Nano Banana 2 Reference-to-Image API by Google

Nano Banana 2 — Chất lượng Pro, Tốc độ Flash

V2

Còn được gọi là Gemini 3.1 Flash Image

Mô hình hình ảnh mới nhất của Google DeepMind kết hợp khả năng tiên tiến của Nano Banana Pro với tốc độ của Gemini Flash — tạo ảnh nhanh hơn 3-5 lần, độ phân giải lên đến 4K và tính nhất quán nhân vật cho tối đa 5 nhân vật trong một quy trình.

Tạo Hình Ảnh Thế Hệ Mới

• Đầu ra độ phân giải lên đến 4K (cấp 512px / 1K / 2K / 4K)
• 10+ tỷ lệ khung hình bao gồm 21:9, 1:4, 8:1 và nhiều hơn nữa
• Hiển thị văn bản chính xác và dễ đọc trong hình ảnh
• Chất lượng gần Pro (~95%) ở tốc độ Flash

Chỉnh Sửa Thông Minh & Tính Nhất Quán

• Tính nhất quán nhân vật cho tối đa 5 nhân vật xuyên suốt các cảnh
• Độ chính xác đối tượng cho tối đa 14 đối tượng trong một quy trình
• Chỉnh sửa có mục tiêu bằng ngôn ngữ tự nhiên (xóa, thay thế, đổi tư thế)
• Kết hợp đa hình ảnh và bố cục liền mạch

Có Gì Mới Trong Nano Banana 2

Nhanh Hơn Pro 3-5 Lần

Được xây dựng trên kiến trúc Gemini 3.1 Flash, Nano Banana 2 tạo hình ảnh tiêu chuẩn trong 4-8 giây — so với 10-20 giây của Nano Banana Pro.

Tìm Kiếm Hình Ảnh Tham Chiếu

Tính năng nổi bật của NB2 — có thể truy xuất hình ảnh tham chiếu thực tế qua Google Search trong quá trình tạo ảnh, cải thiện đáng kể độ chính xác cho các địa danh, người nổi tiếng và logo thương hiệu.

Hiển Thị Văn Bản Chính Xác

Tạo văn bản chính xác, dễ đọc cho mockup tiếp thị, thiệp chúc mừng và nội dung bản địa hóa. Bạn thậm chí có thể dịch và bản địa hóa văn bản ngay trong hình ảnh.

Nhất Quán Đa Nhân Vật

Duy trì tính nhất quán hình ảnh cho tối đa 5 nhân vật và 14 đối tượng xuyên suốt các cảnh — hoàn hảo cho storyboard, truyện tranh và chiến dịch tiếp thị.

Prompt Examples & Templates

Explore curated prompt templates showcasing Nano Banana 2's key capabilities — text rendering, character consistency, search grounding, and 4K output.

Text Rendering

Marketing Mockup with Text

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

PromptCopy

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

PromptCopy

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

PromptCopy

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

PromptCopy

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

PromptCopy

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

PromptCopy

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

PromptCopy

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

Nano Banana 2 is powered by Gemini 3.1 Flash Image — Google DeepMind

Trường Hợp Sử Dụng

🎬

Storyboard & Truyện Tranh

📸

Chụp Ảnh Sản Phẩm

📊

Mockup Tiếp Thị

📱

Nội Dung Mạng Xã Hội

🔤

Thiết Kế Chữ Phủ

👤

Thiết Kế Nhân Vật

✨

Chỉnh Sửa & Retouch Ảnh

🎨

Nội Dung Hình Ảnh Thương Hiệu

Tại Sao Chọn Nano Banana 2?

⚡

Tốc Độ Flash

Nhanh hơn Nano Banana Pro 3-5 lần với thời gian tạo ảnh tiêu chuẩn 4-8 giây

🎯

Chất Lượng Gần Pro

Đạt khoảng 95% chất lượng hình ảnh của Pro trong hầu hết các tình huống

💰

Tiết Kiệm Chi Phí

Chi phí chỉ bằng khoảng một nửa Nano Banana Pro — giúp tạo hình ảnh AI chất lượng cao trở nên dễ tiếp cận hơn

Thông Số Kỹ Thuật

Kiến trúc:Gemini 3.1 Flash (GEMPIX2)

Hỗ trợ Độ phân giải:512px đến 4K (cấp 512px / 1K / 2K / 4K)

Tỷ lệ Khung hình:1:1, 4:3, 3:4, 2:3, 3:2, 16:9, 9:16, 1:4, 4:1, 8:1, 21:9

Tính nhất quán:Tối đa 5 nhân vật + 14 đối tượng mỗi quy trình

An toàn Nội dung:Hình mờ SynthID, tương thích tiêu chuẩn C2PA

Truy cập API:Gemini API, Vertex AI, AI Studio, Gemini CLI

Trải Nghiệm Nano Banana 2

Tạo hình ảnh cấp Pro ở tốc độ Flash — tạo hình ảnh ấn tượng với tính nhất quán nhân vật, hiển thị văn bản và hỗ trợ độ phân giải 4K.

✨Tín Dụng Miễn Phí Để Bắt Đầu

⚡Truy Cập API Ngay Lập Tức

🌐Không Cần Cài Đặt

Google Nano Banana 2 Reference to Image

Nano Banana 2 Reference to Image (Gemini 3.1 Flash Image) is Google's advanced AI-powered video-to-image generation model, designed to generate high-quality static images from video clips combined with text instructions. Built on the same cutting-edge model as Nano Banana 2 Edit, it adds the ability to use video content as a rich reference source — extracting visual context, themes, and key frames to synthesize new images with precision and semantic awareness.

This model is ideal for creating thumbnails, posters, promotional artwork, and scene summaries by leveraging the visual richness of existing video content alongside natural language guidance.

Why Choose This?

• Video as reference — Provide a video clip (HTTP URL or YouTube URL) and let the model extract its visual context to guide image generation.

• Multi-image reference — Optionally upload up to 10 additional reference images to complement the video input for complex compositions.

• Natural language control — Describe exactly what you want with a text prompt; the model understands context, themes, and relationships from both the video and text.

• Thinking levels — Choose how much internal reasoning the model applies — higher thinking levels improve quality on complex tasks.

• Media resolution control — Balance detail and token usage for input video frames with LOW, MEDIUM, or HIGH media resolution modes.

• Web & image search grounding — Optionally enable real-time web or image search to enrich generation with current information.

• Multi-resolution output — Generate at 1K, 2K, or 4K resolution.

• 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.

• Format choice — Export in PNG or JPEG format.

How It Works

The model analyzes your video clip by sampling frames at the specified FPS rate, then interprets the visual content within its multimodal context window. Combined with your text prompt and any additional reference images, it synthesizes a new image grounded in the video's themes, style, and key visual elements. This makes it especially powerful for creating content that is visually consistent with existing video assets.

Parameters

Core Inputs

Video Clip Fields

Output Options

Advanced Options

How to Use

1. Provide a video clip — enter the video URL (HTTP or YouTube) and set start/end times and FPS sampling rate.
2. Write your prompt — describe the output image clearly (e.g., "Create a cinematic poster based on the key scenes in this video").
3. Add reference images (optional) — upload additional images to guide composition or style.
4. Choose aspect ratio (optional) — select a preset or leave empty for default.
5. Select resolution — choose 1K, 2K, or 4K based on your quality needs.
6. Choose output format — PNG for transparency support, JPEG for smaller file size.
7. Adjust advanced settings (optional) — set thinking level, media resolution, or enable search grounding.
8. Run — submit and download your generated image.

Pricing

The total cost is determined by the output image resolution multiplied by the number of output images, plus optional per-request fees for video clip input, web search, and image search grounding.

SKU Prices

Pricing Formula

cost = (resolution == "2k" ? sku_2k : (resolution == "4k" ? sku_4k : sku_1k)) * images
     + (enable_web_search ? sku_web_search : 0)
     + (enable_image_search ? sku_image_search : 0)
     + (len(video_clips) > 0 ? sku_video_clip : 0)

Examples:

The video clip fee ($0.07), web search fee ($0.014), and image search fee ($0.014) are each charged once per request when the respective feature is enabled, regardless of content volume.

Best Use Cases

• Video Thumbnail Generation — Automatically create compelling thumbnails that reflect the video's content and mood.
• Promotional Posters — Generate movie-style or campaign posters grounded in actual video footage.
• Scene Summarization Art — Create visual summaries or highlight artwork from long-form video content.
• Brand Content Creation — Produce consistent image assets from brand video campaigns.
• Educational Infographics — Transform instructional videos into static visual materials.
• Social Media Assets — Generate platform-optimized images (vertical, square, landscape) from video content.

Pro Tips

• Use low FPS (0.5–1) for long videos to keep token usage within limits while still capturing key frames.
• Set precise start/end times to focus the model on the most relevant segment of your video.
• Combine specific text prompts with the video input — vague prompts may produce generic results.
• Add reference images alongside the video to guide composition style more precisely.
• Use thinking_level: high for complex scene interpretations or when visual fidelity matters most.
• Set media_resolution: low when analyzing long videos to allow more frames within the context window.
• 2K offers excellent quality at a reasonable price — only $0.04 more than 1K per image.
• YouTube URLs are supported directly — no need to download and re-upload public videos.

Notes

• Both prompt and video_clips are required fields.
• Maximum video clips: 1 per request.
• HTTP video URLs are limited to 15MB; use YouTube URLs for larger videos.
• Maximum additional reference images: 10.
• FPS range: 0–24. Higher FPS captures more frames but consumes more tokens.
• The video clip fee ($0.07) is a flat per-request charge, not per frame or per second.
• If aspect_ratio is not selected, the model uses a default ratio.
• 4K resolution costs 2× the standard 1K rate.
• Ensure your content and prompts comply with Google's Safety Guidelines.

Related Models

• Nano Banana 2 Edit — Edit images using text prompts and reference images (no video input).
• Nano Banana 2 Text-to-Image — Generate images from text prompts only.
• Nano Banana Pro Edit — Pro tier editing with enhanced quality.
• Nano Banana Pro Text-to-Image — Pro tier image generation.