Cómo crear imágenes arquitectónicas con Nano Banana: API, prompts y edición

¿Qué aprenderás en esta guía?

Esta guía explica cómo usar Nano Banana mediante Gemini API para generar imágenes arquitectónicas y editar imágenes de referencia. El objetivo no es tratar el modelo como si fuera un software BIM o de modelado 3D, sino visualizar ideas de diseño, explorar alternativas de atmósfera y solicitar cambios en una imagen existente mediante texto.

Los ejemplos se han preparado específicamente para interiores residenciales y trabajos de concepto arquitectónico. Los prompts describen el espacio que se quiere mostrar, los materiales, la luz y la composición. Ten presente desde el principio que los resultados generados no sustituyen a los planos técnicos, los modelos a escala ni los proyectos ejecutivos.

Requisitos y selección del modelo

La documentación de referencia muestra cómo acceder a Gemini API y crear interacciones mediante la API. El ejemplo de Python utiliza el cliente genai del paquete google; además, el ejemplo REST envía la clave de API en la cabecera x-goog-api-key. La documentación no especifica en este contenido la versión necesaria del SDK, los precios ni las condiciones de acceso a la API. Comprueba estos datos en la documentación actualizada de la API antes de empezar a implementarlo.

La lista de modelos de Google incluye distintas opciones de la familia Nano Banana. La documentación recomienda Nano Banana 2.1 para proyectos nuevos; su identificador de modelo es gemini-nano-banana-2.1. Nano Banana 2 aparece con el identificador gemini-3.1-flash-image. Nano Banana 2 Lite está pensado para trabajos en los que la velocidad y el costo son prioritarios; la fuente señala que este modelo no está optimizado para varias imágenes de referencia ni para ediciones sucesivas en varias rondas. Nano Banana Pro, identificado como gemini-3-pro-image, se describe como una opción para las tareas visuales más complejas.

Los modelos Imagen anteriores ya no están disponibles en Gemini API. La nota de migración de Google indica que se deben usar modelos Nano Banana en lugar de los nombres de Imagen y cambiar el método generate_images por generate_content para generar imágenes. El nuevo ejemplo de API de la documentación de Nano Banana, por su parte, muestra el flujo interactions.create. Por eso, en lugar de ejecutar directamente código antiguo, sigue el método de la documentación actualizada del modelo que hayas elegido.

Generación de imágenes paso a paso

1. Define el objetivo del trabajo. En el primer intento, céntrate en un único tipo de resultado; por ejemplo, una imagen conceptual de un interior. Indica en el prompt el tipo de espacio, el punto de vista, la luz natural y el carácter de los materiales principales. En lugar de incluir demasiadas solicitudes de variantes en un solo texto, genera una nueva petición de edición después de revisar el resultado.

2. Elige el modelo y el flujo de API. En el ejemplo de Python de la documentación, el cliente se crea con genai.Client() y después se llama a interactions.create, proporcionando el identificador del modelo y el texto de entrada. Los datos de la imagen generada se obtienen de interaction.output_image.data y se guardan en un archivo tras decodificarlos desde Base64. El ejemplo siguiente utiliza la estructura documentada; antes de ejecutarlo, asegúrate de tener acceso a la API y el cliente de Python disponibles en el entorno.

from google import genai
import base64

client = genai.Client()
prompt = "Create a photorealistic architectural visualization of a compact contemporary apartment living room, viewed from the entrance. Pale oak cabinetry, warm off-white plaster walls, soft overcast daylight, restrained furniture, realistic material textures, no people."

interaction = client.interactions.create(
    model="gemini-nano-banana-2.1",
    input=prompt,
)

with open("ic-mekan-konsept.png", "wb") as image_file:
    image_file.write(base64.b64decode(interaction.output_image.data))

Este ejemplo muestra cómo generar una imagen con una sola entrada de texto. El prompt está escrito en inglés y enumera claramente las preferencias de espacio, vista, materiales e iluminación. Considera el archivo generado como un recurso para revisar el concepto, no como un registro validado de una decisión de diseño.

1. Construye el primer prompt de forma controlada. Puedes usar el siguiente texto para una imagen conceptual y cambiar la función del espacio y los materiales según la descripción de tu proyecto.

Create a photorealistic architectural visualization of a small contemporary library reading room, eye-level wide view from the entrance. Built-in pale oak bookshelves, a long communal table, matte mineral plaster walls, soft north-facing daylight, calm neutral palette, believable architectural proportions, no people, no text.

El prompt describe la dirección de la vista, el mobiliario, el carácter de los materiales y la iluminación de un espacio de lectura. A partir del primer resultado, pide una nueva variante cambiando un solo elemento, como la dirección de la luz o el revestimiento de la pared. Así será más fácil evaluar qué descripción ha modificado la imagen.

1. Edita una imagen de referencia con texto. La documentación presenta un flujo que permite enviar texto junto con una imagen y pedir que se añadan o eliminen elementos, o que se modifiquen el estilo o los colores. Antes de subir una imagen, confirma que tienes los derechos de uso. El prompt siguiente busca cambiar la atmósfera de una imagen de interior existente; envíalo como texto de entrada junto con la imagen que quieras editar en la solicitud de API.

Using the provided interior reference image, keep the room layout and camera viewpoint recognizable. Change the lighting to soft late-afternoon daylight and make the wall finish warm lime plaster. Preserve the existing furniture arrangement; do not add people or text.

En esta descripción se pide conservar la distribución existente; aun así, compara el resultado con la imagen de referencia y comprueba si han cambiado la geometría o el mobiliario. Como no se garantiza que el modelo conserve exactamente todos los detalles solicitados, este método no debe considerarse una revisión técnica ni una actualización de un modelo a escala.

1. Mejora el resultado en una nueva ronda. La documentación de Nano Banana describe la interacción con imágenes y las ediciones sucesivas, pero la idoneidad para la edición en varias rondas varía según el modelo. Nano Banana 2 Lite no está optimizado para este tipo de ediciones sucesivas. Si necesitas mejorar una imagen paso a paso, elige el modelo teniendo en cuenta esta diferencia.

In the current interior image, reduce the visual prominence of the ceiling lights and make the daylight feel softer. Keep the room composition, furniture positions, and material palette otherwise unchanged.

Este prompt se centra en una sola característica visual en lugar de describir de nuevo toda la composición. Revisa también los elementos que deberían permanecer sin cambios: comprueba visualmente si se han respetado las restricciones indicadas en la solicitud.

Errores frecuentes

• Usar el flujo antiguo de Imagen: Google informa de que los modelos Imagen ya no están disponibles en Gemini API. En lugar de los nombres de modelos o el método de generación antiguos, sigue la documentación actualizada de Nano Banana.

• Pedirlo todo en un único prompt: Solicitar muchos cambios independientes puede dificultar la interpretación del resultado. Primero define la idea principal del espacio y después aborda por separado variables como la luz o los materiales en otra ronda de edición.

• Pasar por alto los derechos de la imagen de referencia: Google recuerda explícitamente que debes contar con los derechos de uso de las imágenes que subas. Compruébalo antes de utilizar imágenes de proyectos, fotografías u otras referencias.

• Confundir un resultado conceptual con un documento técnico: Las fuentes explican los flujos de generación y edición de imágenes; no afirman que se genere un modelo arquitectónico a escala ni un proyecto ejecutivo. Realiza las comprobaciones necesarias para las decisiones de diseño y técnicas en las herramientas correspondientes del proyecto.

¿Cómo evaluarlo en un flujo de trabajo de arquitectura e interiorismo?

Arquitectos, interioristas y equipos de visualización pueden considerar Nano Banana para explorar ideas en las primeras fases, probar distintas atmósferas y experimentar con ediciones creativas de imágenes existentes. La generación a partir de texto y la edición mediante una imagen de entrada a través de la API permiten integrar este tipo de pruebas visuales en un flujo de trabajo existente. Sin embargo, las fuentes no indican que haya complementos, intercambio de archivos ni compatibilidad directa con un software 3D específico.

En un estudio, también hay que evaluar la elección del modelo, el costo de la API y la fiabilidad de los resultados para el proyecto; como la documentación no ofrece precios, no conviene hacer suposiciones sobre los costos. Las fuentes tampoco explican los requisitos de hardware. Si una imagen puede influir en decisiones de diseño, compárala con el diseño de referencia y verifica por separado los detalles espaciales importantes.

Próximos pasos

Empieza generando un concepto con una sola entrada de texto; después, prueba una solicitud de edición que modifique una característica de la misma imagen, como la luz o los materiales. Si se va a usar dentro de un equipo, guarda en las notas de trabajo el identificador del modelo y el prompt utilizado. Comprueba que tienes los derechos de uso antes de subir imágenes de personas o entidades reales; como los métodos de API y las opciones de modelos pueden cambiar, vuelve a consultar la documentación actualizada antes de implementarlos.

Fuentes y licencia

La nota de migración de Imagen y la guía de generación de imágenes de Nano Banana de Google AI for Developers tienen licencia CC BY 4.0. Este tutorial adapta al turco la información sobre API y modelos de esos documentos e incorpora nuevos prompts de ejemplo para usos arquitectónicos.