
Da testo a immagine
Crea immagini IA da prompt testuali
Editing preciso delle immagini alimentato da Google Gemini 3.0 Pro con API output nativo 2K/4K. Offre modifiche locali affidabili e alta stabilità a un costo per richiesta conveniente.
Prova ora il Generatore di Immagini AI
Google Nano Banana Pro Edit API (basata sul modello Gemini 3.0 Pro Image) offre editing di immagini AI conveniente e pronto per la produzione a sviluppatori e team creativi. Questa integrazione API Gemini premium per l'editing immagini ti aiuta a trasformare visual esistenti in output ad alta risoluzione fino a 4K tramite istruzioni in linguaggio naturale. Il modello Gemini fornisce reasoning semantico per modifiche complesse, mentre l'API offre un'integrazione stabile per workflow scalabili su Best Image AI.
Nota Assicurati che i prompt rispettino le linee guida di sicurezza di Google. Se si verifica un errore, rivedi il prompt per contenuti vietati, modificalo e riprova.
Esplora vari strumenti di creazione IA per flussi di lavoro rapidi di immagini e video nel browser, poi amplia le idee di successo con le API dei modelli di Best Image AI pronte per la produzione. Best Image AI offre un livello API unificato per tutti i modelli, semplificando l'uso e la scalabilità dei flussi di lavoro.

Crea immagini IA da prompt testuali

Crea immagini IA da immagini e prompt testuali

Crea video IA da prompt testuali

Anima le immagini trasformandole in video IA

Crea immagini e video AI in un unico spazio di lavoro

Crea video coerenti a partire da media di riferimento

Crea flussi visivi di immagini e video IA su una tela infinita
// Step 1: Submit generation request
// width and height must be aspect-ratio integers such as 16 and 9,
// not pixel dimensions like 768 and 1280.
// Currently all width/height values are passed as ratio integers,
// and the backend does not support custom pixel dimensions for these fields.
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-pro-edit',
prompt: 'Transform this image into a watercolor painting style',
width: 16, // Aspect-ratio value, not pixel width
height: 9, // Aspect-ratio value, not pixel height
resolution: '2k', // Supported values: '1k', '2k', '4k'
image_url_list: [
'https://example.com/image1.jpg',
'https://example.com/image2.jpg'
]
})
});
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-pro-edit',
'prompt': 'Transform this image into a watercolor painting style',
'width': 16, # Aspect-ratio value, not pixel width
'height': 9, # Aspect-ratio value, not pixel height
'resolution': '2k', # Supported values: '1k', '2k', '4k'
'image_url_list': [
'https://example.com/image1.jpg',
'https://example.com/image2.jpg'
]
}
)
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-pro-edit",
"prompt": "Transform this image into a watercolor painting style",
"width": 16,
"height": 9,
"resolution": "2k",
"image_url_list": [
"https://example.com/image1.jpg",
"https://example.com/image2.jpg"
]
}'
# 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)