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
ราคาที่ดีที่สุดเปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| อัตราความพร้อมใช้งาน | |||||
|---|---|---|---|---|---|
| $2 | $12 | $0.2 | $0.2 | ||
| ยังไม่เผยแพร่ | ยังไม่เผยแพร่ | ||||
| $2 | $12 | $0.2 | $0.2 |
สถิติย้อนหลังไม่ใช่การตรวจสอบแบบเรียลไทม์ ข้อมูลที่หายไปไม่ได้หมายถึงบริการขัดข้อง
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")
PY4ดาวน์โหลดเอาต์พุต
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)
PYinput_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-2.1Nano Banana 2.1 คือโมเดลสร้างและแก้ไขภาพในตระกูล Gemini 3 ที่ใช้พื้นฐาน Gemini 3.6 Flash เน้นงานภาพระดับมืออาชีพที่ต้องการความแม่นยำและการแก้ไขหลายรอบ
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-imageNano Banana 2 Lite เป็นโมเดลสร้างภาพที่เร็วและคุ้มค่าที่สุดในตระกูล Nano Banana จาก Google รองรับการสร้างและแก้ไขภาพที่ความละเอียด 1K พร้อมข้อความในภาพ
เอาต์พุต
image / text
บริบท
65.536K
token อินพุต
$0.25 / 1M token
token เอาต์พุต
$1.5 / 1M token