NanoBanana Pro Edit

Die Bildbearbeitung verwendet dieselbe Gemini API (generateContent) wie die Bildgenerierung von NanoBanana Pro. Sie senden das Originalbild + die Bearbeitungsanweisung in der Anfrage und erhalten das bearbeitete Bild in der Antwort. Siehe Gemini docs: Image editing.

Endpunkt: Derselbe wie bei der Generierung: POST https://aiberm.com/v1beta/models/gemini-3-pro-image-preview:generateContent.

Wichtige Punkte: Legen Sie einen Bildteil (inlineData) und einen Textteil (Bearbeitungsanweisung) in contents ab; setzen Sie generationConfig.responseModalities auf ["TEXT", "IMAGE"], um das bearbeitete Bild zu erhalten; lesen Sie das Ergebnis aus candidates[0].content.parts → inline_data.

Beispielcode

Python verwendet snake_case; REST/cURL verwendet camelCase. Die Bedeutung ist dieselbe.

1from google import genai
2from google.genai import types
3from PIL import Image
4from io import BytesIO
5 
6base_url = "https://aiberm.com"
7api_key = "YOUR_API_KEY"
8model = "gemini-3-pro-image-preview"
9output_file = "edited.png"
10 
11image_path = "original.png"
12edit_prompt = "Add a stylish top hat to this image, keep the rest unchanged."
13 
14client = genai.Client(
15  api_key=api_key,
16  http_options=types.HttpOptions(api_version="v1beta", base_url=base_url),
17)
18image = Image.open(image_path)
19 
20response = client.models.generate_content(
21  model=model,
22  contents=[edit_prompt, image],
23  config=types.GenerateContentConfig(
24      response_modalities=["TEXT", "IMAGE"],
25  ),
26)
27 
28for part in response.parts:
29  if part.text is not None:
30      print(part.text)
31  elif part.inline_data is not None:
32      Image.open(BytesIO(part.inline_data.data)).save(output_file)
33      print(f"Saved edited image: {output_file}")

Bearbeiten vs. Generieren

Derselbe Endpunkt und dieselbe Authentifizierung; unterschiedlich sind nur contents und ob Sie imageConfig übergeben. Weitere Parameter finden Sie unter NanoBanana Pro.

Mehrere Bilder

Legen Sie mehrere Bildteile in contents.parts ab (ein inlineData pro Bild) und anschließend einen Textteil mit der Bearbeitungsanweisung. Das Modell verwendet alle Bilder und die Anweisung, um das Ergebnis zu erzeugen (z. B. „setze das Motiv aus dem ersten Bild auf den Hintergrund des zweiten“).

Python: Übergeben Sie mehrere Bildobjekte und einen Text in contents.

image1 = Image.open("photo.png")
image2 = Image.open("background.png")
response = client.models.generate_content(
    model=model,
    contents=["Place the person from the first image onto the background of the second.", image1, image2],
    config=types.GenerateContentConfig(response_modalities=["TEXT", "IMAGE"]),
)

cURL: Fügen Sie in contents[0].parts ein inlineData pro Bild und anschließend ein text hinzu.

"contents": [{
  "parts": [
    { "inlineData": { "mimeType": "image/png", "data": "<BASE64_IMAGE1>" }},
    { "inlineData": { "mimeType": "image/png", "data": "<BASE64_IMAGE2>" }},
    { "text": "Place the person from the first image onto the background of the second." }
  ]
}]

Eine Bild-URL verwenden

Die API akzeptiert nur inlineData (base64) oder fileData (über die File API); Bild-URLs werden nicht direkt akzeptiert. Laden Sie Bilder unter einer URL zuerst herunter und fügen Sie sie dann der Anfrage hinzu.

Python: Laden Sie von der URL herunter und übergeben Sie das Bild an das SDK (das SDK kodiert es bei Bedarf).

import requests
from io import BytesIO

image_url = "https://example.com/photo.jpg"
resp = requests.get(image_url)
image = Image.open(BytesIO(resp.content))

response = client.models.generate_content(
    model=model,
    contents=["Add a top hat to this image.", image],
    config=types.GenerateContentConfig(response_modalities=["TEXT", "IMAGE"]),
)

cURL: Laden Sie das Bild von der URL herunter, wandeln Sie es in base64 um und setzen Sie das Ergebnis in inlineData.data.