Felo API PlatformFelo API Platform
กลับไปที่โมเดล

Nano Banana Pro (Gemini 3 Pro Image) API

Nano Banana Pro คือโมเดลสร้างและแก้ไขภาพระดับเรือธงของ Google ที่รองรับภาพความละเอียดสูงสุด 4K พร้อมการเรนเดอร์ข้อความหลายภาษาและตัวควบคุมระดับมืออาชีพ

Nano Banana Pro (ชื่ออย่างเป็นทางการคือ Gemini 3 Pro Image) เป็นโมเดลสร้างและแก้ไขภาพระดับเรือธงจาก Google ที่สร้างขึ้นบนฐานของ Gemini 3 Pro ซึ่งมีความสามารถในการให้เหตุผล โมเดลนี้รองรับการป้อนข้อความและภาพ sertaส่งออกเป็นภาพ โดยสร้างภาพได้ที่ความละเอียดสูงสุด 4K (5632 x 3072 พิกเซล) พร้อมระดับความละเอียดเอาต์พุต 0.5K, 1K, 2K และ 4K และรองรับอัตราส่วนภาพ 10 แบบ

จุดเด่นสำคัญคือความแม่นยำในการเรนเดอร์ข้อความในภาพหลายภาษา ตั้งแต่สโลแกนสั้นไปจนถึงย่อหน้ายาว รวมถึงความเข้าใจในด้านTypography ฟอนต์ และองค์ประกอบการออกแบบอักษรศาสตร์ โมเดลสามารถรวมภาพอ้างอิงได้สูงสุด 14 ภาพในเอาต์พุตเดียว รักษาความสม่ำเสมอของรูปลักษณ์ของบุคคลได้สูงสุด 5 คน และมีตัวควบคุมเชิงสร้างสรรค์สำหรับมุมกล้อง แสง สไตล์ โทนสี และโฟกัส อีกทั้งผสานการเชื่อมโยงกับ Google Search เพื่อแสดงข้อมูลเรียลไทม์ เช่น สภาพอากาศและผลการแข่งขันกีฬา

โมเดลนี้เหมาะอย่างยิ่งสำหรับงานที่ต้องการความแม่นยำระดับสตูดิโอ เช่น การสร้างสื่อการตลาดและโฆษณาตามแนวทางแบรนด์ อินโฟกราฟิกและแผนภูมิ ภาพสำหรับงานนำเสนอ ต้นแบบผลิตภัณฑ์ และการออกแบบแนวคิด สื่อการสอนที่ต้องการข้อมูลถูกต้อง การเปลี่ยนบันทึกเขียนมือเป็นแผนภูมิที่มีโครงสร้าง การเปลี่ยนเซลฟี่เป็นภาพถ่ายโปรไฟล์ระดับมืออาชีพ การเปลี่ยนภาพร่างง่ายๆ เป็นโครงสร้าง 3D ที่สมจริง การถ่ายภาพผลิตภัณฑ์และการจัดองค์ประกอบฉากที่ซับซ้อน ตลอดจนเนื้อหาที่มีข้อความหนาแน่น เช่น โปสเตอร์ โฆษณา และอินโฟกราฟิก

อัปเดต:

ID โมเดล

gemini-3-pro-image
บริบท
131.072K
เอาต์พุตสูงสุด
32.768K
อินพุต
image / text
เอาต์พุต
image / text

จุดเด่น

  • สร้างภาพความละเอียดสูงสุด 4K
  • เรนเดอร์ข้อความหลายภาษาได้แม่นยำ
  • รวมภาพอ้างอิงได้สูงสุด 14 ภาพ
  • รักษารูปลักษณ์บุคคลได้สูงสุด 5 คน
  • เชื่อมโยง Google Search เพื่อข้อมูลเรียลไทม์
  • ลายน้ำดิจิทัล SynthID ในทุกภาพ

ผู้ให้บริการ

ราคาที่ดีที่สุด
3 ผู้ให้บริการ

เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด

ผู้ให้บริการ · รายละเอียดราคา
อัตราความพร้อมใช้งาน
$2$12$0.2$0.2
$2$1.2$12$7.2ยังไม่เผยแพร่ยังไม่เผยแพร่
$2$12$0.2$0.2

การให้เหตุผล

เปิดใช้งานตลอด
ใช่

เริ่มต้นอย่างรวดเร็ว

ส่งงานภาพ ตรวจสอบสถานะ แล้วบันทึกภาพ ตัวอย่างใช้ curl และไลบรารีมาตรฐานของ Python 3

POST https://openapi.felo.ai/api/v1/images/generations

1ตั้งค่าคีย์ API

สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม

export FELO_API_KEY="YOUR_API_KEY"

2ส่งคำขอแรก

ค่าพารามิเตอร์เสริมแตกต่างกันตามโมเดล จึงไม่กำหนดในตัวอย่าง โปรดยืนยันใน Playground ฟิลด์อยู่ระดับเดียวกับ model และ prompt ไม่ห่อด้วย input

curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -o created.json \
  -d '{
  "prompt": "A studio product photo of a ceramic coffee cup on warm linen, soft morning light",
  "model": "gemini-3-pro-image"
}'

3สอบถามสถานะงาน

เมื่อส่งจะได้รับ task_id ตรวจสอบทุก 3 วินาทีขณะ queued หรือ running และหยุดเมื่อ succeeded, failed หรือ interrupted รอสูงสุด 30 นาที เก็บ created.json เพื่อกลับมาตรวจสอบงานเดิมโดยไม่ส่งซ้ำ

python3 - <<'PY'
import json, os, time
from pathlib import Path
from urllib.parse import quote
from urllib.request import Request, urlopen

task = json.loads(Path("created.json").read_text())
task_id = task["task_id"]
url = "https://openapi.felo.ai/api/v1/images/generations/" + quote(task_id, safe="")
headers = {"Authorization": "Bearer " + os.environ["FELO_API_KEY"]}
deadline = time.monotonic() + 1800

while task["status"] in ("queued", "running"):
    if time.monotonic() >= deadline:
        raise TimeoutError(f"Keep task_id={task_id} to resume polling")
    time.sleep(3)
    with urlopen(Request(url, headers=headers), timeout=60) as response:
        task = json.load(response)
    if task.get("task_id") != task_id or task.get("kind") != "image":
        raise ValueError("Unexpected task response")
    print(task["status"])

if task["status"] != "succeeded":
    raise RuntimeError(task.get("error") or task["status"])
if not task.get("outputs"):
    raise ValueError("Task succeeded without image outputs")
Path("task.json").write_text(json.dumps(task))
print("Saved task.json")
PY

4ดาวน์โหลดเอาต์พุต

เมื่อสำเร็จ ให้บันทึก outputs จาก task.json รองรับ URL HTTPS ออบเจ็กต์ URL และ b64_json ควรดาวน์โหลด URL ที่ลงนามโดยเร็ว การดาวน์โหลดภาพไม่ต้องใช้ API Key

python3 - <<'PY'
import base64, json
from pathlib import Path
from urllib.request import urlopen

task = json.loads(Path("task.json").read_text())
if task.get("status") != "succeeded" or not task.get("outputs"):
    raise ValueError("No completed image outputs")
extensions = {"image/png": ".png", "image/jpeg": ".jpg", "image/webp": ".webp", "image/gif": ".gif", "image/avif": ".avif"}

for index, output in enumerate(task["outputs"], 1):
    item = output if isinstance(output, dict) else {}
    url = output if isinstance(output, str) else item.get("url") or item.get("unsigned_url")
    mime = item.get("media_type") or "image/png"
    if url and url.startswith("https://"):
        with urlopen(url, timeout=60) as response:
            data = response.read()
            mime = response.headers.get_content_type()
    elif url and url.startswith("data:image/") and ";base64," in url:
        header, encoded = url.split(",", 1)
        mime = header[5:].split(";", 1)[0]
        data = base64.b64decode(encoded, validate=True)
    elif item.get("b64_json"):
        data = base64.b64decode(item["b64_json"], validate=True)
    else:
        raise ValueError("Unrecognized image output")
    path = Path(f"image-{index}" + extensions.get(mime, ".bin"))
    path.write_bytes(data)
    print(path)
PY
input_references

หากต้องการแก้ไขภาพ ให้แทน URL ตัวอย่างด้วย URL ภาพ HTTPS หรือ data URL ภาพ base64 ของคุณ ส่งครั้งเดียวแล้วใช้ขั้นตอนตรวจสอบและบันทึกเดิม

curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -o created.json \
  -d '{
  "prompt": "Keep the product and framing. Replace the background with a sunlit marble countertop.",
  "model": "gemini-3-pro-image",
  "input_references": [
    {
      "type": "image_url",
      "image_url": {
        "url": "https://example.com/product.png"
      }
    }
  ]
}'

พารามิเตอร์ที่รองรับ

  • n
  • seed
  • stop
  • tools
  • top_p
  • reasoning
  • max_tokens
  • resolution
  • temperature
  • tool_choice
  • aspect_ratio
  • response_format
  • input_references
  • include_reasoning
  • structured_outputs

ต้องการเอกสารอ้างอิงฉบับเต็มหรือไม่

เอกสารอ้างอิง API →

คำถามที่พบบ่อย

รู้จัก Nano Banana Pro (Gemini 3 Pro Image)?

Nano Banana Pro (ชื่ออย่างเป็นทางการคือ Gemini 3 Pro Image) เป็นโมเดลสร้างและแก้ไขภาพระดับเรือธงจาก Google ที่สร้างขึ้นบนฐานของ Gemini 3 Pro ซึ่งมีความสามารถในการให้เหตุผล โมเดลนี้รองรับการป้อนข้อความและภาพ sertaส่งออกเป็นภาพ โดยสร้างภาพได้ที่ความละเอียดสูงสุด 4K (5632 x 3072 พิกเซล) พร้อมระดับความละเอียดเอาต์พุต 0.5K, 1K, 2K และ 4K และรองรับอัตราส่วนภาพ 10 แบบ จุดเด่นสำคัญคือความแม่นยำในการเรนเดอร์ข้อความในภาพหลายภาษา ตั้งแต่สโลแกนสั้นไปจนถึงย่อหน้ายาว รวมถึงความเข้าใจในด้านTypography ฟอนต์ และองค์ประกอบการออกแบบอักษรศาสตร์ โมเดลสามารถรวมภาพอ้างอิงได้สูงสุด 14 ภาพในเอาต์พุตเดียว รักษาความสม่ำเสมอของรูปลักษณ์ของบุคคลได้สูงสุด 5 คน และมีตัวควบคุมเชิงสร้างสรรค์สำหรับมุมกล้อง แสง สไตล์ โทนสี และโฟกัส อีกทั้งผสานการเชื่อมโยงกับ Google Search เพื่อแสดงข้อมูลเรียลไทม์ เช่น สภาพอากาศและผลการแข่งขันกีฬา โมเดลนี้เหมาะอย่างยิ่งสำหรับงานที่ต้องการความแม่นยำระดับสตูดิโอ เช่น การสร้างสื่อการตลาดและโฆษณาตามแนวทางแบรนด์ อินโฟกราฟิกและแผนภูมิ ภาพสำหรับงานนำเสนอ ต้นแบบผลิตภัณฑ์ และการออกแบบแนวคิด สื่อการสอนที่ต้องการข้อมูลถูกต้อง การเปลี่ยนบันทึกเขียนมือเป็นแผนภูมิที่มีโครงสร้าง การเปลี่ยนเซลฟี่เป็นภาพถ่ายโปรไฟล์ระดับมืออาชีพ การเปลี่ยนภาพร่างง่ายๆ เป็นโครงสร้าง 3D ที่สมจริง การถ่ายภาพผลิตภัณฑ์และการจัดองค์ประกอบฉากที่ซับซ้อน ตลอดจนเนื้อหาที่มีข้อความหนาแน่น เช่น โปสเตอร์ โฆษณา และอินโฟกราฟิก

การใช้งานถูกเรียกเก็บเงินอย่างไร

ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน

Nano Banana Pro รองรับการป้อนข้อมูลประเภทใดบ้าง

รองรับการป้อนข้อความและภาพ และส่งออกเป็นภาพ โดยมีขีดจำกัดอินพุต 65,536 โทเคน และเอาต์พุต 32,768 โทเคน

สร้างภาพได้ความละเอียดสูงสุดเท่าไร

สร้างภาพได้สูงสุด 4K (5632 x 3072 พิกเซล) พร้อมระดับความละเอียดเอาต์พุต 0.5K, 1K, 2K และ 4K และรองรับอัตราส่วนภาพ 10 แบบ

เหมาะกับงานประเภทใดมากที่สุด

เหมาะกับงานที่ต้องการความแม่นยำระดับสตูดิโอ เช่น สื่อการตลาด อินโฟกราฟิก ภาพนำเสนอ ต้นแบบผลิตภัณฑ์ สื่อการสอน และเนื้อหาที่มีข้อความหนาแน่นอย่างโปสเตอร์และโฆษณา

แตกต่างจาก Nano Banana 2 อย่างไร

Nano Banana Pro นำในด้านความละเอียดและตัวควบคุมระดับมืออาชีพ ส่วน Nano Banana 2 เร็วกว่าสำหรับการแก้ไขภาพในชีวิตประจำวัน โดย Nano Banana Pro ใช้เวลาประมาณ 30.8 วินาทีต่อภาพ ขณะที่ Nano Banana 2 ใช้ประมาณ 15.5 วินาที

สามารถรักษาความสม่ำเสมอของบุคคลและใช้ภาพอ้างอิงได้กี่ภาพ

รวมภาพอ้างอิงได้สูงสุด 14 ภาพในเอาต์พุตเดียว และรักษาความสม่ำเสมอของรูปลักษณ์ของบุคคลได้สูงสุด 5 คน

มีมาตรการด้านความปลอดภัยหรือลายน้ำในภาพหรือไม่

ทุกภาพที่สร้างขึ้นจะถูกเพิ่มลายน้ำดิจิทัล SynthID ที่มองไม่เห็น

โมเดลที่เกี่ยวข้อง

Nano Banana 2.1

Googleรูปภาพgemini-nano-banana-2.1

Nano Banana 2.1 คือโมเดลสร้างและแก้ไขภาพในตระกูล Gemini 3 ที่ใช้พื้นฐาน Gemini 3.6 Flash เน้นงานภาพระดับมืออาชีพที่ต้องการความแม่นยำและการแก้ไขหลายรอบ

งานสร้างและแก้ไขภาพระดับมืออาชีพการแก้ไขซ้ำหลายรอบอย่างรวดเร็วการสร้างข้อความในโปสเตอร์และไดอะแกรมการแก้ไขภาพแบบสนทนาหลายรอบ

เอาต์พุต

image / text

บริบท

65.536K

token อินพุต

$1.5 / 1M token

token เอาต์พุต

$7.5 / 1M token

Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)

Googleรูปภาพgemini-3.1-flash-lite-image

Nano Banana 2 Lite เป็นโมเดลสร้างภาพที่เร็วและคุ้มค่าที่สุดในตระกูล Nano Banana จาก Google รองรับการสร้างและแก้ไขภาพที่ความละเอียด 1K พร้อมข้อความในภาพ

สร้างภาพ 1K ปริมาณมากตัวอย่างแนวคิดอย่างรวดเร็วภาพผลิตภัณฑ์หลากหลายรูปแบบแบนเนอร์โฆษณาตามท้องถิ่น

เอาต์พุต

image / text

บริบท

65.536K

token อินพุต

$0.25 / 1M token

token เอาต์พุต

$1.5 / 1M token