पहले यह पढ़ें: यह API क्या है और क्या नहीं
यदि आप यहाँ इस बारे में सोचते हुए आए हैं कि nano banana api का उपयोग करके छवियाँ कैसे बनाई जाएं, तो ईमानदार जवाब यह है कि यह सेवा उस भाग को नहीं कर सकती। "Nano Banana" एक इमेज-जनरेशन मॉडल के लिए लोगों द्वारा अक्सर लगाया जाने वाला नाम है, और इमेज जनरेशन यहाँ प्रदान नहीं किया जाता है। nanobananaapis.com जो बेचता है, वह एक टेक्स्ट लैंग्वेज मॉडल तक OpenAI-संगत एंडपॉइंट के माध्यम से एक्सेस है।
यह इमेज वर्कफ़्लो की कई चीज़ों में फिट बैठता है, क्योंकि इमेज टूल्स उतने ही अच्छे होते हैं जितना टेक्स्ट जो आप उन्हें देते हैं। एक टेक्स्ट मॉडल प्रॉम्प्ट लिख सकता है, उन्हें विविध बना सकता है, उन्हें एक स्टाइल शीट के खिलाफ जाँच सकता है, कैप्शन और एल्ट टेक्स्ट तैयार कर सकता है, और एक पाइपलाइन को जोड़ने वाले स्क्रिप्ट्स की ड्राफ़्ट बना सकता है। यह पेज उस उपयोग के बारे में बताता है। यदि आपको केवल तस्वीरें चाहिए, तो आपको एक इमेज सर्विस चाहिए, और आप इसे इस सेवा के साथ जोड़ सकते हैं।
मॉडल एकल ओपन-वेट मॉडल है, जिसे एक स्वतंत्र प्रदाता चलाता है, और इसे कानूनी वयस्क उपयोग के लिए बिना सामग्री अस्वीकृति के उत्तर देने के लिए ट्यून किया गया है। यह किसी बड़े विक्रेता की आधिकारिक API नहीं है। एक कड़ा सीमा: नाबालिगों से जुड़ी यौन सामग्री नहीं है।
चरण 1: एक कुंजी प्राप्त करें
Google के साथ, या ईमेल और पासवर्ड के साथ साइन अप करें, फिर API कुंजी पेज खोलें। आपको ट्रायल क्रेडिट के $0.50 दावा करने के लिए एक वन-क्लिक बटन दिखेगा। यह 7 दिनों के लिए मान्य है, इसमें कार्ड की आवश्यकता नहीं है, और यह प्रति व्यक्ति एक तक सीमित है। एक ट्रायल कुंजी 2 समानांतर अनुरोध और प्रति मिनट 60 अनुरोध की अनुमति देती है, जो चीजों को आज़माने के लिए पर्याप्त है।
कुंजी को कॉपी करें और इसे अपने रिपॉजिटरी से बाहर रखें। एक शेल में आप इसे इस तरह से स्टोर कर सकते हैं:
export NANOBANANA_KEY="paste-your-key-here"
स्टेप 2: अपना पहला अनुरोध भेजें
तीन मान महत्वपूर्ण हैं: बेस URL, मॉडल ID और Authorization हेडर। बाकी सब कुछ OpenAI चैट-कम्प्लीशन्स फॉर्मेट का पालन करता है। यहाँ curl के साथ एक पहला कॉल है:
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
}'
आधिकारिक openai पैकेज के साथ Python में वही:
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)
और Node में:
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);
एक बार प्रतिक्रिया हेडर जाँचें। X-Balance-USD आपकी शेष क्रेडिट दिखाता है और X-Request-Id कॉल की पहचान करता है यदि आपको सहायता की आवश्यकता हो। दस्तावेज़ पृष्ठ प्रत्येक समर्थित पैरामीटर की सूची देता है।
चरण 3: विचारों को संरचित प्रॉम्प्ट में बदलें
इमेज पाइपलाइन के लिए सबसे उपयोगी ट्रिक यह है कि मॉडल से मुक्त पाठ के बजाय संरचित डेटा लौटाया जाए। JSON मोड ऐसा करता है। आप सिस्टम संदेश में स्कीमा का वर्णन करते हैं, और जवाब सीधे आपके कोड में पार्स हो जाता है, इसलिए विचारों की एक सूची निश्चित फ़ील्ड्स वाले प्रॉम्प्ट्स की एक तालिका में बदल जाती है।
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"])
विविधता चाहते हैं तो तापमान बढ़ाएं और स्थिरता के लिए इसे कम करें। seed पैरामीटर पास-थ्रू होता है, इसलिए आप इसे किसी पूर्व बैच को दोहराने की आवश्यकता होने पर फिक्स कर सकते हैं। json.loads को हमेशा एक try ब्लॉक में लपेटें और यदि पार्सिंग विफल हो जाए तो एक बार फिर से अनुरोध करें, क्योंकि कोई भी लैंग्वेज मॉडल गलती कर सकता है।
साइट पर छवि पक्ष की एक संबंधित व्याख्या भी है: प्रॉम्प्ट जनरेशन और पोस्ट-प्रोसेसिंग। यह कवर करता है कि टेक्स्ट स्टेप जनरेटर से कैसे जुड़ता है।
इमेज वर्कफ़्लो में एक टेक्स्ट मॉडल द्वारा अच्छी तरह से किए जाने वाले अन्य कार्य
- शैली पत्रक। अपने स्थिर शैली नियमों के साथ एक सिस्टम संदेश रखें और प्रत्येक नई विषयवस्तु को इसके माध्यम से भेजें, ताकि एक पूरी श्रृंखला दृश्य रूप से संगत रहे।
- कैप्शन और एल्ट टेक्स्ट। छवियाँ मौजूद होने के बाद, उन्हें प्रत्येक में कुछ शब्दों में वर्णित करें। छवि का अपना विवरण इनपुट के रूप में पास करें; मॉडल छवियों को नहीं देख सकता, क्योंकि API केवल टेक्स्ट लेता है।
- शॉट सूची और स्क्रिप्ट। एक स्टोरीबोर्ड या शॉर्ट वीडियो के लिए, दृश्य सूची, वॉइसओवर और स्क्रीन पर बीट्स को टेक्स्ट के रूप में तैयार करें।
- प्रॉम्प्ट आलोचना। एक प्रॉम्प्ट पेस्ट करें जो खराब परिणाम देता है और तीन पुनर्लेखन के लिए पूछें जिसमें परिवर्तनों की व्याख्या की गई हो।
- वयस्कों के लिए फिक्शन और कैरेक्टर वर्क। कहानियों और कंपैनियन ऐप्स के लिए कैरेक्टर शीट्स, बैकस्टोरी और संवाद, जिसमें मॉडल कानूनी वयस्क विषयों को अस्वीकार नहीं करता है।
लंबे कार्यों के लिए, stream: true के साथ आउटपुट को स्ट्रीम करें ताकि एक यूजर इंटरफ़ेस आने वाले टेक्स्ट को दिखा सके। फ़ंक्शन कॉलिंग भी समर्थित है, जो एक मॉडल को यह निर्णय लेने देती है कि कब अपनी फ़ंक्शन को कॉल करना है, उदाहरण के लिए एक ऐसा फ़ंक्शन जो आपके द्वारा उपयोग की जाने वाली इमेज सेवा में एक प्रॉम्प्ट सबमिट करता है।
सीमाएँ और एक रन की लागत
बैच बनाते समय संख्याओं को जानें। एक पूर्ण कुंजी 8 समानांतर अनुरोधों और प्रति मिनट 300 अनुरोधों की अनुमति देती है। कॉन्टेक्स्ट विंडो 100,000 टोकन का है जो प्रॉम्प्ट और कंप्लीशन को कवर करता है, अधिकतम अनुरोध बॉडी 8 MB है, और max_tokens वैकल्पिक है। रेट से अधिक जाने पर HTTP 429 लौटाता है कोड rate_limited या concurrency के साथ; प्रतीक्षा करें और पुनः प्रयास करें।
मूल्य निर्धारण 1M इनपुट टोकन के लिए $0.15 और 1M आउटपुट टोकन के लिए $0.50 है। मान लीजिए कि आप 500 प्रॉम्प्ट सेट जनरेट करते हैं, प्रत्येक में एक 400-टोकन इनपुट और एक 600-टोकन आउटपुट है:
- इनपुट: 500 x 400 = 200,000 टोकन x $0.15 / 1M = $0.03
- आउटपुट: 500 x 600 = 300,000 टोकन x $0.50 / 1M = $0.15
- कुल: $0.18
तो $0.50 का ट्रायल क्रेडिट उस आकार के लगभग 1,300 सेट्स को कवर करता है। नियमित उपयोग के लिए, $20 से $500 तक किसी भी पूर्ण राशि का टॉप-अप करें, क्रिप्टो (TRC20 पर USDT, Base पर USDC) द्वारा। बोनस $50 से 5%, $100 से 10% और $200 से 15% हैं। तालिका के लिए मूल्य निर्धारण पेज देखें। क्रेडिट खत्म नहीं होता।
इमेज सर्विस के साथ जोड़ना
सामान्य सेटअप दो चरणों में होता है। टेक्स्ट चरण इस API का उपयोग प्रॉम्प्ट उत्पन्न करने के लिए करता है। इमेज चरण उन प्रॉम्प्ट्स को उस इमेज जनरेटर को भेजता है जिसे आप उपयोग करते हैं, और उस जनरेटर का अपना खाता, अपनी कीमत और अपने नियम होते हैं, जिन्हें आपको उसकी साइट पर पढ़ना चाहिए। दोनों चरणों को अलग-अलग फ़ंक्शन्स में रखें, ताकि आप किसी भी पक्ष को बदल सकें बिना दूसरे को फिर से लिखे।
एक व्यावहारिक सुझाव: प्रत्येक प्रॉम्प्ट को उस बीज (seed) और तापमान (temperature) के साथ सहेजें जिसे आपने इसे बनाने के लिए उपयोग किया था। जब एक इमेज अच्छी निकलती है, तो आप उसे उस सटीक टेक्स्ट तक वापस ट्रैस कर सकते हैं जिसने इसे उत्पन्न किया था, और जब एक बैच निराश करता है, तो आप देख सकते हैं कि दोष विचार में था, प्रॉम्प्ट लेखक में या इमेज मॉडल में। यह आपको दो सिस्टम संदेशों की तुलना करने का एक सस्ता तरीका भी देता है, दोनों को विचारों की एक ही सूची पर चलाकर और दोनों प्रॉम्प्ट सेट्स को एक साथ जांचकर।
एक छोटा एंड-टू-एंड स्क्रिप्ट
टुकड़ों को जोड़ने के लिए, यहाँ एक छोटा स्क्रिप्ट है जो एक फ़ाइल से खड़ाखड़ी विचारों को पढ़ता है, JSON मोड का उपयोग करके प्रत्येक को प्रॉम्प्ट में विस्तारित करता है, और परिणाम को एक फ़ाइल में लिखता है जिसे आपकी इमेज टूल पढ़ सकती है। यह एक विफलता मोड को संभालता है जो अन्यथा आपको परेशान करेगा: वह प्रतिक्रिया जो वैध JSON नहीं है।
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)
पहले पाँच विचारों पर इसे चलाएं और परिणामों को आँखों से पढ़ें। प्रणाली संदेश को समायोजित करें जब तक कि प्रॉम्प्ट आपकी वांछित शैली से मेल खाएं, फिर स्केल अप करें। क्योंकि यहाँ प्रत्येक अनुरोध छोटा है, एक हजार विचार जल्दी समाप्त हो जाते हैं और सस्ते पड़ते हैं।
शुरुआती अक्सर जो गलतियाँ करते हैं
- तस्वीरों की उम्मीद करना। प्रतिक्रिया हमेशा टेक्स्ट होती है। यदि आपका कोड प्रतिक्रिया से बाइनरी इमेज सहेजने की कोशिश करता है, तो यह विफल हो जाएगा, क्योंकि कोई इमेज नहीं है।
- किसी अलग मॉडल नाम की तलाश में। एक ही मॉडल है, और इसका ID
uncensoredहै। एक ट्यूटोरियल से एक विक्रेता मॉडल नाम कॉपी करने से नोट फाउंड त्रुटि मिलती है। - सिस्टम मेसेज भूल जाना। इसके बिना, मॉडल के पास कोई स्टाइल गाइडेंस नहीं होता और यह छोटे और लंबे प्रॉम्प्ट्स के बीच ड्रिफ्ट करता है। अपने नियमों को वहां डालें।
- प्रॉम्प्ट में रहस्य भेजना। प्रॉम्प्ट प्रशिक्षण के लिए उपयोग नहीं किए जाते हैं, लेकिन फिर भी आपको किसी भी मॉडल इनपुट में पासवर्ड या निजी कुंजियाँ पेस्ट करने से बचना चाहिए।
- एक सौ अनुरोध एक साथ चलाना। एक पूर्ण कुंजी एक समय में 8 की अनुमति देती है। एक पूल या सेमाफोर का उपयोग करें, और 429 के लिए पुन: प्रयास जोड़ें।
यदि कुछ अजीब व्यवहार करता है, तो सहायता पृष्ठ पूछने की जगह है, और प्रतिक्रिया हेडर से प्राप्त अनुरोध ID प्रश्न को बहुत आसान बना देता है।
