google/nano-banana-2/edit

Imagem para Imagem

Nano Banana 2 Edit API by Google

google/nano-banana-2/edit

Edit

Google's advanced AI-powered image editing and generation model, designed to make visual transformation as intuitive as describing it in words.

Entrada

Carregando configuração de parâmetros...

Saída

Inativo

As imagens geradas serão exibidas aqui

Configure os parâmetros e clique em executar para começar a gerar

Cada execução custará $0.048. Com $10 você pode executar aproximadamente 208 vezes.

Você pode continuar com:

Imagem para Vídeo Imagem para Imagem

Parâmetros

Exemplo de código
import requests
import time

# Step 1: Start image generation
generate_url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "google/nano-banana-2/edit",
    "prompt": "A beautiful landscape with mountains and lake",
    "width": 512,
    "height": 512,
    "steps": 20,
    "guidance_scale": 7.5,
}

generate_response = requests.post(generate_url, headers=headers, json=data)
generate_result = generate_response.json()
prediction_id = generate_result["data"]["id"]

# Step 2: Poll for result
poll_url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"

def check_status():
    while True:
        response = requests.get(poll_url, headers={"Authorization": "Bearer $ATLASCLOUD_API_KEY"})
        result = response.json()

        if result["data"]["status"] == "completed":
            print("Generated image:", result["data"]["outputs"][0])
            return result["data"]["outputs"][0]
        elif result["data"]["status"] == "failed":
            raise Exception(result["data"]["error"] or "Generation failed")
        else:
            # Still processing, wait 2 seconds
            time.sleep(2)

image_url = check_status()

Instalar

Instale o pacote necessário para a sua linguagem de programação.

pip install requests

Autenticação

Todas as solicitações de API requerem autenticação por meio de uma chave de API. Você pode obter sua chave de API no painel do Atlas Cloud.

export ATLASCLOUD_API_KEY="your-api-key-here"

Cabeçalhos HTTP

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

Mantenha sua chave de API segura

Nunca exponha sua chave de API em código do lado do cliente ou repositórios públicos. Use variáveis de ambiente ou um proxy de backend.

Enviar uma solicitação

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "your-model",
    "prompt": "A beautiful landscape"
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

Enviar uma solicitação

Envie uma solicitação de geração assíncrona. A API retorna um ID de predição que você pode usar para verificar o status e obter o resultado.

POST/api/v1/model/generateImage

Corpo da solicitação

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}

data = {
    "model": "google/nano-banana-2/edit",
    "input": {
        "prompt": "A beautiful landscape with mountains and lake"
    }
}

response = requests.post(url, headers=headers, json=data)
result = response.json()

print(f"Prediction ID: {result['id']}")
print(f"Status: {result['status']}")

Resposta

{
  "id": "pred_abc123",
  "status": "processing",
  "model": "model-name",
  "created_at": "2025-01-01T00:00:00Z"
}

Verificar status

Consulte o endpoint de predição para verificar o status atual da sua solicitação.

GET/api/v1/model/prediction/{prediction_id}

Exemplo de polling

import requests
import time

prediction_id = "pred_abc123"
url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

while True:
    response = requests.get(url, headers=headers)
    result = response.json()
    status = result["data"]["status"]
    print(f"Status: {status}")

    if status in ["completed", "succeeded"]:
        output_url = result["data"]["outputs"][0]
        print(f"Output URL: {output_url}")
        break
    elif status == "failed":
        print(f"Error: {result['data'].get('error', 'Unknown')}")
        break

    time.sleep(3)

Valores de status

processingA solicitação ainda está sendo processada.

completedA geração está completa. As saídas estão disponíveis.

succeededA geração foi bem-sucedida. As saídas estão disponíveis.

failedA geração falhou. Verifique o campo de erro.

Resposta concluída

{
  "data": {
    "id": "pred_abc123",
    "status": "completed",
    "outputs": [
      "https://storage.atlascloud.ai/outputs/result.png"
    ],
    "metrics": {
      "predict_time": 8.3
    },
    "created_at": "2025-01-01T00:00:00Z",
    "completed_at": "2025-01-01T00:00:10Z"
  }
}

Enviar arquivos

Envie arquivos para o armazenamento do Atlas Cloud e obtenha uma URL que pode ser usada nas suas solicitações de API. Use multipart/form-data para enviar.

POST/api/v1/model/uploadMedia

Exemplo de upload

import requests

url = "https://api.atlascloud.ai/api/v1/model/uploadMedia"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

with open("image.png", "rb") as f:
    files = {"file": ("image.png", f, "image/png")}
    response = requests.post(url, headers=headers, files=files)

result = response.json()
download_url = result["data"]["download_url"]
print(f"File URL: {download_url}")

Resposta

{
  "data": {
    "download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
    "file_name": "image.png",
    "content_type": "image/png",
    "size": 1024000
  }
}

Schema de entrada

Os seguintes parâmetros são aceitos no corpo da solicitação.

Total: 0Obrigatório: 0Opcional: 0

Nenhum parâmetro disponível.

Exemplo de corpo da solicitação

{
  "model": "google/nano-banana-2/edit"
}

Schema de saída

A API retorna uma resposta de predição com as URL de saída geradas.

idstringrequired

Unique identifier for the prediction.

statusstringrequired

Current status of the prediction.

processingcompletedsucceededfailed

modelstringrequired

The model used for generation.

outputsarray[string]

Array of output URLs. Available when status is "completed".

errorstring

Error message if status is "failed".

metricsobject

Performance metrics.

predict_timenumber

Time taken for image generation in seconds.

created_atstringrequired

ISO 8601 timestamp when the prediction was created.

Format: date-time

completed_atstring

ISO 8601 timestamp when the prediction was completed.

Format: date-time

Exemplo de resposta

{
  "id": "pred_abc123",
  "status": "completed",
  "model": "model-name",
  "outputs": [
    "https://storage.atlascloud.ai/outputs/result.png"
  ],
  "metrics": {
    "predict_time": 8.3
  },
  "created_at": "2025-01-01T00:00:00Z",
  "completed_at": "2025-01-01T00:00:10Z"
}

Atlas Cloud Skills

O Atlas Cloud Skills integra mais de 300 modelos de IA diretamente no seu assistente de codificação com IA. Um comando para instalar e depois use linguagem natural para gerar imagens, vídeos e conversar com LLM.

Clientes compatíveis

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ clientes compatíveis

Instalar

npx skills add AtlasCloudAI/atlas-cloud-skills

Configurar chave de API

Obtenha sua chave de API no painel do Atlas Cloud e defina-a como variável de ambiente.

export ATLASCLOUD_API_KEY="your-api-key-here"

Funcionalidades

Após a instalação, você pode usar linguagem natural no seu assistente de IA para acessar todos os modelos do Atlas Cloud.

Geração de imagensGere imagens com modelos como Nano Banana 2, Z-Image e mais.

Criação de vídeosCrie vídeos a partir de texto ou imagens com Kling, Vidu, Veo, etc.

Chat com LLMConverse com Qwen, DeepSeek e outros modelos de linguagem de grande escala.

Upload de mídiaEnvie arquivos locais para fluxos de trabalho de edição de imagens e imagem para vídeo.

Saiba mais

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

O Atlas Cloud MCP Server conecta seu IDE com mais de 300 modelos de IA através do Model Context Protocol. Funciona com qualquer cliente compatível com MCP.

Clientes compatíveis

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ clientes compatíveis

Instalar

npx -y atlascloud-mcp

Configuração

Adicione a seguinte configuração ao arquivo de configuração de MCP do seu IDE.

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

Ferramentas disponíveis

atlas_generate_imageGere imagens a partir de prompts de texto.

atlas_generate_videoCrie vídeos a partir de texto ou imagens.

atlas_chatConverse com modelos de linguagem de grande escala.

atlas_list_modelsExplore mais de 300 modelos de IA disponíveis.

atlas_quick_generateCriação de conteúdo em uma etapa com seleção automática de modelo.

atlas_upload_mediaEnvie arquivos locais para fluxos de trabalho de API.

Saiba mais

github.com/AtlasCloudAI/mcp-server

API Schema

Schema não disponível

Sem exemplos disponíveis

Faça login para ver o histórico de solicitações

Você precisa fazer login para acessar o histórico de solicitações do modelo.

Fazer Login

Geração de imagens de nova geração

Saída em até 4K de resolução (níveis 512px / 1K / 2K / 4K)
10+ proporções de tela incluindo 21:9, 1:4, 8:1 e mais
Renderização de texto precisa e legível dentro das imagens
Qualidade quase Pro (~95%) na velocidade Flash

Edição inteligente e consistência

Consistência de personagens para até 5 personagens entre cenas
Fidelidade de objetos para até 14 objetos em um fluxo de trabalho
Edições direcionadas via linguagem natural (remover, substituir, reposar)
Mesclagem de múltiplas imagens e composição fluida

Novidades no Nano Banana 2

3-5x mais rápido que Pro

Construído sobre a arquitetura Gemini 3.1 Flash, o Nano Banana 2 gera imagens padrão em 4-8 segundos — comparado com 10-20 segundos do Nano Banana Pro.

Ancoragem por busca de imagens

O recurso destaque do NB2 — ele pode recuperar imagens de referência do mundo real via Google Search durante a geração, melhorando significativamente a precisão para pontos turísticos, pessoas famosas e logotipos de marcas.

Renderização de texto precisa

Gere texto preciso e legível para mockups de marketing, cartões comemorativos e conteúdo localizado. Você pode até traduzir e localizar o texto dentro de uma imagem.

Consistência multi-personagem

Mantenha a consistência visual para até 5 personagens e 14 objetos entre cenas — perfeito para storyboards, quadrinhos e campanhas de marketing.

Text Rendering

Marketing Mockup with Text

Generate marketing visuals with accurate, legible text — one of NB2's standout improvements

Prompt

A minimalist coffee shop promotional poster with the text 'MORNING BREW — Fresh Roasted Daily' in elegant serif font, warm earth tones, steam rising from a ceramic cup, clean layout with plenty of whitespace

Character Consistency

Multi-Scene Character

Maintain character consistency across multiple scenes — supports up to 5 characters per workflow

Prompt

A young woman with short red hair and freckles, wearing a green jacket, standing in a rainy Tokyo street at night with neon reflections on wet pavement, cinematic lighting, photorealistic

Photo to Action Figure

Person to Action Figure

Transform people from photos into collectible action figures with custom packaging

Prompt

Transform the person in the photo into an action figure, styled after [CHARACTER_NAME] from [SOURCE / CONTEXT]. Next to the figure, display the accessories including [ITEM_1], [ITEM_2], and [ITEM_3]. On the top of the toy box, write "[BOX_LABEL_TOP]", and underneath it, "[BOX_LABEL_BOTTOM]". Place the box in a [BACKGROUND_SETTING] environment.

Search Grounding

Real-World Reference Generation

Leverage Image Search Grounding to generate accurate real-world subjects like landmarks and brands

Prompt

A photorealistic aerial view of the Eiffel Tower at golden hour, with the Seine River winding through Paris below, warm sunset light casting long shadows, high detail, 4K resolution

Product Photography

Product Design Render

Create professional product photography with precise control over lighting and composition

Prompt

A frosted glass perfume bottle with a marble cap on a white marble surface, soft studio lighting from the left, subtle reflections, minimalist luxury aesthetic, product photography style

Style Transfer

Artistic Style Transformation

Apply diverse artistic styles while maintaining subject integrity

Prompt

Transform this photo into Studio Ghibli animation style, keeping the same composition and subjects, lush watercolor backgrounds, soft diffused lighting, whimsical atmosphere

4K Output

Ultra High Resolution Scene

Generate detailed scenes at up to 4K resolution with rich textures

Prompt

A cozy Japanese ramen shop interior at night, steam rising from bowls, warm amber lighting, detailed wooden counter with various condiments, a chef working in the background, 4K, ultra detailed

Casos de uso

🎬

Storyboards e quadrinhos

📸

Fotografia de produto

📊

Mockups de marketing

📱

Conteúdo para redes sociais

🔤

Design de sobreposição de texto

👤

Design de personagens

✨

Edição e retoque fotográfico

🎨

Conteúdo visual de marca

Por que escolher o Nano Banana 2?

⚡

Velocidade Flash

3-5x mais rápido que o Nano Banana Pro com tempo de geração padrão de 4-8 segundos

🎯

Qualidade quase Pro

Alcança aproximadamente 95% da qualidade de imagem do Pro na maioria dos cenários

💰

Custo-benefício

Aproximadamente metade do custo do Nano Banana Pro — tornando a geração de imagens IA de alta qualidade mais acessível

Especificações técnicas

Arquitetura:Gemini 3.1 Flash (GEMPIX2)

Suporte de resolução:De 512px a 4K (níveis 512px / 1K / 2K / 4K)

Proporções de tela:1:1, 4:3, 3:4, 2:3, 3:2, 16:9, 9:16, 1:4, 4:1, 8:1, 21:9

Consistência:Até 5 personagens + 14 objetos por fluxo de trabalho

Segurança de conteúdo:Marca d'água SynthID, compatível com o padrão C2PA

Acesso API:Gemini API, Vertex AI, AI Studio, Gemini CLI

Experimente o Nano Banana 2

Geração de imagens de nível Pro na velocidade Flash — crie visuais impressionantes com consistência de personagens, renderização de texto e suporte a resolução 4K.

✨Créditos gratuitos para começar

⚡Acesso API instantâneo

🌐Sem configuração necessária

Google Nano Banana 2 Edit

Nano Banana 2 Edit (Gemini 3.1 Flash Image) is Google’s advanced AI-powered image editing and generation model, designed to make visual transformation as intuitive as describing it in words. Built on Google’s cutting-edge computer vision and generative research, it combines precision, flexibility, and semantic awareness for professional-grade editing.

Why Choose This?

Natural language editing Modify images using simple text instructions — the model understands context and relationships.
Multi-image reference Upload up to 14 reference images for complex edits and compositions.
Multi-resolution support Output in 1K, 2K, or 4K resolution based on your needs.
Flexible aspect ratios Multiple options including 1:1, 3:2, 2:3, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, and 21:9.
Prompt Enhancer Built-in tool to automatically improve your edit descriptions.
Format choice Export in PNG or JPEG format.

Parameters

Parameter	Required	Description
images	Yes	Reference images to edit (max: 14, click "+ Add Item" to add more)
prompt	Yes	Text description of the desired edit
aspect_ratio	No	Aspect ratio: 1:1, 3:2, 2:3, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9
resolution	No	Output resolution: 1k (default), 2k, 4k
output_format	No	Output format: png (default), jpeg

How to Use

Upload reference images — add the images you want to edit (up to 14 images).
Write your prompt — describe the edit clearly (e.g., "Change the man to a woman").
Choose aspect ratio (optional) — select a preset or leave empty for default.
Select resolution — choose 1K, 2K, or 4K based on your needs.
Choose output format — PNG for transparency support, JPEG for smaller file size.
Use Prompt Enhancer (optional) — click to automatically refine your description.
Run — submit and download your edited image.

Pricing

Resolution	Cost
1k	$0.08
2k	$0.12
4k	$0.16

Best Use Cases

Character Modification — Change attributes like gender, age, clothing, or appearance.
Object Replacement — Swap elements within images while preserving context.
Style Transfer — Apply different visual styles to existing images.
Text Editing — Modify on-image text while maintaining design consistency.
Scene Adjustment — Change backgrounds, lighting, or environmental elements.

Pro Tips

Use clear, specific edit instructions for best results (e.g., "Change the man to a woman" rather than "modify the person").
Start with fewer reference images (1–3) for simpler edits.
More reference images can help with complex compositions but may affect stability.
2K offers the best value — same price as 1K with higher resolution.
Try the Prompt Enhancer to automatically improve your descriptions.

Notes

Both images and prompt are required fields.
Maximum reference images: 14 (recommended: fewer images for better stability).
If aspect_ratio is not selected, the model uses a default ratio.
4K resolution costs 2× the standard rate.
Ensure your prompts comply with Google's Safety Guidelines.

Nano Banana 2 Text-to-Image — Generate images from text prompts.
Nano Banana Pro Edit — Pro tier editing with enhanced quality.
Nano Banana Pro Text-to-Image — Pro tier image generation.

Explorar Modelos Semelhantes

NEW

Texto para Imagem

Nano Banana 2 Text-to-Image

Google's lightweight yet powerful AI image generation model, built for creators who need fast, high-quality visuals from simple text prompts.

Nano Banana Pro Text-to-image Ultra

Nano Banana Pro is the next-generation Nano Banana image model, delivering sharper detail, richer color control, and faster diffusion for production-ready visuals.

Nano Banana Pro Edit Ultra

Nano Banana Pro Edit is an image editing tool built on the Nano Banana model family, designed for precise, AI-powered visual adjustments.

Nano Banana Pro Text-to-image

Nano Banana Pro is the next-generation Nano Banana image model, delivering sharper detail, richer color control, and faster diffusion for production-ready visuals.

From$0.14/imagem

$0.084/imagem

-40%

Mais de 300 Modelos, Comece Agora,

Explorar Todos os Modelos

Nano Banana 2 Edit API by Google

Entrada

Saída

Parâmetros

Exemplo de código

Instalar

Autenticação

Cabeçalhos HTTP

Enviar uma solicitação

Enviar uma solicitação

Corpo da solicitação

Resposta

Verificar status

Exemplo de polling

Valores de status

Resposta concluída

Enviar arquivos

Exemplo de upload

Resposta

Schema de entrada

Exemplo de corpo da solicitação

Schema de saída

Exemplo de resposta

Atlas Cloud Skills

Clientes compatíveis

Instalar

Configurar chave de API

Funcionalidades

MCP Server

Clientes compatíveis

Instalar

Configuração

Ferramentas disponíveis

API Schema

Faça login para ver o histórico de solicitações

Novidades no Nano Banana 2

Prompt Examples & Templates

Marketing Mockup with Text

Multi-Scene Character

Person to Action Figure

Real-World Reference Generation

Product Design Render

Artistic Style Transformation

Ultra High Resolution Scene

Casos de uso

Por que escolher o Nano Banana 2?

Velocidade Flash

Qualidade quase Pro

Custo-benefício

Especificações técnicas

Experimente o Nano Banana 2

Google Nano Banana 2 Edit

Why Choose This?

Parameters

How to Use

Pricing

Best Use Cases

Pro Tips

Notes

Related Models

Explorar Modelos Semelhantes

Nano Banana 2 Text-to-Image

Nano Banana Pro Text-to-image Ultra

Nano Banana Pro Edit Ultra

Nano Banana Pro Text-to-image

Mais de 300 Modelos, Comece Agora,

Join our Discord community

Entrada

Saída

Parâmetros

Exemplo de código

Instalar

Autenticação

Cabeçalhos HTTP

Enviar uma solicitação

Enviar uma solicitação

Corpo da solicitação

Resposta

Verificar status

Exemplo de polling