使用 Google Nano Banana 2.1 Edit API 優化商品照片與行銷視覺素材。結合提示詞、參考圖片與選用的搜尋功能，精準編輯圖片。
立即體驗 AI 圖片生成器
Nano Banana 2.1 Edit API 將 Google 的高效率圖像編輯模型帶到 Best Image AI，為開發者與創意團隊提供支援。透過自然語言指令改造現有視覺素材，結合多張參考圖像，產生細節、文字算繪與視覺一致性皆有所提升的精緻成果。彈性的品質與長寬比控制，協助團隊調整原始素材，滿足各種製作需求。
注意： 請使用你有權編輯的圖像，並確保提示詞符合 Google 的安全規範。
參考圖像從第一張起計費；每啟用一個搜尋選項，每次生成都會收取固定費用，與圖像數量無關。請參閱目前定價。
Nano Banana 2.1 Edit 與 Nano Banana 2 Edit： Nano Banana 2 Edit 支援提示詞驅動的編輯與多圖工作流程。Nano Banana 2.1 Edit 在此基礎上，提升了更複雜編輯中的視覺保真度、文字算繪效果與一致性。
Nano Banana 2.1 Edit 與 Nano Banana Pro： Nano Banana Pro 以精細作業與複雜的專業設計為目標。Nano Banana 2.1 Edit 為需要高品質編輯與反覆產生素材變化版本的團隊提供高效率的選擇。
Nano Banana 2.1 Edit 與 Nano Banana 2 Lite： Nano Banana 2 Lite 著重快速、低成本的生成與編輯。Nano Banana 2.1 Edit 則適合高度依賴參考圖的創作需求，這類需求更重視構圖、文字排版與重複出現的主體細節。
Nano Banana 2.1 Edit 與 GPT Image： GPT Image 透過 OpenAI 的 API 支援圖像編輯。Nano Banana 2.1 Edit 則在 Best Image AI 上提供 Google 模型工作流程，支援多張參考圖、豐富的長寬比選擇，以及選用搜尋輔助功能。
Nano Banana 2.1 Edit 與 FLUX.2： FLUX.2 提供參考圖引導的圖像編輯與構圖。Nano Banana 2.1 Edit 將多圖引導與 Google 的提示詞理解能力結合，並可選用網頁或圖片搜尋，讓視覺更新充分結合情境資訊。
在瀏覽器中探索多種 AI 創作工具，快速完成圖像和影片工作流程，再透過 Best Image AI 可用於正式環境的模型 API 擴展成功創意。Best Image AI 為所有模型提供統一 API 層，讓工作流程的使用和擴展更輕鬆。
// Step 1: Submit generation request
const response = await fetch('https://api.flaq.ai/api/v1/image/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'nano-banana-2.1-edit',
prompt: 'Add flying cars and neon lights to this cityscape',
image_url_list: ['https://example.com/input-image.jpg'],
width: 16,
height: 9,
resolution: '2k',
enable_web_search: false,
enable_image_search: true
})
});
const { data } = await response.json();
const taskId = data.task_id;
// Step 2: Poll for results
const taskId = data.task_id;
const pollResult = async (taskId) => {
const res = await fetch(`https://api.flaq.ai/api/v1/image/${taskId}`, {
headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
});
return res.json();
};
while (true) {
const pollResultData = await pollResult(taskId);
const status = pollResultData.data.task_status;
if (status === 'succeed') {
console.log(pollResultData.data.task_result.images[].);
;
}
(status === ) {
.(pollResultData..);
;
}
( (resolve, ));
}
# Step 1: Submit generation request
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/image/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'nano-banana-2.1-edit',
'prompt': 'Add flying cars and neon lights to this cityscape',
'image_url_list': ['https://example.com/input-image.jpg'],
'width': 16,
'height': 9,
'resolution': '2k',
'enable_web_search': False,
'enable_image_search': True
}
)
result = response.json()
task_id = result['data']['task_id']
# Step 1: Submit generation request
curl -X POST https://api.flaq.ai/api/v1/image/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "nano-banana-2.1-edit",
"prompt": "Add flying cars and neon lights to this cityscape",
"image_url_list": ["https://example.com/input-image.jpg"],
"width": 16,
"height": 9,
"resolution": "2k",
"enable_web_search": false,
"enable_image_search": true
}'
# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/image/{task_id}" \
-H "Authorization: Bearer YOUR_API_KEY"
# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/image/{task_id}"
while True:
poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
status = poll_result['data']['task_status']
if status == 'succeed':
print(poll_result['data']['task_result']['images'][0]['url'])
break
if status == 'failed':
print(poll_result['data']['task_status_msg'])
break
time.sleep(10)