Interfejs API obrazów Flash Gemini 2.5 (Nano-Banana)

Gemini 2.5 Flash Image (znany również jako „Nano Banana”) to najnowszy natywny model generowania i edycji obrazów Google w rodzinie Gemini 2.5. Koncentruje się na łączeniu wielu obrazów, precyzyjnej edycji w języku naturalnym i szybkich, multimodalnych przepływach pracy.

Wprowadzenie do modelu

Co to jest — Obraz Flash Gemini 2.5 to multimodalny model do generowania i edycji obrazów, zbudowany na bazie rodziny Gemini 2.5. Został zaprojektowany do produkcji fotorealistyczne obrazy, wykonać ukierunkowane edycje (inpainting, transfer stylu, zamiana obiektów) i łączenie wielu obrazów źródłowych w jeden spójny wynik — stosując ulepszone rozumowanie językowe Gemini w celu kontrolowania kompozycji i semantyki.

Główne cechy

• Natywne generowanie i edycja obrazów — generuj obrazy lub edytuj istniejące zdjęcia za pomocą podpowiedzi w języku naturalnym. (Generuj / Edytuj).
• Fuzja wielu obrazów — łączenie wielu obrazów wejściowych w jedną fotorealistyczną scenę.
• Spójność postaci — zachowaj ten sam temat lub wygląd postaci we wszystkich edycjach i monitach. (Konsystencja).
• Znakowanie wodne SynthID — wszystkie wyniki obejmują niewidoczny SynthID do identyfikacji treści generowanych przez sztuczną inteligencję. (Filigran).

Szczegóły techniczne

• Architektura i pozycjonowanie: zbudowany na bazie rodziny Gemini 2.5 Flash — zaprojektowany jako małe opóźnienia Wariant „Flash” charakteryzujący się niewielkim rozmiarem modelu/przepustowością, co przekłada się na szybszą reakcję na każde połączenie i niższe koszty, przy jednoczesnym zachowaniu większej efektywności w zakresie wnioskowania niż wcześniejsze wersje Flash.
• Formaty wejściowe i limity: akceptuje obrazy w formacie base64 dla małych nakładów i przesyłanie plików za pośrednictwem interfejsu API plików w przypadku większych obrazów (zalecane dla obrazów o rozmiarze >20 MB). Obsługuje popularne typy MIME (JPEG, PNG).
• Tryby działania: tekst na obraz, edycja obrazu (inpainting/maskowanie semantyczne), przenoszenie stylu, kompozycja wielu obrazów i przeplatane odpowiedzi w formie tekstu i obrazu (przydatne w przypadku ilustrowanych instrukcji, przepisów lub treści mieszanych).
• Pochodzenie i mechanizmy bezpieczeństwa: widoczne znaki wodne na wynikach AI, a także ukryte znaczniki SynthID i warstwy egzekwowania zasad w celu ograniczenia wyraźnie niedozwolonej treści.

Wydajność wzorcowa

Ograniczenia i znane ryzyka

• Ograniczenia polityki treści: modele egzekwują zasady dotyczące treści (np. niedopuszczające treści o charakterze wyraźnie seksualnym i niektórych treści nielegalnych), ale egzekwowanie nie jest idealne — w niektórych scenariuszach nadal możliwe może być generowanie obrazów osób publicznych lub kontrowersyjnych ikon, więc kontrole zasad są niezbędne. )
• Tryby awaryjne: możliwy dryf tożsamości w przypadku drastycznych edycji, sporadycznego braku spójności semantycznej (gdy podpowiedzi są niedookreślone) oraz artefaktów w bardzo złożonych scenach lub drastycznych zmianach punktu widzenia.
• Pochodzenie i niewłaściwe użycie: chociaż znaki wodne i SynthID są obecne, nie zapobiegają one niewłaściwemu wykorzystaniu — wspomagają wykrywanie i przypisywanie, ale nie zastępują przeglądu przez człowieka w przypadku wrażliwych przepływów pracy.

Typowe przypadki użycia

• Produkt i handel elektroniczny: umieszczanie/katalogowanie produktów w ujęciach lifestylowych poprzez fuzję wielu obrazów.
• Narzędzia kreatywne / projekt: szybkie iteracje w aplikacjach do projektowania (w tym integracja Adobe Firefly).
• Edycja i retusz zdjęć: zlokalizowane edycje z języka naturalnego (usuwanie obiektów, zmiana koloru/oświetlenia, zmiana stylu).
• Opowiadanie historii / zasoby postaci: zachowaj spójność postaci przez panele i sceny.

Jak zadzwonić Obraz Flash Gemini 2.5 API z CometAPI

Gemini 2.5 Flash Image Ceny API w CometAPI, 20% zniżki od ceny oficjalnej:

Wymagane kroki

• Zaloguj się do pl.com. Jeśli jeszcze nie jesteś naszym użytkownikiem, zarejestruj się najpierw
• Pobierz klucz API uwierzytelniania dostępu do interfejsu. Kliknij „Dodaj token” przy tokenie API w centrum osobistym, pobierz klucz tokena: sk-xxxxx i prześlij.
• Uzyskaj adres URL tej witryny: https://api.cometapi.com/

Użyj metody

1. Wybierz "Gemini-2.5 Flash-Image” punkt końcowy do wysłania żądania API i ustawienia treści żądania. Metoda żądania i treść żądania są pobierane z naszej witryny internetowej API doc. Nasza witryna internetowa udostępnia również test Apifox dla Twojej wygody.
2. Zastępować za pomocą aktualnego klucza CometAPI ze swojego konta.
3. Wpisz swoje pytanie lub prośbę w polu treści — model odpowie właśnie na tę wiadomość.
4. . Przetwórz odpowiedź API, aby uzyskać wygenerowaną odpowiedź.

CometAPI zapewnia w pełni kompatybilne API REST, co umożliwia bezproblemową migrację. Kluczowe szczegóły  Dokumentacja API:

• Punkt końcowy: https://api.cometapi.com/v1beta/models/gemini-2.5-flash-image-preview:generateContent
• Parametr modelu: gemini-2.5-flash-image-preview / gemini-2.5-flash-image
• Poświadczenie: Bearer YOUR_CometAPI_API_KEY
• Typ zawartości: application/json .

Uwaga: Podczas wywoływania API należy ustawić parametr „stream” na wartość true.

curl --location --request POST 'https://api.cometapi.com/v1beta/models/gemini-2.5-flash-image-preview:generateContent' \
--header 'Authorization: sk-xxx' \
--header 'User-Agent: Apidog/1.0.0 (https://apidog.com)' \
--header 'Content-Type: application/json' \
--header 'Accept: */*' \
--header 'Host: api.cometapi.com' \
--header 'Connection: keep-alive' \
--data-raw '{
    "contents": [
        {
            "role": "user",
            "parts": [
                {
                    "text": "cat"
                },
                {
                    "inline_data": {
                        "mime_type": "image/jpeg",
						"data": "iVBORw0KGgoA Note: Base64 data here"
						}

            ]
        }
    ],
    "generationConfig": {
        "responseModalities": [
            "TEXT",
            "IMAGE"
        ]
    }
}'

Zobacz także Interfejs API GPT-image-1