Nano Banana 2.1 ile mimari görsel üretimi: API adımları ve istemler

Bu rehberde ne öğreneceksiniz?

Bu eğitim, mimari konsept ve iç mekân görselleri hazırlarken Nano Banana 2.1’i Gemini API üzerinden kullanmaya odaklanıyor. Önce metin istemiyle yeni bir sahne oluşturma, ardından mevcut bir görsele yazılı talimat vererek değişiklik isteme akışını kuracağız. Son bölümde ise istemi daha kontrollü hâle getirmek, sonuçları yinelemek ve üretimde dikkat edilmesi gereken noktaları ele alacağız.

Buradaki örnekler, sunum veya tasarım araştırması için görsel fikir geliştirmeye yöneliktir. API ile üretilen görselleri uygulama projesinin doğrulanmış teknik çizimleri gibi değerlendirmemek gerekir; istemler, görselin atmosferini ve kompozisyonunu tarif eder. Modelin çıktısını incelemek ve tasarım kararlarıyla uyumunu ayrıca kontrol etmek gerekir.

Gereksinimler: model, erişim ve dosyalar

Google’ın Gemini API görsel üretimi dokümanında Nano Banana 2.1 için model kimliği gemini-nano-banana-2.1 olarak veriliyor. Doküman, yeni projelerde bu modeli kullanmayı öneriyor. Nano Banana 2.1; görsel üretimi ve konuşmalı düzenleme için yüksek verimli ana model olarak tanımlanıyor. Aynı açıklamada 1K, 2K ve 4K çözünürlüklerden söz ediliyor; ancak bu rehberde bu seçenekleri API isteğinde belirleyen bir parametre veya menü adımı gösterilmiyor.

Örnek akışı Python üzerinden kurmak için Google Gen AI SDK’sını kullanan bir Python ortamı gerekir. Kaynak dokümanda SDK’nın asgari sürümü veya kurulum komutu belirtilmediğinden burada belirli bir sürüm ya da komut önermiyoruz. REST yolunu tercih edenlerin istekte GEMINI_API_KEY adlı bir API anahtarı kullandığı dokümandaki örnekte gösteriliyor. Hesap erişim koşulları ve kullanım ücretleri de bu kaynaklarda açıklanmıyor; projeye başlamadan önce güncel API koşullarını ayrıca kontrol edin.

Mevcut görseli düzenleme örneğinde PNG dosyası ve image/png MIME türü kullanılıyor. Bu nedenle ilk denemede, düzenlenecek görseli PNG olarak hazırlamak ve dosya yolunu kendi çalışma ortamınıza göre güncellemek en anlaşılır başlangıçtır.

Adım adım uygulama

1. Sahnenin amacını ve sınırlarını yazın

İsteme başlamadan önce görselin neyi anlatacağını belirleyin: konut cephesi, lobi, mutfak veya avlu gibi. Ardından bakış yönü, malzeme, ışık ve kadrajı açıkça tarif edin. Google’ın istem tasarımı rehberi net ve belirli talimatlar vermeyi; gerektiğinde kısıt ve çıktı biçimini açıkça belirtmeyi öneriyor. Aşağıdaki örnek, bir mimari konsept görseli için hazırlanmış özgün bir istemdir:

Create a photorealistic architectural visualization of a compact courtyard house in a coastal climate. Show a quiet eye-level view from the garden toward the entrance. Use pale limestone, warm timber screens, native planting, soft overcast daylight, realistic material textures, and a calm restrained palette. Keep the building proportions plausible and the composition uncluttered. No people, signage, or decorative text.

Bu istemde yapı türü, görüş noktası, malzeme ve ışık ayrı ayrı tarif ediliyor. İlk üretimde tek bir görsel hedefi seçmek, sonucun hangi talimatlara göre değiştiğini anlamayı kolaylaştırır. Belirli bir kompozisyon şartsa, bunu “giriş bahçeden görünsün” gibi doğrudan bir cümleyle yazın.

2. API çağrısıyla görseli üretin

Aşağıdaki Python örneği, dokümandaki interactions.create akışını kullanır. İstem metnini modele gönderir ve dönen görsel verisini dosyaya yazar. Çıktı verisinin interaction.output_image üzerinden alındığını ve Base64 olarak çözüldüğünü unutmayın.

from google import genai
import base64

client = genai.Client()
prompt = "Create a photorealistic architectural visualization of a compact courtyard house in a coastal climate. Show a quiet eye-level view from the garden toward the entrance. Use pale limestone, warm timber screens, native planting, soft overcast daylight, realistic material textures, and a calm restrained palette. Keep the building proportions plausible and the composition uncluttered. No people, signage, or decorative text."

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

with open("courtyard-concept.png", "wb") as image_file:
    image_file.write(base64.b64decode(interaction.output_image.data))

Dosya adını projeye göre değiştirebilirsiniz. İstek hata verirse veya görsel verisi dönmezse, önce istem ve API erişimini kontrol edin; kaynak dokümanındaki örnek, çıktı görselinin output_image alanından alınmasına dayanıyor.

3. Var olan bir görsel üzerinde düzenleme isteyin

İkinci akışta modele hem talimat metni hem görsel girdisi verilir. Dokümanda görselin dosyadan okunup Base64 biçimine getirildiği ve image/png türüyle isteğe eklendiği örnekleniyor. Aşağıdaki talimat, mevcut bir iç mekân görselindeki malzeme hissini değiştirmeye yöneliktir:

Edit the provided interior image. Keep the room layout, camera position, windows, and furniture placement unchanged. Change the floor to light oak, make the wall finish a warm off-white plaster, and soften the daylight while preserving the original overall composition.

Bu istem özellikle korunacak öğeleri ve değiştirilecek yüzeyleri ayırıyor. API çağrısında görseli metin girdisiyle birlikte göndermek gerekir; yalnızca bu metni tek başına kullanmak, kaynak görsel üzerinde düzenleme yapmakla aynı işlem değildir. İlk çıktıyı inceleyin, ardından değiştirilmesini istediğiniz tek bir noktayı daha açık tarif ederek yeni bir tur deneyin.

4. Sonucu küçük adımlarla iyileştirin

İstem tasarımı rehberi, istem oluşturmayı deneme ve iyileştirme süreci olarak ele alıyor. Sonuç beklentiyi karşılamazsa bütün talimatı baştan yazmak yerine, örneğin yalnızca kamera açısını veya ışık tarifini değiştirin. Böylece hangi ifadenin sonucu etkilediğini karşılaştırmak kolaylaşır.

Birden fazla kısıt gerekiyorsa bunları kısa ve ayrı cümlelerle belirtin: korunacak mekânsal düzen, değişecek malzemeler ve istenen ışık. Belirsiz sıfatları somut tariflerle destekleyin. “Daha sıcak” demek yerine, belirli bir ahşap tonu veya gün ışığının niteliğini tarif etmek daha açık bir talimat verir. Her iterasyonda görseli tasarım niyetiyle karşılaştırın; modelin ürettiği malzeme veya detayları otomatik olarak doğru kabul etmeyin.

Sık yapılan hatalar

• Bir isteme fazla görev yüklemek: Aynı anda planı, cepheyi, mobilyayı ve atmosferi değiştirmek, hangi talimatın sonucu şekillendirdiğini takip etmeyi zorlaştırabilir. Önce tek bir ana hedef belirleyin.

• Nelerin korunacağını söylememek: Mevcut görsel düzenlenirken korunması gereken kamera, pencere veya yerleşimi açıkça belirtin. Doküman, metinle görsele yeni öğe ekleme, öğe çıkarma, değiştirme, stil ve renk düzenlemesi yapma akışını tarif ediyor.

• Kaynak görsel haklarını göz ardı etmek: Doküman, yüklenen görseller için gerekli haklara sahip olunması gerektiğini hatırlatıyor. Görseli API’ye göndermeden önce kullanım hakkını kontrol edin.

• Model seçimini ve çözünürlük bilgisini karıştırmak: Kaynakta Nano Banana 2.1 için 1K, 2K ve 4K desteği listelense de burada bunları çağrıda seçen bir parametre açıklanmıyor. Dokümanda bulunmayan ayar adlarını tahmin ederek kullanmayın.

• Çıktıyı nihai teknik karar saymak: Bu akış görsel üretimi ve düzenlemesi içindir. Proje ölçüleri veya uygulama ayrıntıları doğrulanmış teknik veri olarak verilmiş değildir.

Mimarlık ve görselleştirme iş akışında sıradaki adımlar

Mimarlar ve iç mimarlar, metinden görsel üretim akışını farklı malzeme ve atmosfer seçeneklerini erken aşamada araştırmak için değerlendirebilir. Görselleştirme ekipleri ise mevcut bir PNG üzerinde sınırlı değişiklikleri denemek için düzenleme yolunu test edebilir. Bununla birlikte kaynaklar, belirli bir iş istasyonu donanımı, yerel çalıştırma gereksinimi veya lisans fiyatı belirtmiyor; erişim ve maliyet kararını güncel API koşullarına göre vermek gerekir.

Üretilen çıktıları proje sunumuna almadan önce tutarlılık ve görsel doğruluk bakımından inceleyin. Doküman, üretilen görsellerin SynthID filigranı içerdiğini belirtiyor. Ayrıca ekip içinde hangi kaynak görselin kullanıldığını, hangi istemle değişiklik istendiğini ve hangi sonucun seçildiğini not etmek, tekrar üretim ve değerlendirme sürecini daha izlenebilir kılar.

Kaynak ve lisans

Bu eğitim, Google’ın Gemini API “Nano Banana image generation” ve “Prompt design strategies” dokümanlarından uyarlanmıştır. Her iki kaynak da CC BY 4.0 lisanslıdır. Örnek mimari istemler bu rehber için özgün olarak hazırlanmıştır; kaynaklardaki örnek istemler kopyalanmamıştır.