模型指南

Nano Banana Pro

gemini-3-pro-image

专业

面向复杂指令、图片编辑和高分辨率最终素材的专业路线。

支持 4K复杂指令专业素材

路线凭条

模型 ID: gemini-3-pro-image
配置估价: $0.09/ 次
输出尺寸: 1K · 2K · 4K
API 类型: Gemini native

提示词预设

这些控制项直接读取 YingTu 模型注册表。

活动主视觉

设计导向音频产品的高级活动主视觉，工业细节准确，棚拍反射受控，具有电影感空间层次。

复杂构图

包含人物、导视、景观与统一午后光线的多层建筑场景，材质真实、关系清晰。

最终素材编辑

保持产品几何结构和品牌标识不变，细化光线、表面质感与背景，形成可交付的商业图片。

实际路线配置

本页数值与图片工作台读取同一份模型配置。

适合

• 复杂场景与指令
• 高分辨率最终素材
• 专业图片编辑

使用前检查

• 更高配置估价需要结合最终任务评估。
• 4K 输出仍然需要人工检查。
• 复杂参考图可能仍需多轮提示词调整。

图片编辑: 当前路线未列出

API 快速开始

示例由现有工作台使用的同一代码生成器产生。

gemini-3-pro-image

import requests
import base64

# Configuration
API_KEY = "sk-YOUR_API_KEY"  # Replace with your API Key
API_URL = "https://api2.laozhang.ai/v1beta/models/gemini-3-pro-image:generateContent"

# Request headers
headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json"
}

# Build request payload
payload = {
    "contents": [{
        "parts": [{"text": "设计导向音频产品的高级活动主视觉，工业细节准确，棚拍反射受控，具有电影感空间层次。"}]
    }],
    "generationConfig": {
        "responseModalities": ["IMAGE"],
        "imageConfig": {
            "imageSize": "2K"
        }
    }
}

# Send request
print("Generating image...")
response = requests.post(API_URL, headers=headers, json=payload, timeout=180)

if response.status_code != 200:
    print(f"Error: {response.status_code} - {response.text}")
    exit(1)

# Extract and save image
result = response.json()

image_part = None
for candidate in result.get("candidates", []):
    for part in candidate.get("content", {}).get("parts", []):
        inline_data = part.get("inlineData") or part.get("inline_data")
        if inline_data and inline_data.get("data"):
            image_part = inline_data
            break
    if image_part:
        break

if not image_part:
    print("No image data in response")
    print(result)
    exit(1)

mime_type = image_part.get("mimeType") or image_part.get("mime_type") or "image/png"
extension = "jpg" if mime_type == "image/jpeg" else "webp" if mime_type == "image/webp" else "png"
output_path = f"output.{extension}"

with open(output_path, "wb") as f:
    image_data = image_part["data"]
    f.write(base64.b64decode(image_data))

print(f"✅ Image saved: {output_path}")

既有工作台图库

这些旧图库图片没有模型或提示词来源记录，只作视觉示例，不能证明本页路线的效果。