes = [
"Amina at a morning coffee shop, reading a sketchbook, warm golden hour light.",
"Amina sketching in the park, windy afternoon, soft bokeh background.",
# add more scenes...
]
for i, scene in enumerate(scenes, start=1):
prompt = f"{base_description} Scene: {scene}"
response = client.models.generate_content(
model="gemini-2.5-flash-image-preview",
contents=,
)
parts = response.candidates.content.parts
for part in parts:
if part.inline_data:
img = Image.open(BytesIO(part.inline_data.data))
img.save(f"amina_scene_{i}.png")
2) Hoe kan Nano Banana productfotografie en A/B-beelden in e-commerce versnellen?
Waarom dit creatief en nuttig is
Productteams besteden enorme middelen aan meerdere shots, belichtingsinstellingen en variaties (kleuren, achtergronden). Nano Banana's multi-image fusie en dankzij de nauwkeurige, snelle bewerking kunt u snel consistente productvarianten en lifestyle-composities genereren voor catalogusfoto's, lifestyle-scènes en sociale media-items, waardoor u de iteratietijd en productiekosten verkort.
Hoe u om productvarianten kunt vragen
- Geef een korte productspecificatie (afmetingen, materialen, kleurenpalet) en de fotografische stijl (bijvoorbeeld 'studiowitte achtergrond, hoek van 45°, zachte schaduw').
- Voor varianten: “Maak 4 variaties van deze Bluetooth-headset: zwart, roze, grijs met oranje oordopjes en grijs met blauwe glans – allemaal met dezelfde belichting, dezelfde camerahoek en in een witte kamer.”.”
- Gebruik multi-image fusion om het product in verschillende scènes te plaatsen: "Plaats deze rugzak op een picknickkleed tijdens het gouden uur met een geringe scherptediepte."
Voorbeeldprompt (product)
Afbeelding A (productreferentie): premium leren rugzak. Maak drie catalogusvarianten met een witte achtergrond – bosgroen, bruin, antraciet – gefotografeerd onder een hoek van 45°, natuurlijke zachte schaduw, ISO-gevoel van 100.
Codefragment: snelle Python-generatie (catalogusvariant)
from google import genai
from PIL import Image
from io import BytesIO
client = genai.Client(api_key="YOUR_API_KEY")
product_image = open("backpack_ref.png","rb").read()
prompt = ("Make 4 variations of this Bluetooth headset: black, pink, gray with orange ear caps, and gray with blue glint – all with the same lighting, same camera angle, and in a white room.")
response = client.models.generate_content(
model="gemini-2.5-flash-image-preview",
contents=,
)
# Save images from response parts (example)
for i, part in enumerate(response.candidates.content.parts):
if part.inline_data:
img = Image.open(BytesIO(part.inline_data.data))
img.save(f"backpack_variant_{i}.png")
Dit fragment weerspiegelt het gedocumenteerde gebruikspatroon van Google en is een goed startpunt voor het automatiseren van het maken van productvarianten.
Uitvoer afbeelding:
3) Hoe kan ik educatieve illustraties maken die foto's en diagrammen combineren?
Waarom dit werkt
Nano Banana integreert wereldkennis (Gemini's multimodale redenering) zodat het handgetekende diagrammen kan interpreteren, afbeeldingen kan annoteren of verklarende visuele elementen kan creëren uit een combinatie van foto's en tekstuele instructies — handig voor e-learning, technische documenten en interactieve docenten.
Hoe je een aanmoediging kunt geven
- Geef afbeeldingen (bijvoorbeeld een foto van een natuurkundig experiment) en een opdracht als: 'Maak aantekeningen op deze afbeelding met labels en pijlen die de belangrijkste onderdelen uitleggen en maak een tweede afbeelding die het systeem in doorsnede laat zien.'
Voorbeeld prompt
Genereer vier stukjes kennisbeeldverklaring: NEURALE NETWERKEN VAN HET MENSELIJKE HERSENEN, ATP-PRODUCTIE VAN CELLULAIRE HERSENEN, GENETISCHE CODE VAN DE DUBBELE HELIX VAN DNA, FOTO'S VAN PLANTEN VAN CHLOROLPAST
Uitvoer afbeelding:
4) Hoe kan ik echte foto's omzetten in marketingvariaties die passen bij mijn merk (outfit, belichting, achtergrond)?
Waarom dit werkt
Het model ondersteunt gerichte transformatie en lokale bewerkingen uitgedrukt in natuurlijke taal: een outfit veranderen, de belichting aanpassen, de achtergrond vervangen of objecten verwijderen – en het probeert de identiteit van het onderwerp en het algehele realisme te behouden. Dit maakt snelle marketingvarianten mogelijk (seizoensoutfits, lokale scènes).
Hoe je een aanmoediging kunt geven
- Geef de originele foto als invoer.
- Vraag ernaar gerichte bewerkingen met expliciete instructies, bijvoorbeeld: "Vervang de jas door een rode wollen jas, verander de achtergrond in een stadsstraat bij schemering, voeg warm randlicht toe."
Voorbeeld prompt
Vervang, uitgaande van de geüploade foto, het blauwe spijkerjack door een op maat gemaakte rode wollen mantel, stel de achtergrond in op een stadsstraat in de vroege avond met lichte bokeh en voeg zachte randbelichting toe om het onderwerp van de achtergrond te scheiden.
Hints
- Als u iteratieve controle nodig hebt, voer dan bewerkingen in meerdere beurten uit: vraag om een eerste bewerking en verfijn deze vervolgens ("verwijder de hoed", "verwarm nu de kleurtemperatuur").
5) Hoe kunnen animatiemakers en previsualisatieteams prototypes maken van scènes en storyboards?
Waarom het nuttig is
Regisseurs en cameramensen kunnen snel prototypes maken van belichtingsopstellingen, kleding en cameravoering. Nano Banana kan storyboards met consistente personages produceren, wat helpt bij de planning en voorbereiding. ()
H3: Voorbeeldprompt
There is a tree house in the forest at night with colorful lights hanging on the trees
Uitvoer afbeelding:
6) Hoe kan Nano Banana worden gebruikt voor concept art, game-assets en consistente in-game personages?
Waarom gamestudio's en indie-ontwikkelaars zich hier zorgen over moeten maken
Het maken van art assets en het herhalen van karakterlooks vereist meestal dat artiesten personages herhaaldelijk herwerken. De consistentie van Nano Banana's personages maakt het praktisch om talloze poses, outfits en belichtingsopstellingen te genereren die trouw blijven aan de identiteit van één personage – een enorme tijdsbesparing in preproductie en rapid prototyping.
Hoe je om game-assets vraagt
- Definieer het 'canonieke' personageblad in de tekst: lengte, lichaamsbouw, belangrijkste kenmerken, garderobeklassiekers.
- Vraag om meerdere uitkomsten: "Genereer drie varianten van gevechtspantsers met dezelfde gezichtskenmerken, elk getoond van voren, van opzij en in driekwart poses."
- Voor omgevingskunst kun je multi-image fusion gebruiken: geef één afbeelding van het personage en één van de omgeving en geef de kunstenaar de opdracht om ze samen te voegen.
Voorbeeldprompt (game-assets)
Maak drie gepantserde varianten voor 'Kael, de wind ranger': behoud gezichtskenmerken (smalle kaak, litteken boven rechter wenkbrauw). Pantser A: leer + blauwgroene stof; Pantser B: schub + messing; Pantser C: stealth matzwart. Uitvoer volledige lichaamsvoorkant, profiel, ¾.
Pantser C: Stealth Mat Zwart
Pantser B: Schaal + Messing
Pantser A: Leer + Blauwgroene Doek
7) Hoe kan ik fotobewerkingsworkflows automatiseren met conversationele multi-turn-bewerking?
Waarom dit werkt
Nano Banana ondersteunt conversationele multi-turn beeldbewerking: je kunt om een bewerking vragen, het resultaat bekijken en vervolgens meer instructies in natuurlijke taal geven. Dat is perfect voor het bouwen van een retoucheerpijplijn waarbij een editor het model door meerdere passes heen loodst.
Hoe de workflow te implementeren
- Upload een eerste foto en vraag om een basisretouchering (belichting, verwijderen van oneffenheden).
- Stuur bij elke beurt de nieuw bewerkte afbeelding terug naar het model met de volgende instructie ("verminder hooglichten, breng schaduwen naar voren, snijd bij naar 4:5").
- Registreer elke stap, zodat u later kunt terugkeren of dezelfde stap op een batch kunt toepassen.
Mini-workflowfragment (Python)
# 1) Initial retouch
prompt1 = "Remove small blemishes, even skin tone, slightly warm color grade"
response1 = client.models.generate_content(model="gemini-2.5-flash-image-preview", contents=)
# save response1 -> edited_v1.png
# 2) Follow-up tweak
prompt2 = "Crop to 4:5, increase local contrast on eyes, desaturate background slightly"
response2 = client.models.generate_content(model="gemini-2.5-flash-image-preview", contents=)
# save response2 -> edited_v2.png
Hoe zorg ik ervoor dat Nano Banana de beste resultaten krijgt?
Welke principes moet ik volgen?
Nano Banana reageert het beste op beschrijvende, verhalende prompts die de scène, het perspectief, de belichting en de sfeer uitleggen – niet zomaar een lijst met trefwoorden. De officiële richtlijnen adviseren om camera-, lens-, belichtings- en stijlkenmerken te verstrekken voor fotorealisme, of stijl- en paletkenmerken voor illustraties. Geef ook expliciet beperkingen (beeldverhouding, achtergrond, tekstvereisten) op.
Hoe structureer ik een sterke prompt?
Hier zijn korte, herbruikbare sjablonen:
- Fotorealistische sjabloon:
A photorealistic of , , in , illuminated by , captured with , emphasizing . Aspect ratio: . - Stijl-overdracht/compositie sjabloon:
Combine Image A (style) with Image B (subject). Transfer the color palette of A, keep subject proportions of B. Final style:.
Snelle technische tips (snelle lijst)
- Gebruik één duidelijke verhalende zin in plaats van veel losse tags.
- Toevoegen cameradetails voor fotorealisme (bijv. “85 mm, geringe scherptediepte”).
- Om ervoor te zorgen dat de karakters in alle bewerkingen hetzelfde blijven, verwijs je naar de eerdere afbeelding en het kenmerk dat je wilt behouden (bijvoorbeeld: 'behoud de sproeten en blauwe sjaal van de persoon, verander het kapsel in...').
- Bij het bewerken, upload de bronafbeelding en beschrijf precies welke regio's of elementen moeten worden gewijzigd.
- Gebruik iteratieve, multi-turn bewerkingen om kleine visuele details te verfijnen (Nano Banana ondersteunt conversatieverfijning).
Laatste opmerking
Nano Banana (Gemini 2.5 Flash Image) is een creatieve sprong voorwaarts: het stelt makers in staat de continuïteit van personages en producten te behouden, terwijl het gedurfde nieuwe bewerkingen, de fusie van meerdere afbeeldingen en snelle iteratie mogelijk maakt. Gebruik het om storytelling te versnellen, productieproblemen te verminderen en snel prototypes van visuals te maken – maar combineer deze voordelen met strenge controle en ethische richtlijnen.
Beginnen
CometAPI is een uniform API-platform dat meer dan 500 AI-modellen van toonaangevende aanbieders – zoals de GPT-serie van OpenAI, Gemini van Google, Claude, Midjourney en Suno van Anthropic – samenvoegt in één, gebruiksvriendelijke interface voor ontwikkelaars. Door consistente authenticatie, aanvraagopmaak en responsverwerking te bieden, vereenvoudigt CometAPI de integratie van AI-mogelijkheden in uw applicaties aanzienlijk. Of u nu chatbots, beeldgenerators, muziekcomponisten of datagestuurde analysepipelines bouwt, met CometAPI kunt u sneller itereren, kosten beheersen en leveranciersonafhankelijk blijven – en tegelijkertijd profiteren van de nieuwste doorbraken in het AI-ecosysteem.
Ontwikkelaars hebben toegang tot Gemini 2.5 Flash-afbeelding(Nano Banana CometAPI-lijst gemini-2.5-flash-image-preview/gemini-2.5-flash-image stijlvermeldingen in hun catalogus.) via CometAPI, de nieuwste vermelde modelversies zijn van de publicatiedatum van het artikel. Om te beginnen, verken de mogelijkheden van het model in de Speeltuin en raadpleeg de API-gids voor gedetailleerde instructies. Zorg ervoor dat u bent ingelogd op CometAPI en de API-sleutel hebt verkregen voordat u toegang krijgt. KomeetAPI bieden een prijs die veel lager is dan de officiële prijs om u te helpen integreren.