کیا Gemini 3 Pro Image 4K ریزولوشن کی تصاویر بنا سکتا ہے؟

ہاں، Nano Banana Pro (Gemini 3 Pro Image) 4K ریزولوشن تک مقامی آؤٹ پٹ کی سپورٹ دیتا ہے، جس میں 1:1، 3:2، 16:9، 9:16 اور 21:9 جیسے ایسپیکٹ ریشوز شامل ہیں۔ یہ imageConfig پیرامیٹر کے ذریعے 1K اور 2K پری سیٹس کی بھی سپورٹ کرتا ہے۔

کیا میں Gemini 3 Pro Image کے ساتھ مکالماتی انداز میں تصاویر میں ترمیم کر سکتا/سکتی ہوں؟

ہاں، Nano Banana Pro متعدد مرحلہ وار مکالماتی ترمیم کی سپورٹ دیتا ہے۔ بس اس طرح تبدیلی کی درخواست کریں جیسے 'پس منظر کو غروبِ آفتاب بنا دیں'، اور ماڈل ہر مرحلے کے درمیان Thought Signatures کے ذریعے بصری سیاق برقرار رکھتا ہے۔

Nano Banana Pro تصاویر کے اندر متن کی رینڈرنگ کو کیسے سنبھالتا ہے؟

Nano Banana Pro میں تصاویر کے اندر متن کی جدید رینڈرنگ شامل ہے، جس میں متعدد زبانوں کے واضح اور قابلِ مطالعہ متن کی سپورٹ موجود ہے—مختصر کیپشنز سے لے کر طویل پیراگراف تک۔ اس وجہ سے یہ پوسٹرز، انفوجرافکس، UI mockups اور مارکیٹنگ اثاثوں کے لیے نہایت موزوں ہے۔

Nano Banana Pro کو FLUX 2 Pro یا Midjourney سے مختلف کیا بناتا ہے؟

Nano Banana Pro تکراری خود اصلاح، متعدد ترمیمات کے دوران کردار کی مستقل حفاظت، اور Google کے ایکو سسٹم کے ساتھ مضبوط انضمام میں ممتاز ہے۔ یہ پیچیدہ کثیر تصویری فیوژن ورک فلوز کے لیے زیادہ سے زیادہ 14 ریفرنس تصاویر کو سنبھالتا ہے۔

کیا Nano Banana Pro حقائق پر مبنی تصاویر کی تخلیق کے لیے Google Search استعمال کرتا ہے؟

ہاں، Nano Banana Pro تصاویر بنانے سے پہلے حقائق کی توثیق کے لیے Search grounding استعمال کر سکتا ہے۔ مثال کے طور پر، یہ Tokyo کے موسم کا موجودہ ڈیٹا حاصل کر کے درست موسم کی انفوجرافک بنا سکتا ہے۔

Nano Banana Pro ایک درخواست میں کتنی ریفرنس تصاویر پروسیس کر سکتا ہے؟

Nano Banana Pro فی پرامپٹ زیادہ سے زیادہ 14 ان پٹ تصاویر کی سپورٹ دیتا ہے، ہر تصویر کے لیے حدِ اکثر 7MB ہے۔ یہ پیچیدہ کثیر تصویری فیوژن سیناریوز میں زیادہ سے زیادہ 5 کرداروں تک موضوع اور کردار کی مطابقت برقرار رکھتا ہے۔

Google

دستیاب مقبول

gemini-3-pro-image

Nano Banana Pro API

Nano Banana Pro ایک AI ماڈل ہے جو متن مرکوز ورک فلو میں عمومی نوعیت کی معاونت کے لیے بنایا گیا ہے۔ یہ ہدایتی طرز کی پرامپٹنگ کے ذریعے قابلِ کنٹرول ساخت کے ساتھ مواد کی تخلیق، تبدیلی اور تجزیہ کے لیے موزوں ہے۔ عمومی استعمالات میں چیٹ اسسٹنٹس، دستاویزات کا خلاصہ، علمی سوال و جواب (QA)، اور ورک فلو آٹومیشن شامل ہیں۔ عوامی تکنیکی تفصیلات محدود ہیں؛ انضمام عام AI اسسٹنٹ پیٹرنز کے مطابق ہے، جیسے ساختہ آؤٹ پٹس، بازیافت سے تقویت یافتہ پرامپٹس، اور ٹول یا فنکشن کالنگ۔

ابتدائی قیمت

$1.60 / 10 لاکھ ان پٹ ٹوکنز

استعمال کی بنیاد پر بلنگ

API کی حالت

دستیاب

پروڈکشن اینڈ پوائنٹ

جوابی وقت

ایسنک کے لیے تیار

مشاہدہ شدہ API جوابی وقت

جاری کیا گیا

Nov 19, 2025

Google

Playground

Nano Banana Pro کو ایک حقیقی درخواست کے ساتھ آزمائیں، اس کے پیرامیٹرز کا جائزہ لیں اور API ضم کرنے سے پہلے آؤٹ پٹ کی توثیق کریں۔

خلاصہ

Nano Banana Pro کا ایک عملی جائزہ، جس میں اہم رویہ اور انضمام کے نکات شامل ہیں۔

بنیادی خصوصیات

متن → تصویر: مکمل پرامپٹ سے ہدایت یافتہ جنریشن، ہدایات کی مضبوط پابندی کے ساتھ۔
تصویر → تصویر (ترمیمات): باریک، ہدفی ترمیمات، اور متعدد ترمیمات میں موضوع/کردار کی مستقل مزاجی برقرار۔
زیادہ سے زیادہ آؤٹ پٹ ریزولوشن: زیادہ سے زیادہ 4K (مثالیں اور معاون درست پکسل سائز پہلو کے تناسب پر منحصر ہیں؛ API 1K/2K/4K پری سیٹس مہیا کرتی ہے)
تکراری منصوبہ بندی اور خود اصلاح: ایک داخلی “کثیر مرحلہ” پائپ لائن جو عام بصری غلطیوں (منظریہ، متن، باریک جیومیٹری) کا پتہ لگاتی اور درست کرتی ہے۔
تصویر کے اندر متن کی اعلیٰ درجے کی رینڈرنگ: واضح، قابلِ مطالعہ کثیر لسانی متن (مختصر کیپشنز سے طویل پیراگراف تک) جو پوسٹرز، ماک اپس اور انفوگرافکس کے لیے موزوں ہو۔
5 کردار اور ایک ہی ورک فلو میں زیادہ سے زیادہ 14 اشیاء/حوالہ جاتی تصاویر کے لیے وفاداریت۔
واٹرمارکنگ / اصل کی سند: تمام تیار کردہ تصاویر میں SynthID واٹرمارک شامل ہوتا ہے؛ ماڈل بعض پروڈکٹ انضمامات میں اصل کی سند کے لیے C2PA میٹاڈیٹا ضم کرتا ہے۔

Gemini 3 Pro Image کے ورژنز اور نام

gemini-3-pro-image-preview
gemini-3-pro-image

تکنیکی تفصیلات

معماری

نسل / بیک بون: Nano Banana Pro گوگل کے ترقی پذیر Gemini امیج اسٹیک پر مبنی ہے — خاص طور پر نئی Gemini 3 Pro Image / GEMPIX 2 معماری (زیادہ استعداد والا ملٹی موڈل تصویر+متن فریم ورک)۔ یہ Gemini 2.5 Flash Image (اصلی “nano-banana”) سے ارتقا ہے، جو فطری طور پر ملٹی موڈل امیج ماڈل میں توسیع شدہ بصارت-زبان استدلال صلاحیتوں کے ساتھ تبدیل ہوتا ہے۔
ماڈل کا برتاؤ: فطری ملٹی موڈیلٹی (تصویر + متن + عالمی معلومات)، کثیر تصاویر کے انضمام کے لیے واضح پائپ لائنیں، اور ایک داخلی مرحلہ وار پلانر جو ایک واحد جامد نمونہ بنانے کے بجائے متعدد پاسز میں آؤٹ پٹس کو بہتر کرتا ہے۔ ابتدائی رپورٹس پہلے کے ورژنز کے مقابلے میں مضبوط جیومیٹرک/آپٹیکل استدلال (شیشہ، انعطاف) کی نشاندہی کرتی ہیں۔
سوچ/داخلی نکھار: ماڈل داخلی طور پر کمپوزیشن کو نکھارنے کے لیے ایک مرئی “سوچنے” کے عمل کا استعمال کرتا ہے (API اس رویے کو دستاویزی بناتی ہے اور نوٹ کرتی ہے کہ یہ داخلی مراحل آخری امیج ٹوکنز کے طور پر چارج نہیں ہوتے)۔
گراؤنڈنگ اور ٹولز: Search grounding کی معاونت کرتا ہے (ویب حقائق کو ڈایاگرام/انفوگرافک جنریشن میں شامل کر سکتا ہے)۔ یہ زیادہ قطعی کنٹرول کے لیے سسٹم ہدایات کی بھی معاونت کرتا ہے۔

کلیدی API پیرا میٹرز:

thinking_level (low / high) تاخیر بمقابلہ استدلال کی گہرائی کے تبادلے کے لیے;
media_resolution (low/medium/high) تصویر OCR/تفصیل پڑھنے والے ٹوکنز کو کنٹرول کرنے کے لیے;
generationConfig.imageConfig تصویر کے آؤٹ پٹس میں ایسپیکٹ ریشو/ریزولوشن کو کنٹرول کرنے کے لیے۔

تصویر کی حدود:

ان پٹ موڈالیٹیز کی معاونت: متن اور تصاویر (ماڈل تصویر جنریشن کے لیے آڈیو یا ویڈیو قبول نہیں کرتا)۔
ہر پرامپٹ میں زیادہ سے زیادہ تصاویر: 14 (Gemini 3 Pro Image preview کے لیے)۔
زیادہ سے زیادہ امیج سائز (اپ لوڈ): ہر ان پٹ تصویر کے لیے 7 MB۔
معاون پہلو تناسب: 1:1, 3:2, 16:9, 9:16, 21:9, وغیرہ۔

آؤٹ پٹ تصاویر / ٹوکنز: بلند حدود، 4K/4096px کی معاونت کے ساتھ۔

بینچ مارک کارکردگی

مختصر خلاصہ: اب تک عوامی/ابتدائی بینچ مارکس زیادہ تر کیفی/کمیونٹی سے محرک ہیں، لیکن مسلسل ریزولوشن، آرٹیفیکٹس میں کمی، اور اصل nano-banana (Gemini 2.5 Flash Image) کے مقابلے میں جسمانی وفاداری میں نمایاں بہتری کی رپورٹ کرتے ہیں۔ مخصوص نامی “چیلنجز” نے واضح بصری فوائد دکھائے ہیں، مگر ابھی تک گوگل کی جانب سے معیاری تصویر-جنریشن میٹرکس پر v1 → v2 کے تقابلی معیاری عددی بینچ مارک ٹیبلز (عوامی) دستیاب نہیں ہیں۔

کیفی کمیونٹی ٹیسٹس: زیادہ صاف کنارے، زیادہ تیز مائیکرو تفصیلات، زیادہ سچی رنگت، اور پرامپٹ کی زیادہ وفادار پابندی (کم خیالی اشیاء، زیادہ مستقل کردار)۔ مقبول غیر رسمی ٹیسٹس میں “Wine Glass Test” اور “Glass Burger Challenge” شامل ہیں، جہاں GEMPIX2 (Nano Banana Pro) شفافیت اور انعطاف کو پہلے کے بلڈز کے مقابلے میں نمایاں طور پر بہتر سنبھالتا ہے۔
متن کے ساتھ برتاؤ: Nano Banana Pro تصاویر کے اندر ٹائپوگرافی اور متن کی جگہ بندی میں واضح بہتری دکھاتا ہے (جو بہت سے امیج ماڈلز کی مستقل کمزوری رہی ہے)۔ کمیونٹی تقابلات زیادہ کم بگڑی ہوئی رینڈرڈ گلِفس کی نشاندہی کرتے ہیں۔
تھرو پٹ / UX: زیادہ تیز تکراری رفتار اور ایسا UX جو بیک اینڈ پر کثیر مرحلہ نکھار انجام دیتا ہے تاکہ صارفین کو پہلے پاس میں زیادہ قابلِ اعتماد نتائج نظر آئیں (ہاتھ سے دوبارہ چلانے کی ضرورت کم ہوتی ہے)۔

حدود اور خطرات

کانٹینٹ فلٹرز اور ڈیٹیکشن: وہ پلیٹ فارمز جو ماڈل کو ضم کرتے ہیں (مثلاً Whisk/تیسری پارٹی ایپس) سلیبریٹی یا مشابہت کی سخت شناخت فعال کر سکتے ہیں اور بعض آؤٹ پٹس کو بلاک کر سکتے ہیں، جس سے وہ تخلیقی ورک فلو متاثر ہوتے ہیں جو حقیقی سلیبریٹی مشابہتوں پر انحصار کرتے ہیں۔
اوہام/استدلال کے کنارے کیسز: اگرچہ بہتر ہوا ہے، ماڈل اب بھی جسمانی طور پر غیر حقیقی آرٹیفیکٹس پیدا کر سکتا ہے، خاص طور پر تصاویر کے اندر کثیف علامتی متن یا انتہائی تکنیکی ڈایاگرامز کے ساتھ — تاہم NB2 پہلے کے ورژنز کے مقابلے میں ان غلطیوں کو کم کرتا دکھائی دیتا ہے۔
حفاظت اور غلط استعمال: جنریٹو امیج ماڈلز مسئلہ انگیز یا نقصان دہ مواد بنانے کے لیے استعمال ہو سکتے ہیں۔ گوگل پابندیاں، کانٹینٹ فلٹرز، اور SynthID واٹرمارک لاگو کرتا ہے تاکہ اصل کی سند میں مدد ملے؛ پھر بھی غلط استعمال وقوع پذیر ہوا ہے (ایک ہائی پروفائل تنازع Nano Banana سے تیار کردہ تصویر کے سیاسی طور پر حساس ماحول سے جڑا ہوا ہے)۔

Nano Banana Pro دیگر ماڈلز کے مقابلے میں کیسا ہے

Nano Banana Pro (GEMPIX 2 / Gemini 3 Pro Image) — مضبوط موبائل انضمام، کثیر تصاویر کا فیوژن، تکراری خود اصلاح، 2K نیٹو/4K اپ اسکیلنگ، اور Google ایپس (Search, Photos, Workspace/Gemini) میں مضبوطی سے مربوط۔ ان ورک فلو کے لیے بہترین جو قابلِ اعتماد ایڈٹس، تسلسل، اور Google سروسز کے ساتھ انضمام چاہتے ہیں۔
Midjourney — اسٹائلائزڈ فنّی آؤٹ پٹس میں عمدہ؛ عموماً فوٹو-درست کثیر تصویر فیوژن یا گہرے ملٹی موڈل ایڈٹنگ پائپ لائنز کا ہدف نہیں۔
Stable Diffusion / open weights — پوری طرح اوپن، انتہائی کسٹمائز ایبل، اور لوکل ہوسٹنگ کے قابل؛ چیک پوائنٹس اور فائن ٹیوننگ کا ایکو سسٹم ریسرچ اور آف لائن استعمال کے لیے فیصلہ کن فائدہ ہے۔ Nano Banana Pro کی نسبت “ون-کلک” موبائل انضمام کم اور باکس سے باہر کثیر تصویر ایڈٹنگ میں کم مستقل مزاجی۔
Seedream 4.0 (ByteDance) — حال ہی میں صریحاً Nano Banana کے حریف کے طور پر پوزیشنڈ، انتہائی تیز رینڈرنگ، 2K آؤٹ پٹ، اور متعدد ریفرنس تصاویر (زیادہ سے زیادہ چھ) کی معاونت پر زور۔ پرو/کریئیٹر متبادل کے طور پر پوزیشنڈ۔

(یہ تقابلات ہائی لیول ہیں؛ اپنے ورک فلو سے میچ کر کے ٹول منتخب کریں: openness/customizability → Stable Diffusion; stylized art → Midjourney; مربوط، مستقل موبائل ایڈٹنگ کے ساتھ جارحانہ تکرار → Nano Banana Pro/ Gemini 3 Pro image فیملی۔)

حقیقی دنیا کے استعمال کے کیسز

موبائل فوٹو ایڈٹنگ اور تخلیقی فلٹرز (Google Photos انضمام — ری اسٹائلنگ، بیک گراؤنڈ فیوژن، پورٹریٹ ری کمپوزیشن)۔
مارکیٹنگ اور اشتہاری اثاثے — تیز کانسیپٹ جنریشن، متعدد فریمز/زاویوں میں مستقل برانڈ کردار۔
کانسیپٹ آرٹ اور اسٹوری بورڈنگ — کثیر تصویر فیوژن کردار کی تسلسل برقرار رکھنے میں مدد کرتا ہے۔
ای کامرس / پروڈکٹ ماک اپس — مختلف سیاق/روشنی کے حالات میں مستقل پروڈکٹ شاٹس تیار کریں۔
AR/VR اثاثوں کے لیے تیز پروٹو ٹائپنگ — اعلیٰ معیار کے 2K/4K آؤٹ پٹس جنہیں امیر تجربات کے لیے اپ اسکیل کیا جا سکتا ہے۔
gemini-3-pro-image(Nano Banana Pro) API تک کیسے رسائی حاصل کریں

درکار مراحل

cometapi.com میں لاگ ان کریں۔ اگر آپ ابھی ہمارے صارف نہیں ہیں تو پہلے رجسٹر کریں۔
انٹرفیس کا ایکسیس کریڈینشل API کلید حاصل کریں۔ پرسنل سینٹر میں API ٹوکن پر “Add Token” پر کلک کریں، ٹوکن کلید حاصل کریں: sk-xxxxx اور جمع کرائیں۔
اس سائٹ کا URL حاصل کریں: https://api.cometapi.com/

استعمال کا طریقہ

“gemini-3-pro-image” اینڈ پوائنٹ منتخب کریں، API ریکویسٹ بھیجیں اور ریکویسٹ باڈی سیٹ کریں۔ ریکویسٹ میتھڈ اور ریکویسٹ باڈی ہماری ویب سائٹ کے API ڈاک سے حاصل کیے جاتے ہیں۔ ہماری ویب سائٹ آپ کی سہولت کے لیے Apifox ٹیسٹ بھی فراہم کرتی ہے۔
<YOUR_API_KEY> کو اپنے حقیقی CometAPI کلید سے بدلیں۔
اپنے سوال یا درخواست کو content فیلڈ میں درج کریں — ماڈل اسی پر جواب دے گا۔
. API کے جواب کو پروسیس کریں تاکہ تیار کردہ جواب حاصل ہو۔

CometAPI ایک مکمل مطابقت پذیر REST API فراہم کرتی ہے — بے جوڑ منتقلی کے لیے۔ کلیدی تفصیلات :

بنیادی URL: https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent
ماڈل نام: gemini-3-pro-image
توثیق: Bearer YOUR_CometAPI_API_KEY header
Content-Type: application/json .

اکثر پوچھے جانے والے سوالات

قیمت

ایک ہی رن کے لیے اوپر دیے گئے فوری تخمینے کا استعمال کریں، پھر CometAPI اور سرکاری قیمت کے درمیان مکمل موازنہ دیکھیں۔

پہلی درخواست

—

تخمینی CometAPI استعمال کی لاگت

دس درخواستیں

—

تخمینی CometAPI استعمال کی لاگت

پندرہ درخواستیں

—

تخمینی CometAPI استعمال کی لاگت

Nano Banana Pro کی قیمتیں

[ماڈل کا نام] کے لیے مسابقتی قیمتوں کو دریافت کریں، جو مختلف بجٹ اور استعمال کی ضروریات کے مطابق ڈیزائن کیا گیا ہے۔ ہمارے لچکدار منصوبے اس بات کو یقینی بناتے ہیں کہ آپ صرف اسی کے لیے ادائیگی کریں جو آپ استعمال کرتے ہیں، جس سے آپ کی ضروریات بڑھنے کے ساتھ ساتھ اسکیل کرنا آسان ہو جاتا ہے۔ دریافت کریں کہ [ماڈل کا نام] کیسے آپ کے پروجیکٹس کو بہتر بنا سکتا ہے جبکہ اخراجات کو قابو میں رکھتا ہے۔

nano-banana-pro（image）

variant / alias	Price
gemini-3-pro-image (1K/2K)	≈ $0.10720
gemini-3-pro-image (4K)	≈ $0.19200
gemini-3-pro-image-preview (1K/2K)	≈ $0.10720
gemini-3-pro-image-preview (4K)	≈ $0.19200
nano-banana-pro-all	$0.09600

API

ایک کام کرنے والا اینڈ پوائنٹ اور کوڈ کی مثال کاپی کریں، پھر جب تمام پیرامیٹرز درکار ہوں تو مکمل API حوالہ کھولیں۔

ایک API، پروڈکشن کے لیے تیار ماڈل تک رسائی

ایک بار تصدیق کریں، ماڈل اینڈ پوائنٹ کال کریں اور فراہم کنندگان کے درمیان یکساں بلنگ اور مانیٹرنگ ورک فلو برقرار رکھیں۔

POST/v1beta/models/{model}:generateContentPOST/v1beta/models/{model}:generateContent

Nano Banana Pro کے لیے نمونہ کوڈ اور API

Nano Banana Pro کے لیے جامع نمونہ کوڈ اور API وسائل تک رسائی حاصل کریں تاکہ آپ کے انضمام کے عمل کو آسان بنایا جا سکے۔ ہماری تفصیلی دستاویزات قدم بہ قدم رہنمائی فراہم کرتی ہیں، جو آپ کو اپنے پروجیکٹس میں Nano Banana Pro کی مکمل صلاحیت سے فائدہ اٹھانے میں مدد کرتی ہیں۔

POST

/v1beta/models/{model}:generateContent

POST

/v1beta/models/{model}:generateContent

#!/bin/bash
# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here

# Output directory
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
OUTPUT_DIR="$SCRIPT_DIR/../output"
mkdir -p "$OUTPUT_DIR"

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent" \
  -H "x-goog-api-key: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."}]}],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {"aspectRatio": "1:1", "imageSize": "4K"}
    }
  }' | jq -r '.candidates[0].content.parts[] | select(.inlineData) | .inlineData.data' | head -1 | base64 --decode > "$OUTPUT_DIR/butterfly_4k.png"

echo "Image saved to: $OUTPUT_DIR/butterfly_4k.png"

cURL Code Example

#!/bin/bash
# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here

# Output directory
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
OUTPUT_DIR="$SCRIPT_DIR/../output"
mkdir -p "$OUTPUT_DIR"

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent" \
  -H "x-goog-api-key: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."}]}],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {"aspectRatio": "1:1", "imageSize": "4K"}
    }
  }' | jq -r '.candidates[0].content.parts[] | select(.inlineData) | .inlineData.data' | head -1 | base64 --decode > "$OUTPUT_DIR/butterfly_4k.png"

echo "Image saved to: $OUTPUT_DIR/butterfly_4k.png"

Python Code Example

from google import genai
from google.genai import types
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com"

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": BASE_URL, "timeout": 600000},
    api_key=COMETAPI_KEY,
)

prompt = "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."
aspect_ratio = "1:1"  # "1:1","2:3","3:2","3:4","4:3","4:5","5:4","9:16","16:9","21:9"
resolution = "4K"  # "1K", "2K", "4K"

response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=prompt,
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(
            aspect_ratio=aspect_ratio,
            image_size=resolution,
        ),
    ),
)

# Output directory
OUTPUT_DIR = os.path.join(os.path.dirname(__file__), "..", "output")
os.makedirs(OUTPUT_DIR, exist_ok=True)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif image := part.as_image():
        output_path = os.path.join(OUTPUT_DIR, "butterfly_4k.png")
        image.save(output_path)
        print(f"Image saved to: {output_path}")

JavaScript Code Example

import { GoogleGenAI } from "@google/genai";
import * as fs from "node:fs";
import * as path from "node:path";
import { fileURLToPath } from "node:url";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const BASE_URL = "https://api.cometapi.com";

const __filename = fileURLToPath(import.meta.url);
const __dirname = path.dirname(__filename);

async function main() {
  const ai = new GoogleGenAI({
    apiKey: COMETAPI_KEY,
    httpOptions: { baseUrl: BASE_URL },
  });

  const prompt =
    "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English.";
  const aspectRatio = "1:1"; // "1:1","2:3","3:2","3:4","4:3","4:5","5:4","9:16","16:9","21:9"
  const resolution = "4K"; // "1K", "2K", "4K"

  const response = await ai.models.generateContent({
    model: "gemini-3-pro-image-preview",
    contents: prompt,
    config: {
      responseModalities: ["TEXT", "IMAGE"],
      imageConfig: {
        aspectRatio: aspectRatio,
        imageSize: resolution,
      },
    },
  });

  // Output directory
  const outputDir = path.join(__dirname, "..", "output");
  if (!fs.existsSync(outputDir)) {
    fs.mkdirSync(outputDir, { recursive: true });
  }

  for (const part of response.candidates[0].content.parts) {
    if (part.text) {
      console.log(part.text);
    } else if (part.inlineData) {
      const imageData = part.inlineData.data;
      const outputPath = path.join(outputDir, "butterfly_4k.png");
      const buffer = Buffer.from(imageData, "base64");
      fs.writeFileSync(outputPath, buffer);
      console.log(`Image saved to: ${outputPath}`);
    }
  }
}

main();

صلاحیتیں

آرکیٹیکچر منتخب کرنے یا پروڈکشن ورک لوڈ کا تخمینہ لگانے سے پہلے اہم ماڈل حقائق کا جائزہ لیں۔

معاون صلاحیتیں

موجودہ ماڈل API کی جانب سے واپس کی گئی خصوصیات۔

text-to-image

image-editing

ان پٹ اور آؤٹ پٹ

ان پٹس

text

آؤٹ پٹس

image

پروڈکشن پروفائل

فراہم کنندہ: Google
سیاق و سباق: ماڈل پر منحصر
تجارتی استعمال: معاون

استعمال کے معاملات

Nano Banana Pro کو اس کی image صلاحیتوں سے مطابقت رکھنے والے پروڈکشن ورک فلوز کے لیے استعمال کریں، پھر طویل المدتی انضمام سے پہلے متبادلات کا موازنہ کریں۔

پروڈکٹ ویژولز اور کیمپین کریٹو

کانسیپٹ آرٹ اور تیز بصری تلاش

تصویر میں ترمیم، تنوع اور اثاثہ جات کی تیاری

دیگر ماڈلز

معیار، تاخیر، صلاحیت اور قیمت کے فرق کے لحاظ سے CometAPI کے ذریعے دستیاب دیگر ماڈلز کا موازنہ کریں۔

ماڈل موازنہ کھولیں →

OpenAI

GPT Image 2

GPT Image 2، openai کا جدید ترین تصویری تخلیق کا ماڈل ہے، جو تیز رفتار اور اعلیٰ معیار کی تصاویر کی تخلیق اور ترمیم کے لیے بنایا گیا ہے۔ یہ لچکدار تصویری سائز اور اعلیٰ وفاداری کی تصویری ان پٹ کو سپورٹ کرتا ہے۔

ماڈل دیکھیں

Google

Nano Banana 2 lite

Gemini 3.1 Flash Lite Image model امیج جنریشن فیملی میں افادیت کا ماہر ہے، جسے انتہائی کم تاخیر اور لاگت مؤثر تصویر سازی اور ترمیم کے لیے ڈیزائن کیا گیا ہے۔

ماڈل دیکھیں

Google

Nano Banana 2

بنیادی صلاحیتوں کا جائزہ: ریزولوشن: 4K (4096×4096) تک، Pro کے برابر۔ حوالہ تصاویر میں یکسانیت: زیادہ سے زیادہ 14 حوالہ تصاویر (10 اشیا + 4 کردار)، اسٹائل/کردار کی یکسانیت برقرار رکھتے ہوئے۔ انتہائی ایسپیکٹ ریشوز: نئے 1:4، 4:1، 1:8، 8:1 ریشوز شامل، طویل تصاویر، پوسٹرز اور بینرز کے لیے موزوں۔ ٹیکسٹ رینڈرنگ: اعلی درجے کی متن تخلیق، انفوگرافکس اور مارکیٹنگ پوسٹر لے آؤٹس کے لیے موزوں۔ تلاش میں بہتری: مربوط Google Search + Image Search۔ گراؤنڈنگ: بلٹ اِن تفکر کا عمل؛ جنریشن سے پہلے پیچیدہ پرامپٹس پر منطقی استدلال کیا جاتا ہے۔

ماڈل دیکھیں

Flux

FLUX 2 MAX

FLUX.2 [max]، Black Forest Labs (BFL) کا ایک سرفہرست ویژول انٹیلیجنس ماڈل ہے جو پروڈکشن ورک فلوز کے لیے ڈیزائن کیا گیا ہے: مارکیٹنگ، پروڈکٹ فوٹوگرافی، ای کامرس، تخلیقی پائپ لائنز، اور ایسی ہر ایپلیکیشن جس میں کردار یا پروڈکٹ کی یکساں شناخت، متن کی درست رینڈرنگ، اور ملٹی میگا پکسل ریزولوشنز پر فوٹوریئلسٹک جزئیات درکار ہوں۔ اس کا آرکیٹیکچر مضبوط پرامپٹ فالوئنگ، ملٹی ریفرنس فیوژن (دس ان پٹ تصاویر تک)، اور گراؤنڈڈ جنریشن (تصاویر تیار کرتے وقت تازہ ترین ویب سیاق و سباق کو شامل کرنے کی صلاحیت) کے لیے انجینئر کیا گیا ہے۔

ماڈل دیکھیں

Replicate

Black Forest Labs/FLUX 2 MAX

FLUX.2 [max]، Black Forest Labs (BFL) کی FLUX.2 فیملی کا فلیگ شپ اور اعلیٰ ترین معیار کا ویریئنٹ ہے۔ یہ ایک پروفیشنل گریڈ ٹیکسٹ→امیج جنریشن اور امیج ایڈیٹنگ ماڈل کے طور پر پیش کیا گیا ہے جو اعلیٰ ترین فیڈیلیٹی، پرومپٹ کی پابندی، اور کرداروں، اشیا، روشنی اور رنگ کے حوالے سے ایڈیٹنگ میں یکسانیت پر توجہ دیتا ہے۔ BFL اور شراکت دار رجسٹریاں FLUX.2 [max] کو FLUX.2 کا سرفہرست ویریئنٹ قرار دیتی ہیں، جس میں ملٹی ریفرنس ایڈیٹنگ اور گراؤنڈڈ جنریشن جیسی خصوصیات شامل ہیں۔

ماڈل دیکھیں

Replicate

Black Forest Labs/FLUX 2 DEV

FLUX 2 DEV ڈیولپمنٹ کے لیے موزوں وہ ورژن ہے جسے تحقیق، تجربات اور غیر تجارتی استعمالات کے لیے بہتر بنایا گیا ہے۔ یہ ڈیولپرز کو طاقتور امیج جنریشن صلاحیتیں فراہم کرتا ہے، جبکہ معیار اور کمپیوٹیشنل کارکردگی کے درمیان توازن برقرار رکھتا ہے۔ پروٹوٹائپنگ، علمی تحقیق اور ذاتی تخلیقی منصوبوں کے لیے بہترین۔

ماڈل دیکھیں

Uptime

پروڈکشن میں جانے سے پہلے لائیو ہارٹ بیٹ ڈیٹا، اینڈ پوائنٹ کی دستیابی اور مشاہدہ شدہ جوابی اوقات کا جائزہ لیں۔

ورژن

پروڈکشن انضمام کو حتمی شکل دینے سے پہلے دستیاب ماڈل شناخت کنندگان کا جائزہ لیں۔

ماڈل آئی ڈی	تفصیل	دستیابی	درخواست
nano-banana-pro-all	استعمال کی گئی ٹیکنالوجی غیر سرکاری ہے اور جنریشن غیر مستحکم ہے وغیرہ، چیٹ فارمیٹ	✅	چیٹ فارمیٹ
gemini-3-pro-image	سفارش کردہ، تازہ ترین ماڈل کی طرف اشارہ کرتا ہے	✅	Gemini تصویر بناتا ہے
gemini-3-pro-image-preview	سرکاری پیش نظارہ	✅	Gemini تصویر بناتا ہے

دریافت جاری رکھیں

ماڈلز کا موازنہ کریں اور اپنی تحقیق جاری رکھیں

Google

دستیاب مقبول

gemini-3-pro-image

Nano Banana Pro API

ابتدائی قیمت

$1.60 / 10 لاکھ ان پٹ ٹوکنز

استعمال کی بنیاد پر بلنگ

API کی حالت

دستیاب

پروڈکشن اینڈ پوائنٹ

جوابی وقت

ایسنک کے لیے تیار

مشاہدہ شدہ API جوابی وقت

جاری کیا گیا

Nov 19, 2025

Google

Playground

خلاصہ

Nano Banana Pro کا ایک عملی جائزہ، جس میں اہم رویہ اور انضمام کے نکات شامل ہیں۔

بنیادی خصوصیات

متن → تصویر: مکمل پرامپٹ سے ہدایت یافتہ جنریشن، ہدایات کی مضبوط پابندی کے ساتھ۔
تصویر → تصویر (ترمیمات): باریک، ہدفی ترمیمات، اور متعدد ترمیمات میں موضوع/کردار کی مستقل مزاجی برقرار۔
زیادہ سے زیادہ آؤٹ پٹ ریزولوشن: زیادہ سے زیادہ 4K (مثالیں اور معاون درست پکسل سائز پہلو کے تناسب پر منحصر ہیں؛ API 1K/2K/4K پری سیٹس مہیا کرتی ہے)
تکراری منصوبہ بندی اور خود اصلاح: ایک داخلی “کثیر مرحلہ” پائپ لائن جو عام بصری غلطیوں (منظریہ، متن، باریک جیومیٹری) کا پتہ لگاتی اور درست کرتی ہے۔
تصویر کے اندر متن کی اعلیٰ درجے کی رینڈرنگ: واضح، قابلِ مطالعہ کثیر لسانی متن (مختصر کیپشنز سے طویل پیراگراف تک) جو پوسٹرز، ماک اپس اور انفوگرافکس کے لیے موزوں ہو۔
5 کردار اور ایک ہی ورک فلو میں زیادہ سے زیادہ 14 اشیاء/حوالہ جاتی تصاویر کے لیے وفاداریت۔
واٹرمارکنگ / اصل کی سند: تمام تیار کردہ تصاویر میں SynthID واٹرمارک شامل ہوتا ہے؛ ماڈل بعض پروڈکٹ انضمامات میں اصل کی سند کے لیے C2PA میٹاڈیٹا ضم کرتا ہے۔

Gemini 3 Pro Image کے ورژنز اور نام

gemini-3-pro-image-preview
gemini-3-pro-image

تکنیکی تفصیلات

معماری

نسل / بیک بون: Nano Banana Pro گوگل کے ترقی پذیر Gemini امیج اسٹیک پر مبنی ہے — خاص طور پر نئی Gemini 3 Pro Image / GEMPIX 2 معماری (زیادہ استعداد والا ملٹی موڈل تصویر+متن فریم ورک)۔ یہ Gemini 2.5 Flash Image (اصلی “nano-banana”) سے ارتقا ہے، جو فطری طور پر ملٹی موڈل امیج ماڈل میں توسیع شدہ بصارت-زبان استدلال صلاحیتوں کے ساتھ تبدیل ہوتا ہے۔
ماڈل کا برتاؤ: فطری ملٹی موڈیلٹی (تصویر + متن + عالمی معلومات)، کثیر تصاویر کے انضمام کے لیے واضح پائپ لائنیں، اور ایک داخلی مرحلہ وار پلانر جو ایک واحد جامد نمونہ بنانے کے بجائے متعدد پاسز میں آؤٹ پٹس کو بہتر کرتا ہے۔ ابتدائی رپورٹس پہلے کے ورژنز کے مقابلے میں مضبوط جیومیٹرک/آپٹیکل استدلال (شیشہ، انعطاف) کی نشاندہی کرتی ہیں۔
سوچ/داخلی نکھار: ماڈل داخلی طور پر کمپوزیشن کو نکھارنے کے لیے ایک مرئی “سوچنے” کے عمل کا استعمال کرتا ہے (API اس رویے کو دستاویزی بناتی ہے اور نوٹ کرتی ہے کہ یہ داخلی مراحل آخری امیج ٹوکنز کے طور پر چارج نہیں ہوتے)۔
گراؤنڈنگ اور ٹولز: Search grounding کی معاونت کرتا ہے (ویب حقائق کو ڈایاگرام/انفوگرافک جنریشن میں شامل کر سکتا ہے)۔ یہ زیادہ قطعی کنٹرول کے لیے سسٹم ہدایات کی بھی معاونت کرتا ہے۔

کلیدی API پیرا میٹرز:

thinking_level (low / high) تاخیر بمقابلہ استدلال کی گہرائی کے تبادلے کے لیے;
media_resolution (low/medium/high) تصویر OCR/تفصیل پڑھنے والے ٹوکنز کو کنٹرول کرنے کے لیے;
generationConfig.imageConfig تصویر کے آؤٹ پٹس میں ایسپیکٹ ریشو/ریزولوشن کو کنٹرول کرنے کے لیے۔

تصویر کی حدود:

ان پٹ موڈالیٹیز کی معاونت: متن اور تصاویر (ماڈل تصویر جنریشن کے لیے آڈیو یا ویڈیو قبول نہیں کرتا)۔
ہر پرامپٹ میں زیادہ سے زیادہ تصاویر: 14 (Gemini 3 Pro Image preview کے لیے)۔
زیادہ سے زیادہ امیج سائز (اپ لوڈ): ہر ان پٹ تصویر کے لیے 7 MB۔
معاون پہلو تناسب: 1:1, 3:2, 16:9, 9:16, 21:9, وغیرہ۔

آؤٹ پٹ تصاویر / ٹوکنز: بلند حدود، 4K/4096px کی معاونت کے ساتھ۔

بینچ مارک کارکردگی

مختصر خلاصہ: اب تک عوامی/ابتدائی بینچ مارکس زیادہ تر کیفی/کمیونٹی سے محرک ہیں، لیکن مسلسل ریزولوشن، آرٹیفیکٹس میں کمی، اور اصل nano-banana (Gemini 2.5 Flash Image) کے مقابلے میں جسمانی وفاداری میں نمایاں بہتری کی رپورٹ کرتے ہیں۔ مخصوص نامی “چیلنجز” نے واضح بصری فوائد دکھائے ہیں، مگر ابھی تک گوگل کی جانب سے معیاری تصویر-جنریشن میٹرکس پر v1 → v2 کے تقابلی معیاری عددی بینچ مارک ٹیبلز (عوامی) دستیاب نہیں ہیں۔

کیفی کمیونٹی ٹیسٹس: زیادہ صاف کنارے، زیادہ تیز مائیکرو تفصیلات، زیادہ سچی رنگت، اور پرامپٹ کی زیادہ وفادار پابندی (کم خیالی اشیاء، زیادہ مستقل کردار)۔ مقبول غیر رسمی ٹیسٹس میں “Wine Glass Test” اور “Glass Burger Challenge” شامل ہیں، جہاں GEMPIX2 (Nano Banana Pro) شفافیت اور انعطاف کو پہلے کے بلڈز کے مقابلے میں نمایاں طور پر بہتر سنبھالتا ہے۔
متن کے ساتھ برتاؤ: Nano Banana Pro تصاویر کے اندر ٹائپوگرافی اور متن کی جگہ بندی میں واضح بہتری دکھاتا ہے (جو بہت سے امیج ماڈلز کی مستقل کمزوری رہی ہے)۔ کمیونٹی تقابلات زیادہ کم بگڑی ہوئی رینڈرڈ گلِفس کی نشاندہی کرتے ہیں۔
تھرو پٹ / UX: زیادہ تیز تکراری رفتار اور ایسا UX جو بیک اینڈ پر کثیر مرحلہ نکھار انجام دیتا ہے تاکہ صارفین کو پہلے پاس میں زیادہ قابلِ اعتماد نتائج نظر آئیں (ہاتھ سے دوبارہ چلانے کی ضرورت کم ہوتی ہے)۔

حدود اور خطرات

کانٹینٹ فلٹرز اور ڈیٹیکشن: وہ پلیٹ فارمز جو ماڈل کو ضم کرتے ہیں (مثلاً Whisk/تیسری پارٹی ایپس) سلیبریٹی یا مشابہت کی سخت شناخت فعال کر سکتے ہیں اور بعض آؤٹ پٹس کو بلاک کر سکتے ہیں، جس سے وہ تخلیقی ورک فلو متاثر ہوتے ہیں جو حقیقی سلیبریٹی مشابہتوں پر انحصار کرتے ہیں۔
اوہام/استدلال کے کنارے کیسز: اگرچہ بہتر ہوا ہے، ماڈل اب بھی جسمانی طور پر غیر حقیقی آرٹیفیکٹس پیدا کر سکتا ہے، خاص طور پر تصاویر کے اندر کثیف علامتی متن یا انتہائی تکنیکی ڈایاگرامز کے ساتھ — تاہم NB2 پہلے کے ورژنز کے مقابلے میں ان غلطیوں کو کم کرتا دکھائی دیتا ہے۔
حفاظت اور غلط استعمال: جنریٹو امیج ماڈلز مسئلہ انگیز یا نقصان دہ مواد بنانے کے لیے استعمال ہو سکتے ہیں۔ گوگل پابندیاں، کانٹینٹ فلٹرز، اور SynthID واٹرمارک لاگو کرتا ہے تاکہ اصل کی سند میں مدد ملے؛ پھر بھی غلط استعمال وقوع پذیر ہوا ہے (ایک ہائی پروفائل تنازع Nano Banana سے تیار کردہ تصویر کے سیاسی طور پر حساس ماحول سے جڑا ہوا ہے)۔

Nano Banana Pro دیگر ماڈلز کے مقابلے میں کیسا ہے

Nano Banana Pro (GEMPIX 2 / Gemini 3 Pro Image) — مضبوط موبائل انضمام، کثیر تصاویر کا فیوژن، تکراری خود اصلاح، 2K نیٹو/4K اپ اسکیلنگ، اور Google ایپس (Search, Photos, Workspace/Gemini) میں مضبوطی سے مربوط۔ ان ورک فلو کے لیے بہترین جو قابلِ اعتماد ایڈٹس، تسلسل، اور Google سروسز کے ساتھ انضمام چاہتے ہیں۔
Midjourney — اسٹائلائزڈ فنّی آؤٹ پٹس میں عمدہ؛ عموماً فوٹو-درست کثیر تصویر فیوژن یا گہرے ملٹی موڈل ایڈٹنگ پائپ لائنز کا ہدف نہیں۔
Stable Diffusion / open weights — پوری طرح اوپن، انتہائی کسٹمائز ایبل، اور لوکل ہوسٹنگ کے قابل؛ چیک پوائنٹس اور فائن ٹیوننگ کا ایکو سسٹم ریسرچ اور آف لائن استعمال کے لیے فیصلہ کن فائدہ ہے۔ Nano Banana Pro کی نسبت “ون-کلک” موبائل انضمام کم اور باکس سے باہر کثیر تصویر ایڈٹنگ میں کم مستقل مزاجی۔
Seedream 4.0 (ByteDance) — حال ہی میں صریحاً Nano Banana کے حریف کے طور پر پوزیشنڈ، انتہائی تیز رینڈرنگ، 2K آؤٹ پٹ، اور متعدد ریفرنس تصاویر (زیادہ سے زیادہ چھ) کی معاونت پر زور۔ پرو/کریئیٹر متبادل کے طور پر پوزیشنڈ۔

حقیقی دنیا کے استعمال کے کیسز

موبائل فوٹو ایڈٹنگ اور تخلیقی فلٹرز (Google Photos انضمام — ری اسٹائلنگ، بیک گراؤنڈ فیوژن، پورٹریٹ ری کمپوزیشن)۔
مارکیٹنگ اور اشتہاری اثاثے — تیز کانسیپٹ جنریشن، متعدد فریمز/زاویوں میں مستقل برانڈ کردار۔
کانسیپٹ آرٹ اور اسٹوری بورڈنگ — کثیر تصویر فیوژن کردار کی تسلسل برقرار رکھنے میں مدد کرتا ہے۔
ای کامرس / پروڈکٹ ماک اپس — مختلف سیاق/روشنی کے حالات میں مستقل پروڈکٹ شاٹس تیار کریں۔
AR/VR اثاثوں کے لیے تیز پروٹو ٹائپنگ — اعلیٰ معیار کے 2K/4K آؤٹ پٹس جنہیں امیر تجربات کے لیے اپ اسکیل کیا جا سکتا ہے۔
gemini-3-pro-image(Nano Banana Pro) API تک کیسے رسائی حاصل کریں

درکار مراحل

cometapi.com میں لاگ ان کریں۔ اگر آپ ابھی ہمارے صارف نہیں ہیں تو پہلے رجسٹر کریں۔
انٹرفیس کا ایکسیس کریڈینشل API کلید حاصل کریں۔ پرسنل سینٹر میں API ٹوکن پر “Add Token” پر کلک کریں، ٹوکن کلید حاصل کریں: sk-xxxxx اور جمع کرائیں۔
اس سائٹ کا URL حاصل کریں: https://api.cometapi.com/

استعمال کا طریقہ

“gemini-3-pro-image” اینڈ پوائنٹ منتخب کریں، API ریکویسٹ بھیجیں اور ریکویسٹ باڈی سیٹ کریں۔ ریکویسٹ میتھڈ اور ریکویسٹ باڈی ہماری ویب سائٹ کے API ڈاک سے حاصل کیے جاتے ہیں۔ ہماری ویب سائٹ آپ کی سہولت کے لیے Apifox ٹیسٹ بھی فراہم کرتی ہے۔
<YOUR_API_KEY> کو اپنے حقیقی CometAPI کلید سے بدلیں۔
اپنے سوال یا درخواست کو content فیلڈ میں درج کریں — ماڈل اسی پر جواب دے گا۔
. API کے جواب کو پروسیس کریں تاکہ تیار کردہ جواب حاصل ہو۔

CometAPI ایک مکمل مطابقت پذیر REST API فراہم کرتی ہے — بے جوڑ منتقلی کے لیے۔ کلیدی تفصیلات :

بنیادی URL: https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent
ماڈل نام: gemini-3-pro-image
توثیق: Bearer YOUR_CometAPI_API_KEY header
Content-Type: application/json .

اکثر پوچھے جانے والے سوالات

قیمت

پہلی درخواست

—

تخمینی CometAPI استعمال کی لاگت

دس درخواستیں

—

تخمینی CometAPI استعمال کی لاگت

پندرہ درخواستیں

—

تخمینی CometAPI استعمال کی لاگت

Nano Banana Pro کی قیمتیں

nano-banana-pro（image）

variant / alias	Price
gemini-3-pro-image (1K/2K)	≈ $0.10720
gemini-3-pro-image (4K)	≈ $0.19200
gemini-3-pro-image-preview (1K/2K)	≈ $0.10720
gemini-3-pro-image-preview (4K)	≈ $0.19200
nano-banana-pro-all	$0.09600

API

ایک API، پروڈکشن کے لیے تیار ماڈل تک رسائی

POST/v1beta/models/{model}:generateContentPOST/v1beta/models/{model}:generateContent

Nano Banana Pro کے لیے نمونہ کوڈ اور API

POST

/v1beta/models/{model}:generateContent

POST

/v1beta/models/{model}:generateContent

#!/bin/bash
# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here

# Output directory
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
OUTPUT_DIR="$SCRIPT_DIR/../output"
mkdir -p "$OUTPUT_DIR"

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent" \
  -H "x-goog-api-key: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."}]}],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {"aspectRatio": "1:1", "imageSize": "4K"}
    }
  }' | jq -r '.candidates[0].content.parts[] | select(.inlineData) | .inlineData.data' | head -1 | base64 --decode > "$OUTPUT_DIR/butterfly_4k.png"

echo "Image saved to: $OUTPUT_DIR/butterfly_4k.png"

cURL Code Example

#!/bin/bash
# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here

# Output directory
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
OUTPUT_DIR="$SCRIPT_DIR/../output"
mkdir -p "$OUTPUT_DIR"

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent" \
  -H "x-goog-api-key: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."}]}],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {"aspectRatio": "1:1", "imageSize": "4K"}
    }
  }' | jq -r '.candidates[0].content.parts[] | select(.inlineData) | .inlineData.data' | head -1 | base64 --decode > "$OUTPUT_DIR/butterfly_4k.png"

echo "Image saved to: $OUTPUT_DIR/butterfly_4k.png"

Python Code Example

from google import genai
from google.genai import types
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com"

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": BASE_URL, "timeout": 600000},
    api_key=COMETAPI_KEY,
)

prompt = "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."
aspect_ratio = "1:1"  # "1:1","2:3","3:2","3:4","4:3","4:5","5:4","9:16","16:9","21:9"
resolution = "4K"  # "1K", "2K", "4K"

response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=prompt,
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(
            aspect_ratio=aspect_ratio,
            image_size=resolution,
        ),
    ),
)

# Output directory
OUTPUT_DIR = os.path.join(os.path.dirname(__file__), "..", "output")
os.makedirs(OUTPUT_DIR, exist_ok=True)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif image := part.as_image():
        output_path = os.path.join(OUTPUT_DIR, "butterfly_4k.png")
        image.save(output_path)
        print(f"Image saved to: {output_path}")

JavaScript Code Example

import { GoogleGenAI } from "@google/genai";
import * as fs from "node:fs";
import * as path from "node:path";
import { fileURLToPath } from "node:url";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const BASE_URL = "https://api.cometapi.com";

const __filename = fileURLToPath(import.meta.url);
const __dirname = path.dirname(__filename);

async function main() {
  const ai = new GoogleGenAI({
    apiKey: COMETAPI_KEY,
    httpOptions: { baseUrl: BASE_URL },
  });

  const prompt =
    "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English.";
  const aspectRatio = "1:1"; // "1:1","2:3","3:2","3:4","4:3","4:5","5:4","9:16","16:9","21:9"
  const resolution = "4K"; // "1K", "2K", "4K"

  const response = await ai.models.generateContent({
    model: "gemini-3-pro-image-preview",
    contents: prompt,
    config: {
      responseModalities: ["TEXT", "IMAGE"],
      imageConfig: {
        aspectRatio: aspectRatio,
        imageSize: resolution,
      },
    },
  });

  // Output directory
  const outputDir = path.join(__dirname, "..", "output");
  if (!fs.existsSync(outputDir)) {
    fs.mkdirSync(outputDir, { recursive: true });
  }

  for (const part of response.candidates[0].content.parts) {
    if (part.text) {
      console.log(part.text);
    } else if (part.inlineData) {
      const imageData = part.inlineData.data;
      const outputPath = path.join(outputDir, "butterfly_4k.png");
      const buffer = Buffer.from(imageData, "base64");
      fs.writeFileSync(outputPath, buffer);
      console.log(`Image saved to: ${outputPath}`);
    }
  }
}

main();

صلاحیتیں

آرکیٹیکچر منتخب کرنے یا پروڈکشن ورک لوڈ کا تخمینہ لگانے سے پہلے اہم ماڈل حقائق کا جائزہ لیں۔

معاون صلاحیتیں

موجودہ ماڈل API کی جانب سے واپس کی گئی خصوصیات۔

text-to-image

image-editing

ان پٹ اور آؤٹ پٹ

ان پٹس

text

آؤٹ پٹس

image

پروڈکشن پروفائل

فراہم کنندہ: Google
سیاق و سباق: ماڈل پر منحصر
تجارتی استعمال: معاون

استعمال کے معاملات

پروڈکٹ ویژولز اور کیمپین کریٹو

کانسیپٹ آرٹ اور تیز بصری تلاش

تصویر میں ترمیم، تنوع اور اثاثہ جات کی تیاری

دیگر ماڈلز

معیار، تاخیر، صلاحیت اور قیمت کے فرق کے لحاظ سے CometAPI کے ذریعے دستیاب دیگر ماڈلز کا موازنہ کریں۔

Black Forest Labs/FLUX 2 MAX

ماڈل دیکھیں

Replicate

Black Forest Labs/FLUX 2 DEV

ماڈل دیکھیں

Uptime

پروڈکشن میں جانے سے پہلے لائیو ہارٹ بیٹ ڈیٹا، اینڈ پوائنٹ کی دستیابی اور مشاہدہ شدہ جوابی اوقات کا جائزہ لیں۔

ورژن

پروڈکشن انضمام کو حتمی شکل دینے سے پہلے دستیاب ماڈل شناخت کنندگان کا جائزہ لیں۔

ماڈل آئی ڈی	تفصیل	دستیابی	درخواست
nano-banana-pro-all	استعمال کی گئی ٹیکنالوجی غیر سرکاری ہے اور جنریشن غیر مستحکم ہے وغیرہ، چیٹ فارمیٹ	✅	چیٹ فارمیٹ
gemini-3-pro-image	سفارش کردہ، تازہ ترین ماڈل کی طرف اشارہ کرتا ہے	✅	Gemini تصویر بناتا ہے
gemini-3-pro-image-preview	سرکاری پیش نظارہ	✅	Gemini تصویر بناتا ہے

دریافت جاری رکھیں