Lies das zuerst: Was diese API ist und was nicht
Wenn du hier gelandet bist und dich fragst, wie du die Nano Banana API nutzen kannst, um Bilder zu erzeugen, ist die ehrliche Antwort: Dieser Dienst kann das nicht. „Nano Banana“ ist ein Name, den Leute oft einem Bildgenerierungsmodell geben, und Bildgenerierung wird hier nicht angeboten. Was nanobananaapis.com verkauft, ist Zugang zu einem Text-Sprachmodell über einen OpenAI-kompatiblen Endpunkt.
Das passt zu vielen Bild-Workflows, denn Bild-Tools sind nur so gut wie der Text, den du ihnen gibst. Ein Textmodell kann die Prompts schreiben, sie variieren, sie gegen ein Styleguide prüfen, Bildunterschriften und Alt-Texte erstellen und die Skripte entwerfen, die eine Pipeline verbinden. Diese Seite zeigt diese Nutzung. Wenn du nur Bilder brauchst, willst du einen Bilddienst, und du kannst ihn mit diesem hier koppeln.
Das Modell ist ein einzelnes Open-Weight-Modell, betrieben von einem unabhängigen Anbieter, abgestimmt darauf, ohne Inhaltsablehnungen für die legale Erwachsenen-Nutzung zu antworten. Es ist nicht die offizielle API eines großen Anbieters. Die eine harte Grenze: Keine sexuellen Inhalte mit Minderjährigen.
Schritt 1: Schlüssel besorgen
Melde dich mit Google oder mit E-Mail und Passwort an, und öffne dann die API-Schlüssel-Seite. Du siehst eine One-Click-Schaltfläche, um $0.50 an Testguthaben zu beanspruchen. Es ist 7 Tage gültig, benötigt keine Karte und ist auf eine pro Person begrenzt. Ein Test-Schlüssel erlaubt 2 parallele Anfragen und 60 Anfragen pro Minute, was für erste Tests völlig ausreicht.
Kopiere den Schlüssel und halte ihn aus deinem Repository. In einer Shell kannst du ihn so speichern:
export NANOBANANA_KEY="paste-your-key-here"
Schritt 2: Sende deine erste Anfrage
Drei Werte sind wichtig: die Basis-URL, die Modell-ID und der Authorization-Header. Alles andere folgt dem OpenAI-Format für Chat-Vervollständigungen. Hier ist ein erster Aufruf mit curl:
curl https://api.nanobananaapis.com/v1/chat/completions -H "Authorization: Bearer $NANOBANANA_KEY" -H "Content-Type: application/json" -d '{
"model": "uncensored",
"messages": [
{"role": "user", "content": "Write one detailed image prompt for a foggy harbor at dawn."}
],
"max_tokens": 200
}'
Dasselbe in Python mit dem offiziellen openai-Paket:
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.nanobananaapis.com/v1",
api_key=os.environ["NANOBANANA_KEY"],
)
r = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Write one detailed image prompt for a foggy harbor at dawn."}],
)
print(r.choices[0].message.content)
Und in Node:
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.nanobananaapis.com/v1",
apiKey: process.env.NANOBANANA_KEY,
});
const r = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "user", content: "Write one detailed image prompt for a foggy harbor at dawn." }],
});
console.log(r.choices[0].message.content);
Prüfe einmal die Antwort-Header. X-Balance-USD zeigt dein verbleibendes Guthaben und X-Request-Id identifiziert den Aufruf, falls du Hilfe brauchst. Die Dokumentationsseite listet alle unterstützten Parameter auf.
Schritt 3: Ideen in strukturierte Prompts umwandeln
Der nützlichste Trick für eine Bild-Pipeline ist, das Modell strukturierte Daten statt freien Text zurückgeben zu lassen. Der JSON-Modus macht das. Du beschreibst das Schema in der Systemnachricht, und die Antwort wird direkt in deinen Code eingelesen, sodass eine Liste grober Ideen zu einer Tabelle von Prompts mit festen Feldern wird.
import json, os
from openai import OpenAI
client = OpenAI(
base_url="https://api.nanobananaapis.com/v1",
api_key=os.environ["NANOBANANA_KEY"],
)
SYSTEM = (
"You write prompts for an image model. Reply with JSON only: "
'{"prompts": [{"subject": str, "style": str, "lighting": str, "negative": str, "full": str}]}'
)
def expand(idea: str, n: int = 3):
r = client.chat.completions.create(
model="uncensored",
response_format={"type": "json_object"},
temperature=0.9,
messages=[
{"role": "system", "content": SYSTEM},
{"role": "user", "content": f"Give {n} distinct prompts for: {idea}"},
],
)
return json.loads(r.choices[0].message.content)["prompts"]
for p in expand("a lighthouse keeper's kitchen in winter"):
print(p["full"])
Erhöhe die Temperatur, wenn du Abwechslung möchtest, und senke sie für Konsistenz. Der Parameter seed wird durchgereicht, sodass du ihn fixieren kannst, wenn du eine frühere Charge reproduzieren musst. Umschließe json.loads immer mit einem try-Block und frage bei einem Parsing-Fehler einmal nach, da jedes Sprachmodell fehleranfällig sein kann.
Die Seite hat auch einen verwandten Erklärer zur Bildseite: Prompt-Generierung und Nachbearbeitung. Er behandelt, wie der Textschritt mit einem Generator verbunden wird.
Weitere Aufgaben, die ein Textmodell im Bild-Workflow gut erledigt
- Styleguides. Behalte eine Systemnachricht mit deinen festen Stilregeln und füttere jedes neue Subjekt damit, sodass eine ganze Serie visuell konsistent bleibt.
- Bildunterschriften und Alt-Texte. Wenn Bilder existieren, beschreibe sie in wenigen Worten. Gib deine eigene Beschreibung des Bildes als Eingabe; das Modell kann keine Bilder sehen, weil die API nur Text nimmt.
- Drehbuchlisten und Skripte. Für ein Storyboard oder ein Kurzvideo erstelle die Szenenliste, den Voiceover-Text und die Bildschirmaufgaben als Text.
- Prompt-Kritik. Füge einen Prompt ein, der schlechte Ergebnisse liefert, und bitte um drei Neuformulierungen mit Erklärung der Änderungen.
- Fiktion und Charakterarbeit für Erwachsene. Charakterbögen, Hintergrundgeschichten und Dialoge für Geschichten und Companion-Apps, wobei das Modell legale Erwachsenenthemen nicht ablehnt.
Für lange Aufgaben stream die Ausgabe mit stream: true, damit eine Benutzeroberfläche Text anzeigen kann, während er eintrifft. Tool Calling wird ebenfalls unterstützt, sodass ein Modell entscheiden kann, wann es deine eigene Funktion aufruft, z. B. eine, die einen Prompt an den Bild-Dienst sendet, den du nutzt.
Grenzen und Kosten pro Lauf
Kenne die Zahlen, bevor du eine Charge erstellst. Ein vollständiger Schlüssel erlaubt 8 parallele Anfragen und 300 Anfragen pro Minute. Das Kontextfenster umfasst 100.000 Token für Prompt und Completion, der maximale Anfragekörper beträgt 8 MB, und max_tokens ist optional. Das Überschreiten des Ratenlimits führt zu HTTP 429 mit dem Code rate_limited oder concurrency; warte und versuche es erneut.
Die Preise betragen $0.15 pro 1M Eingabe-Token und $0.50 pro 1M Ausgabe-Token. Angenommen, du generierst 500 Prompt-Sets, jedes mit einer 400-Token-Eingabe und einer 600-Token-Ausgabe:
- Eingabe: 500 x 400 = 200.000 Token x $0,15 / 1M = $0,03
- Ausgabe: 500 x 600 = 300.000 Token x $0,50 / 1M = $0,15
- Gesamt: $0,18
Das Testguthaben von $0,50 deckt also etwa 1.300 Sätze dieser Größe ab. Für den regulären Betrieb lade einen beliebigen ganzzahligen Betrag von $20 bis $500 auf, mit Krypto (USDT auf TRC20, USDC auf Base). Boni gibt es ab $50 mit 5 %, ab $100 mit 10 % und ab $200 mit 15 %. Siehe die Preisseite für die Tabelle. Guthaben verfällt nie.
Kopplung mit einem Bild-Dienst
Das übliche Setup hat zwei Stufen. Die Textstufe nutzt diese API, um Prompts zu erzeugen. Die Bildstufe sendet diese Prompts an den Bild-Generator deiner Wahl, und dieser Generator hat sein eigenes Konto, seine eigenen Preise und seine eigenen Regeln, die du auf seiner Seite lesen solltest. Halte die beiden Stufen in separaten Funktionen, sodass du jede Seite ändern kannst, ohne die andere neu zu schreiben.
Ein praktischer Tipp: Speichere jeden Prompt zusammen mit dem Seed und der Temperatur, die du zur Erstellung verwendet hast. Wenn ein Bild gut wird, kannst du es auf den exakten Text zurückführen, der es erzeugt hat, und wenn eine Charge enttäuscht, siehst du, ob der Fehler in der Idee, dem Prompt-Schreiber oder dem Bildmodell lag. Es gibt dir auch eine günstige Möglichkeit, zwei Systemnachrichten zu vergleichen, indem du beide auf dieselbe Liste von Ideen anwendest und die beiden Prompt-Sätze nebeneinander bewertest.
Ein kleines End-to-End-Skript
Um die Teile zu verbinden, hier ein kurzes Skript, das eine Datei mit groben Ideen liest, jede in Prompts mit JSON-Modus erweitert und das Ergebnis in eine Datei schreibt, die dein Bild-Tool lesen kann. Es behandelt einen Fehlerfall, der dich sonst trifft: die Antwort, die kein gültiges JSON ist.
import json, os
from openai import OpenAI
client = OpenAI(
base_url="https://api.nanobananaapis.com/v1",
api_key=os.environ["NANOBANANA_KEY"],
)
def one(idea: str):
for _ in range(2):
r = client.chat.completions.create(
model="uncensored",
response_format={"type": "json_object"},
messages=[
{"role": "system", "content": 'Reply with JSON only: {"prompt": str}'},
{"role": "user", "content": f"Write a vivid, specific image prompt for: {idea}"},
],
max_tokens=250,
)
try:
return json.loads(r.choices[0].message.content)["prompt"]
except (json.JSONDecodeError, KeyError):
continue
return None
ideas = [line.strip() for line in open("ideas.txt") if line.strip()]
out = {i: one(i) for i in ideas}
json.dump(out, open("prompts.json", "w"), indent=2)
Führe es zuerst mit fünf Ideen aus und lies die Ergebnisse mit dem Auge. Passe die Systemnachricht an, bis die Prompts zu deinem gewünschten Stil passen, und skaliere dann hoch. Da jede Anfrage hier klein ist, werden tausend Ideen schnell fertig und kosten Cent-Beträge.
Fehler, die Anfänger machen
- Bilder erwarten. Die Antwort ist immer Text. Wenn dein Code versucht, ein binäres Bild aus der Antwort zu speichern, wird es fehlschlagen, weil es keines gibt.
- Nach einem anderen Modellnamen suchen. Es gibt ein Modell, und seine ID ist
uncensored. Das Kopieren eines Anbieter-Modellnamens aus einem Tutorial ergibt einen Fehler „nicht gefunden“. - Die Systemnachricht vergessen. Ohne sie hat das Modell keine Stilvorgaben und driftet zwischen kurzen und langen Prompts hin und her. Schreibe deine Regeln dort hin.
- Geheime Daten in Prompts senden. Prompts werden nicht zum Training verwendet, aber du solltest dennoch vermeiden, Passwörter oder private Schlüssel in jede Modell-Eingabe einzufügen.
- Hundert Anfragen gleichzeitig ausführen. Ein vollwertiger Schlüssel erlaubt 8 gleichzeitig. Verwende einen Pool oder ein Semaphore, und füge einen Retry für 429 hinzu.
Wenn sich etwas seltsam verhält, ist die Support-Seite der Ort, um zu fragen, und die Request-ID aus den Antwort-Headern macht die Frage viel einfacher zu beantworten.
