如何使用 Nano Banana Pro（Gemini 3 Pro Image）API？

Nano Banana Pro——官方名称为 Gemini 3 Pro Image——是 Google/DeepMind 全新的工作室级图像生成与编辑模型，融合了高级多模态推理、高保真文本渲染、多图像合成以及专业级创意控制能力。

什么是 Nano Banana Pro，为什么值得关注？

Nano Banana Pro 是 Google 最新的图像生成和图像编辑模型——即 “Gemini 3 Pro Image” 版本——旨在生成具有工作室级质量、最高可达 4K 的高保真、上下文感知图像以及图中嵌入文本。它是早期 Nano Banana 模型（Gemini 2.5 Flash Image / “Nano Banana”）的后继版本，在推理能力、Search grounding（现实世界事实锚定）、文本渲染以及更强大的局部编辑控制方面都有所提升。该模型可在 Gemini 应用中供交互式用户使用；而对于程序化访问，你可以通过标准 Gemini API 访问 Nano Banana Pro，但需要选择特定模型标识符（gemini-3-pro-image-preview 或其稳定后继版本）。

这之所以重要，是因为 Nano Banana Pro 不只是用于制作好看的图片，更是为了 将信息可视化 ——信息图表、数据驱动快照（天气、体育）、文本密集型海报、产品样机以及多图融合（最多可输入 14 张图像，并在最多 5 个人物之间保持角色一致性）。对于设计师、产品团队和开发者而言，这种准确性、图中文字能力以及程序化访问的结合，开启了过去难以自动化的生产工作流。

API 暴露了哪些功能？

开发者通常可通过 API 使用以下能力：

文本 → 图像生成（单步或多步“思考型”构图流程）。
图像编辑（局部蒙版、修补绘制、风格调整）。
多图像融合（组合参考图像）。
高级请求控制：分辨率、宽高比、后处理步骤，以及用于调试/可检查性的“构图思考”轨迹（预览模式下）。

Nano Banana Pro 的核心创新与功能

更智能的内容推理

利用 Gemini 3 Pro 的推理栈来理解复杂的、多步骤的视觉指令（例如：“根据这组数据制作一个 5 步信息图，并添加双语标题”）。API 暴露了一个 “Thinking” 机制，可生成中间构图测试以优化最终输出。

为什么重要： 不同于将提示词一次性映射为像素的单次生成方式，该模型会执行内部“思考”过程来优化构图，并可调用外部工具（例如 Google Search）进行事实锚定（如准确的图表标签或符合地区习惯的标识）。这使得生成的图像不仅更美观，而且在信息图、图表或产品样机等任务中语义上也更准确。

如何实现： Nano Banana Pro 的 “Thinking” 是一种受控的内部推理/构图过程，模型会在生成最终图像之前先产生中间视觉结果和推理轨迹。API 暴露的信息表明，该模型最多可创建两个中间帧，而最终图像是这一链条中的最后阶段。在生产环境中，这有助于改进构图、文字摆放和版式决策。

更准确的文本渲染

显著提升了图像内文本的清晰度、可读性和本地化表现（菜单、海报、图表）。Nano Banana Pro 在图像文字渲染方面达到了新的高度：

图像中的文字清晰、易读且拼写准确；
支持多语言生成（包括中文、日文、韩文、阿拉伯文等）；
允许用户直接在图像中写入长段落或多行描述性文本；
支持自动翻译与本地化。

为什么重要： 传统图像模型通常难以渲染出可读、对齐良好的文字。Nano Banana Pro 明确针对可靠的文字渲染和本地化进行了优化（例如翻译并保留版式），这解锁了海报、包装、多语言广告等真实创意场景。

如何实现： 文本渲染的提升来自底层多模态架构，以及对强调“图中文字”样本的数据集训练，并结合有针对性的评测集（人工评估和回归测试集）。模型学会了对齐字形、字体和版式约束，从而在图像内部生成清晰、经过本地化处理的文字——不过较小字体和极高密度段落仍可能出错。

更强的视觉一致性与保真度

工作室级控制项（光照、焦点、机位角度、色彩分级）以及多图像合成（最多 14 张参考图，并对多个人类主体提供特殊支持）有助于在生成资产中保持角色一致性（在编辑过程中保持同一人物/角色）和品牌识别。模型支持原生 1K/2K/4K 输出。

为什么重要： 营销和娱乐工作流需要跨镜头和编辑过程保持角色一致。该模型最多可维持 5 个人物的相似性，并将最多 14 张参考图融合为单一构图，同时支持从草图到 3D 渲染。这对于广告创意、包装设计或多镜头叙事都非常有用。

如何实现： 模型输入支持多张图像，并可显式指定角色分工（例如，“图像 A：姿态”，“图像 B：面部参考”，“图像 C：背景纹理”）。其架构在生成时会基于这些图像进行条件控制，以在施加变换（光照、镜头）时保持身份/姿态/风格一致。

Nano Banana Pro 的性能基准

Nano Banana Pro（Gemini 3 Pro Image）“在 Text→Image AI 基准测试中表现出色”，并且相较于早期 Nano Banana 模型展现出更强的推理能力和上下文锚定能力。它强调相对于先前版本具有更高的保真度和更优的文字渲染能力。

如何使用 Nano Banana Pro（Gemini 3 Pro Image）API？

实用性能建议

对于 2K/4K 高保真渲染，应预期其延迟更高、成本也高于 1K 输出或为速度优化的 “Flash” 模型。如果吞吐量/延迟至关重要，请使用 flash 变体（例如 Gemini 2.5 Flash / Nano Banana）来处理高并发任务；在追求质量和复杂推理任务时，则使用 Nano Banana Pro / gemini-3-pro-image。

开发者如何访问 Nano Banana Pro？

应选择哪些端点和模型

模型标识符（预览版 / Pro）： gemini-3-pro-image-preview（预览版）——当你需要 Nano Banana Pro 功能时使用它。对于更快、成本更低的任务，gemini-2.5-flash-image（Nano Banana）仍然可用。

可使用的平台

Gemini API（generativelanguage endpoint）： 你可以使用 CometAPI key 访问 xx。CometAPI 以比官方网站更优惠的价格提供相同的 API。可直接通过 HTTP / SDK 调用 generateContent 来进行图像生成（见下方示例）。
Google AI Studio： 用于快速实验和混搭演示应用的 Web 界面。
Vertex AI（企业版）： 提供预置吞吐能力、计费选项（按量付费 / 企业套餐）以及适用于大规模生产的安全过滤。将其用于大型流水线集成或批量渲染作业。

免费层级有有限的使用额度；超出额度后将回退到 Nano Banana。Plus/Pro/Ultra 层级提供更高限额和无水印输出，而 Ultra 还可在 Flow 视频工具和 Antigravity IDE 中以 4K 模式使用。

如何使用 Nano Banana Pro 生成图像（分步说明）？

1）在 Gemini 应用中快速交互式使用

打开 Gemini → Tools → Create images。
选择 Thinking (Nano Banana Pro) 作为模型。
输入提示词：说明主体、动作、情绪、光照、镜头、宽高比以及任何要出现在图像中的文字。示例：
“制作一张 4K 机器人工作坊海报：一支多元化团队围坐在桌旁，叠加蓝图效果，使用无衬线粗体标题 ‘Robots in Action’，暖色钨丝灯光，浅景深，电影感 16:9。”
（可选）上传最多 14 张图像进行融合或作为参考。使用选区/蒙版工具进行局部编辑。
生成后，可继续使用自然语言迭代（例如：“把标题改成蓝色并顶端居中对齐；提高蓝图的对比度”），然后导出。

2）使用 HTTP 发送到 Gemini 图像端点

你需要登录 CometAPI 获取密钥。

# save your API key to $CometAPI_API_KEY securely before running

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent" \
  -H "x-goog-api-key: $CometAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{
      "role": "user",
      "parts": [{
        "text": "Photorealistic 4K image of a yellow banana floating over Earth, studio lighting, cinematic composition. Add bold text overlay: \"Nano Banana Pro\" in top right corner."
      }]
    }],
    "generationConfig": {
      "imageConfig": {
        "resolution": "4096x4096",
        "aspectRatio": "1:1"
      }
    }
  }' \
  | jq -r '.candidates.content.parts[] | select(.inlineData) | .inlineData.data' \
  | base64 --decode > nano_banana_pro_4k.png

该示例会将 base64 图像负载写入 PNG 文件。generationConfig.imageConfig.resolution 参数用于请求 4K 输出（适用于 3 Pro Image 模型）。

3）通过 SDK 直接调用 `generateContent` 进行图像生成

需要安装 Google SDK 并获取 Google 身份验证。Python 示例（文本 + 参考图像 + grounding）：

# 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")

该示例展示了如何上传内联参考图像，并请求一个 4K 构图，同时启用 google_search 作为工具。Python SDK 会处理底层 REST 细节。

多图像融合与角色一致性

要生成在不同场景中保持同一人物的合成图，可传入多张 inline_data 部件（从你的照片集中选取），并在创意指令中明确要求模型“在输出之间保持身份一致”。

简短实用示例——真实提示词与预期流程

提示词：
"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."

预期流程： 应用 → 提示模板 + CSV 数据 → 替换提示中的占位符 → 使用 image_size=2048x1152 发起 API 调用 → 接收 base64 PNG → 保存资产 + 溯源元数据 → 如有需要，可通过合成器叠加精确字体。

我应如何设计生产流水线并处理安全 / 溯源？

安全、权利与审核

版权与权利清理： 不要上传或生成侵犯权利的内容。对于用户上传的图像或可能生成可识别肖像的提示词，应要求用户作出明确确认。必须遵守 Google 的 Prohibited Use Policy 和模型安全过滤规则。
过滤与自动检查： 在下游使用或公开展示之前，应将生成图像接入内部内容审核流水线（NSFW、仇恨符号、政治/约束性内容检测）。

如何进行图像编辑（修补绘制）、多图像合成和文本渲染？

Nano Banana Pro 支持多模态编辑工作流：提供一张或多张输入图像，再附加描述编辑内容的文本指令（移除对象、更换天空、添加文字）。API 可在同一请求中接受图像 + 文本；模型也可以交错输出文本和图像作为响应。典型模式包括带蒙版的编辑和多图像混合（风格迁移 / 构图合成）。关于结合文本块和二进制图像的 contents 数组，请参阅文档。

示例：编辑（Python 伪流程）

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

这种对话式编辑方式允许你不断迭代调整结果，直到达到可用于生产的资产质量。

Node.js 示例——使用蒙版和多参考图进行图像编辑

// npm install google-auth-library node-fetch
const { GoogleAuth } = require('google-auth-library');
const fetch = require('node-fetch');

const auth = new GoogleAuth({ scopes:  });
async function runEdit() {
  const client = await auth.getClient();
  const token = await client.getAccessToken();
  const API_URL = "https://api.generativemodels.googleapis.com/v1alpha/gemini:editImage";
  const MODEL = "gemini-3-pro-image";

  // Attach binary image content or URLs depending on API.
  const payload = {
    model: MODEL,
    prompt: { text: "Replace background with an indoor studio set, keep subject, add rim light." },
    inputs: {
      referenceImages: [
        { uri: "gs://my-bucket/photo_subject.jpg" },
        { uri: "gs://my-bucket/target_studio.jpg" }
      ],
      mask: { uri: "gs://my-bucket/mask.png" },
      imageConfig: { resolution: "2048x2048", format: "png" }
    },
    options: { preserveIdentity: true }
  };

  const res = await fetch(API_URL, {
    method: 'POST',
    headers: {
      'Authorization': `Bearer ${token.token}`,
      'Content-Type': 'application/json'
    },
    body: JSON.stringify(payload)
  });
  const out = await res.json();
  console.log(JSON.stringify(out, null, 2));
}
runEdit();

（API 有时接受 Cloud Storage URI 或 base64 图像负载；请查看 Gemini API 文档以确认准确的输入格式。）

有关使用 CometAPI 生成和编辑图像的信息，请参阅 Guide to calling gemini-3-pro-image 。

结论

Nano Banana Pro（Gemini 3 Pro Image）代表图像生成能力迈向生产级的重要飞跃：它是一款用于可视化数据、执行本地化编辑并驱动开发者工作流的工具。可使用 Gemini 应用进行快速原型设计，使用 API 进行生产集成，并遵循上述建议来控制成本、确保安全并维持品牌质量。始终应测试真实用户工作流，并保存溯源元数据，以满足透明度和审计要求。

当你需要工作室级质量的资产、对构图的精确控制、更强的图中文字渲染能力，以及将多张参考图融合为一个统一输出的能力时，请使用 Nano Banana Pro。

开发者可以通过 Gemini 3 Pro Image( Nano Banana Pro) API 使用 CometAPI。开始前，可先在 Playground 中探索 CometAPI 的模型能力，并查阅 API guide 获取详细说明。在访问之前，请确保你已登录 CometAPI 并获取 API key。CometAPI 提供远低于官方价格的价格方案，帮助你完成集成。

准备开始了吗？→ 立即注册 CometAPI！

如果你想了解更多 AI 技巧、指南和新闻，请关注我们的 VK、X 和 Discord！

什么是 Nano Banana Pro，为什么值得关注？

API 暴露了哪些功能？

Nano Banana Pro 的核心创新与功能

更智能的内容推理

更准确的文本渲染

更强的视觉一致性与保真度

Nano Banana Pro 的性能基准

实用性能建议

开发者如何访问 Nano Banana Pro？

应选择哪些端点和模型

可使用的平台

如何使用 Nano Banana Pro 生成图像（分步说明）？

1）在 Gemini 应用中快速交互式使用

2）使用 HTTP 发送到 Gemini 图像端点

3）通过 SDK 直接调用 `generateContent` 进行图像生成

多图像融合与角色一致性

简短实用示例——真实提示词与预期流程

我应如何设计生产流水线并处理安全 / 溯源？

推荐的生产架构

安全、权利与审核

如何进行图像编辑（修补绘制）、多图像合成和文本渲染？

Node.js 示例——使用蒙版和多参考图进行图像编辑

结论

以低成本获取顶级模型

阅读更多

如何使用 Nano Banana Pro（Gemini 3 Pro Image）API？

什么是 Nano Banana Pro，为什么值得关注？

API 暴露了哪些功能？

Nano Banana Pro 的核心创新与功能

更智能的内容推理

更准确的文本渲染

更强的视觉一致性与保真度

Nano Banana Pro 的性能基准

实用性能建议

开发者如何访问 Nano Banana Pro？

应选择哪些端点和模型

可使用的平台

如何使用 Nano Banana Pro 生成图像（分步说明）？

1）在 Gemini 应用中快速交互式使用

2）使用 HTTP 发送到 Gemini 图像端点

3）通过 SDK 直接调用 generateContent 进行图像生成

多图像融合与角色一致性

简短实用示例——真实提示词与预期流程

我应如何设计生产流水线并处理安全 / 溯源？

推荐的生产架构

安全、权利与审核

如何进行图像编辑（修补绘制）、多图像合成和文本渲染？

Node.js 示例——使用蒙版和多参考图进行图像编辑

结论

以低成本 获取顶级模型

阅读更多

3）通过 SDK 直接调用 `generateContent` 进行图像生成

以低成本获取顶级模型