Nano Banana 2 Text to Image

Обзор

Nano Banana 2 Text to Image — базовый эндпоинт Google для генерации изображений по тексту на базе Gemini 3.1 Flash Image; модель представлена Google DeepMind 26 февраля 2026 года. Создаёт изображения с нуля по текстовому описанию: рекламные макеты, иллюстрации, инфографику, постеры и визуалы для соцсетей. Среди других вариантов линейки Nano Banana 2 это универсальный режим генерации по тексту: доступны разрешения от 0,5K до 4K (Google — от 512 px), широкий набор пропорций, а также опциональные веб-поиск и поиск по изображениям для актуального визуального контекста. В отличие от Fast Text To Image, где упор идёт на скорость итераций в 2K/4K, здесь важны гибкий контроль качества, разрешения и стоимости; в отличие от Nano Banana Pro — баланс скорости Flash и достаточного качества для рабочих задач, а не максимальная детализация Pro/Ultra. Ключевые возможности: точное следование сложным промптам, улучшенная отрисовка текста в кадре, знание реального мира через Gemini, согласованность персонажей (до 5) и объектов, спецификации форматов, готовые к публикации. Практически — сильный выбор для регулярных рабочих генераций, где нужны гибкие форматы, контроль разрешения и опора на поиск для фактически точных сцен.

Сильные стороны

Сценари использования (use cases)

Ограничения и недостатки

Примеры промптов

Советы

• Включайте поиск изображений для реальных объектов и мест — и явно попросите об этом в промпте. Поиск изображений доступен у Gemini 3.1 Flash Image. Модель точнее рисует архитектуру, животных и предметы, если в промпте есть явная просьба найти реальные референсы. Без явной инструкции опора на поиск срабатывает слабее.
• Для текста в кадре укажите каждую фразу в кавычках и опишите стиль шрифта отдельно. Nano Banana 2 усилен в многоязычной типографике. Для постеров и упаковки задавайте строки по отдельности с указанием стиля шрифта для каждой фразы. Одно слово «надпись» почти не работает.
• Итерируйте на 0,5K или 1K, финальный макет с текстом генерируйте в 2K или 4K. Разрешение 512 px (0,5K) есть у стандартного Nano Banana 2 — удобно для черновиков. Для типографики и печати поднимайте разрешение: мелкий текст теряется на 1K.
• Не подавайте промпт списком ключевых слов — опишите сцену связным текстом. Google для Nano Banana рекомендует связное описание сцены, а не перечень слов. Связный абзац даёт более цельный кадр, чем «кот, закат, кино, 4K».
• Не включайте поиск изображений для генерации реальных людей по фото из сети. У Gemini 3.1 Flash Image поиск изображений не поддерживает поиск людей. Для портрета конкретного человека используйте edit с референсом, а не генерацию по тексту с включённым поиском изображений.

FAQ

Цены

Параметры

Поля тела JSON-запроса, которые используются в Playground и доступны для настройки через API. Порядок совпадает с формой на странице.

Запрос

Асинхронный запуск: POST https://api.flixa.io/v1/image/nano-banana-2/text-to-image с заголовком Authorization: Bearer $FLIXA_API_KEY и телом JSON. Ниже — пример с полями из Playground.

curl -X POST "https://api.flixa.io/v1/image/nano-banana-2/text-to-image" \
  -H "Authorization: Bearer $FLIXA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "prompt": "Превратите это фото товара в премиальную студийную рекламу: мягкий кинематографический свет, чистый бежевый фон, лёгкие тени, реалистичные отражения и эстетика люксового бренда.",
  "resolution": "0.5k",
  "aspect_ratio": "3:4",
  "output_format": "png",
  "enable_web_search": false,
  "enable_image_search": false
}'

import json
import os
import requests

url = "https://api.flixa.io/v1/image/nano-banana-2/text-to-image"
payload = json.loads({"aspect_ratio": "3:4", "enable_image_search": false, "enable_web_search": false, "output_format": "png", "prompt": "\u041f\u0440\u0435\u0432\u0440\u0430\u0442\u0438\u0442\u0435 \u044d\u0442\u043e \u0444\u043e\u0442\u043e \u0442\u043e\u0432\u0430\u0440\u0430 \u0432 \u043f\u0440\u0435\u043c\u0438\u0430\u043b\u044c\u043d\u0443\u044e \u0441\u0442\u0443\u0434\u0438\u0439\u043d\u0443\u044e \u0440\u0435\u043a\u043b\u0430\u043c\u0443: \u043c\u044f\u0433\u043a\u0438\u0439 \u043a\u0438\u043d\u0435\u043c\u0430\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0441\u0432\u0435\u0442, \u0447\u0438\u0441\u0442\u044b\u0439 \u0431\u0435\u0436\u0435\u0432\u044b\u0439 \u0444\u043e\u043d, \u043b\u0451\u0433\u043a\u0438\u0435 \u0442\u0435\u043d\u0438, \u0440\u0435\u0430\u043b\u0438\u0441\u0442\u0438\u0447\u043d\u044b\u0435 \u043e\u0442\u0440\u0430\u0436\u0435\u043d\u0438\u044f \u0438 \u044d\u0441\u0442\u0435\u0442\u0438\u043a\u0430 \u043b\u044e\u043a\u0441\u043e\u0432\u043e\u0433\u043e \u0431\u0440\u0435\u043d\u0434\u0430.", "resolution": "0.5k"})

response = requests.post(
    url,
    headers={"Authorization": f"Bearer {os.environ['FLIXA_API_KEY']}"},
    json=payload,
    timeout=120,
)
print(response.json())

const response = await fetch(
  "https://api.flixa.io/v1/image/nano-banana-2/text-to-image",
  {
    method: "POST",
    headers: {
      Authorization: `Bearer ${process.env.FLIXA_API_KEY}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({"aspect_ratio": "3:4", "enable_image_search": false, "enable_web_search": false, "output_format": "png", "prompt": "\u041f\u0440\u0435\u0432\u0440\u0430\u0442\u0438\u0442\u0435 \u044d\u0442\u043e \u0444\u043e\u0442\u043e \u0442\u043e\u0432\u0430\u0440\u0430 \u0432 \u043f\u0440\u0435\u043c\u0438\u0430\u043b\u044c\u043d\u0443\u044e \u0441\u0442\u0443\u0434\u0438\u0439\u043d\u0443\u044e \u0440\u0435\u043a\u043b\u0430\u043c\u0443: \u043c\u044f\u0433\u043a\u0438\u0439 \u043a\u0438\u043d\u0435\u043c\u0430\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0441\u0432\u0435\u0442, \u0447\u0438\u0441\u0442\u044b\u0439 \u0431\u0435\u0436\u0435\u0432\u044b\u0439 \u0444\u043e\u043d, \u043b\u0451\u0433\u043a\u0438\u0435 \u0442\u0435\u043d\u0438, \u0440\u0435\u0430\u043b\u0438\u0441\u0442\u0438\u0447\u043d\u044b\u0435 \u043e\u0442\u0440\u0430\u0436\u0435\u043d\u0438\u044f \u0438 \u044d\u0441\u0442\u0435\u0442\u0438\u043a\u0430 \u043b\u044e\u043a\u0441\u043e\u0432\u043e\u0433\u043e \u0431\u0440\u0435\u043d\u0434\u0430.", "resolution": "0.5k"}),
  }
);

console.log(await response.json());

Пример ответа

Сразу после POST приходит объект с идентификатором задачи и статусом (queued или processing). Готовый результат — в поле outputs после завершения.

{
  "id": "550e8400-e29b-41d4-a716-446655440000",
  "status": "queued",
  "created_at": "2026-05-22T12:00:00Z"
}

После успешного завершения:

{
  "id": "550e8400-e29b-41d4-a716-446655440000",
  "status": "completed",
  "outputs": [
    { "url": "https://storage.example/result.png", "type": "image" }
  ]
}

Поллинг

Пока задача в работе, опрашивайте GET https://api.flixa.io/v1/predictions/{id}/result с тем же API-ключом. Рекомендуемый интервал — 1–2 секунды; остановитесь при completed, failed или cancelled.

• queued / processing — продолжайте опрос.
• completed — заберите URL из outputs.
• failed — смотрите error в теле ответа.

curl "https://api.flixa.io/v1/predictions/{id}/result" \
  -H "Authorization: Bearer $FLIXA_API_KEY"