Архитектурные изображения с Nano Banana 2.1: API и промпты

Чему вы научитесь в этом руководстве?

В этом руководстве представлен базовый сценарий создания архитектурного концепт-изображения с помощью Nano Banana 2.1 через Gemini API. Мы рассмотрим выбор модели, подготовку промпта, пример запроса на Python и оценку полученного изображения. Цель — не автоматически создавать технические чертежи проекта или модель с точными размерами, а подготовить концепт-изображение для поиска идей и визуального исследования.

Nano Banana — название возможностей Google в Gemini для генерации изображений и диалогового редактирования. В документации Gemini API Nano Banana 2.1 описана как актуальная модель генерации и редактирования изображений, ориентированная на высокую производительность. Идентификатор модели — gemini-nano-banana-2.1. По заявлению компании, по сравнению с предыдущей версией Nano Banana 2 модель улучшена в области качества изображений, следования промпту, согласованности при многоэтапном диалоге и генерации текста.

Требования и выбор модели

Для работы с примером необходим доступ к Gemini API, среда Python и рабочий процесс с библиотекой Google google.genai. API-клиент должен быть настроен с действительными учётными данными; в исходной документации не указаны требования к конкретной операционной системе, компьютерному оборудованию или версии библиотеки. Поэтому здесь не приводятся конкретная команда установки или номер версии.

При выборе модели используйте идентификатор, рекомендованный в актуальном руководстве: gemini-nano-banana-2.1. В документации указана поддержка разрешений 1K, 2K и 4K; разрешение по умолчанию — 1K. Также упоминаются улучшения для вывода в разрешениях 2K и 4K при широком и панорамном соотношении сторон. Однако в примере API-процесса нет параметра для настройки разрешения, поэтому приведённый ниже код не предполагает наличие такой настройки.

Важное замечание о переходе: на странице Google Imagen указано, что модели Imagen удалены из Gemini API и для генерации изображений следует перейти на Nano Banana. Если ваш рабочий процесс зависит от старых имён моделей Imagen и метода generate_images, проверьте актуальную документацию и адаптируйте его под новые модели и методы API. Пример ниже основан на подходе interactions.create, приведённом в документации по генерации изображений с Nano Banana 2.1.

Генерация изображения: пошаговая инструкция

1. Определите цель изображения

Сначала определите роль изображения в процессе проектирования: это исследование объёма, материалов или атмосферы интерьера? В промпте чётко укажите тип пространства, ракурс камеры, освещение, материалы и кадрирование. Помните, что концепт-изображение не является чертежом с точными размерами или проверенным конструктивным узлом.

2. Подготовьте первый промпт

Пример ниже — оригинальный промпт для современного жилого дома с внутренним двором. В нём описаны визуальный стиль и кадрирование; он не утверждает, что изображение соответствует конкретному архитектурному стандарту.

Create a photorealistic architectural concept image of a compact contemporary courtyard house, viewed from the garden at eye level. Show a shaded timber terrace, pale mineral plaster walls, large sliding glass doors, a small reflecting pool, and restrained native planting. Soft overcast daylight, calm material palette, realistic proportions, clear spatial depth, no people, no signage.

Рассматривайте первую генерацию как исследование идеи. По результату можно оценить основные взаимосвязи в пространстве, баланс материалов и характер освещения; размеры и конструктивные решения на изображении не заменяют проверку проекта.

3. Отправьте запрос через Python

Сохраните текст промпта в файл prompt.txt. Пример ниже считывает его, отправляет запрос в Nano Banana 2.1 и сохраняет данные изображения из ответа в файл generated_image.png. Этот пример следует базовой структуре кода на Python из документации.

from google import genai
import base64

client = genai.Client()

with open("prompt.txt", "r", encoding="utf-8") as prompt_file:
    prompt = prompt_file.read()

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

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

После завершения запроса поле interaction.output_image.data из примера декодируется как изображение в формате Base64. В документации также отмечается, что для более сложных результатов, в которых чередуются текст и изображения, отдельные поля вывода, упрощающие работу, могут не показывать все части. Простой сценарий с одним изображением из этого руководства рассматривается отдельно от таких сложных случаев.

4. Сравните результат с целью проектирования

Откройте изображение и проверьте, присутствуют ли в нём основные элементы из промпта. Например, должны быть видны двор, терраса, бассейн и заданный характер материалов. Если нужная взаимосвязь не получилась, не переписывайте весь промпт с нуля: уточните в следующем запросе только один элемент — например, высоту камеры, интенсивность тени или описание материала. Так будет проще понять, какие формулировки повлияли на изменения.

5. Проведите отдельный эксперимент с интерьером

При поиске концепции интерьера чётко укажите назначение комнаты, направление взгляда и источник света. Второй пример переносит тот же подход к генерации в гостиную.

Create a photorealistic interior design concept for a quiet reading lounge in a small urban apartment. Show a built-in oak bookcase, a low linen sofa, a compact reading chair beside a tall window, warm neutral finishes, and soft indirect daylight. Frame the room from the entrance so the seating layout and circulation are easy to read. Natural textures, balanced exposure, no people, no text.

Этот промпт можно использовать для раннего поиска идей по расстановке мебели и атмосфере. Не принимайте решений о размерах, доступности или реализуемости, не сравнив изображение с проектными чертежами.

Частые ошибки

• Слишком много требований в одном промпте: многочисленные запросы к пространству, материалам и ракурсу могут противоречить друг другу. Ограничьте первый эксперимент одной основной проектной идеей.

• Интерпретация концепт-изображения как технического результата: документация API описывает генерацию и редактирование изображений, но не утверждает, что сгенерированное изображение является планом с точными размерами или конструктивным узлом.

• Использование прежнего процесса Imagen: Google указывает, что модели Imagen больше недоступны в Gemini API. Сверьте старые интеграции с новой документацией.

• Предположение о настройке разрешения: в документации указаны варианты 1K, 2K и 4K; разрешение по умолчанию — 1K. Однако в коротком примере кода здесь нет параметра разрешения.

• Игнорирование прав на использование референсных изображений: Google напоминает, что при редактировании с загрузкой изображений необходимо иметь соответствующие права на них.

Роль в архитектурном и визуализационном процессе

Nano Banana 2.1 может быть особенно полезна архитектурным бюро и студентам на раннем концептуальном этапе — для быстрого поиска вариантов материалов, освещения и пространственной атмосферы. Работа через API может быть полезна техническим командам, которые хотят встроить повторяемый процесс генерации в собственные инструменты. Модель принимает текстовые и графические входные данные, генерирует изображения и поддерживает поиск с опорой на источники. В документации модели также указаны объединение до 14 референсных изображений, сохранение согласованности до 4 персонажей и сохранение сходства до 10 объектов. Это не гарантирует техническую точность архитектурной сцены; бюро следует самостоятельно проверять ограничения при экспериментах с референсами.

В источниках нет требований к специальному локальному GPU: руководство посвящено использованию API. Стоимость использования и условия лицензирования на рассмотренных страницах не указаны, поэтому перед переходом к регулярной генерации необходимо отдельно проверить условия API и сервиса. Также следует учитывать права на использование загружаемых референсов для редактирования изображений. Используйте результаты для презентаций и проектных исследований, а решения по реализации проверяйте по проектной документации с точными размерами и с привлечением специалистов.

Что делать дальше

После первой попытки создайте изображения того же пространства с разными описаниями освещения и материалов; для каждого эксперимента фиксируйте, что именно изменили в промпте. Если планируете редактировать изображение по референсу, сначала проверьте права на его использование. Для более глубокой интеграции изучите актуальные примеры API, поддерживаемые типы входных данных и возможности модели в документации Google по генерации изображений и моделям. Поведение API и условия доступа могут измениться, поэтому перед использованием в рабочей среде ориентируйтесь на актуальную документацию.

Источники и лицензия

Это руководство адаптировано на турецкий язык на основе руководства Google по генерации изображений в Gemini API, страницы модели Nano Banana 2.1 и документации о переходе с Imagen. Исходные страницы опубликованы по лицензии CC BY 4.0. Примеры промптов созданы специально для этого руководства; промпты из источников не копировались.