IT ▾

API testuale senza censura per la tua pipeline

Come usare i flussi di lavoro dell'API Nano Banana con un LLM testuale

Questo sito non genera immagini. È un'API LLM compatibile con OpenAI solo testuale che le persone usano accanto agli strumenti di immagine per scrivere prompt, didascalie e script. Ecco come configurarla e usarla.

Aggiornato

Illustrazione isometrica di tessere di testo che scorrono verso una cornice vuota, che mostra i prompt che alimentano un flusso di lavoro sulle immagini

Punti chiave

  • L'API restituisce solo testo: nessuna generazione di immagini, audio o video.
  • Usa l'URL di base https://api.nanobananaapis.com/v1, l'ID del modello uncensored e una chiave Bearer.
  • Un uso comune è trasformare idee grezze in prompt di immagine strutturati con la modalità JSON.
  • L'input costa $0,15 e l'output $0,50 per 1M token, e le richieste fallite sono gratuite.

Leggi prima: cos'è e cosa non è questa API

Se sei arrivato qui chiedendoti come usare l'API nano banana per produrre immagini, la risposta onesta è che questo servizio non può farlo. "Nano Banana" è un nome che le persone attribuiscono comunemente a un modello di generazione di immagini, e la generazione di immagini non è offerta qui. Ciò che nanobananaapis.com vende è l'accesso a un modello linguistico testuale tramite un endpoint compatibile con OpenAI.

Questo si adatta comunque a molti flussi di lavoro sulle immagini, perché gli strumenti di immagine sono buoni solo quanto il testo che gli fornisci. Un modello testuale può scrivere i prompt, variarli, controllarli rispetto a un foglio di stile, produrre didascalie e testo alternativo e redigere gli script che collegano una pipeline. Questa pagina illustra questo uso. Se ti servono solo immagini, vuoi un servizio di immagini, e puoi abbinarlo a questo.

Il modello è un singolo modello a pesi aperti, gestito da un provider indipendente, ottimizzato per rispondere senza rifiuti di contenuto per un uso adulto legale. Non è l'API ufficiale di alcun grande vendor. L'unico limite rigido: nessun contenuto sessuale che coinvolga minorenni.

Fase 1: ottieni una chiave

Registrati con Google, o con email e password, poi apri la pagina della chiave API. Vedrai un pulsante per richiedere $0,50 di credito di prova. È valido per 7 giorni, non richiede carta ed è limitato a uno per persona. Una chiave di prova consente 2 richieste parallele e 60 richieste al minuto, il che è più che sufficiente per provare.

Copia la chiave e tienila fuori dal tuo repository. In una shell puoi memorizzarla così:

export NANOBANANA_KEY="paste-your-key-here"

Passo 2: invia la tua prima richiesta

Tre valori sono importanti: l'URL di base, l'ID del modello e l'intestazione Authorization. Tutto il resto segue il formato chat-completions di OpenAI. Ecco una prima chiamata con 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
  }'

La stessa cosa in Python con il pacchetto ufficiale openai:

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)

E 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);

Controlla le intestazioni di risposta una volta. X-Balance-USD mostra il tuo credito rimanente e X-Request-Id identifica la chiamata se hai bisogno di aiuto. La pagina docs elenca tutti i parametri supportati.

Fase 3: trasforma le idee in prompt strutturati

Il trucco più utile per una pipeline di immagini è far restituire al modello dati strutturati invece che testo libero. La modalità JSON fa questo. Descrivi lo schema nel messaggio di sistema e la risposta viene analizzata direttamente nel tuo codice, quindi un elenco di idee grezze diventa una tabella di prompt con campi fissi.

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"])

Aumenta la temperatura quando vuoi varietà e abbassala per la coerenza. Il parametro seed viene passato, quindi puoi fissarlo quando devi riprodurre un batch precedente. Avvolgi sempre json.loads in un blocco try e riprova una volta se l'analisi fallisce, poiché qualsiasi modello linguistico può sbagliare.

Il sito ha anche una spiegazione correlata sul lato immagine: generazione di prompt e post-elaborazione. Copre come il passaggio testuale si collega a un generatore.

Altri compiti che un modello testuale esegue bene in un flusso di lavoro sulle immagini

  • Fogli di stile. Tieni un messaggio di sistema con le tue regole di stile fisse e alimenta ogni nuovo soggetto attraverso di esso, così una serie intera rimane visivamente coerente.
  • Didascalie e testo alternativo. Dopo che le immagini esistono, descrivile in poche parole ciascuna. Passa la tua descrizione dell'immagine come input; il modello non può vedere le immagini, perché l'API accetta solo testo.
  • Liste di riprese e script. Per uno storyboard o un video breve, redigi l'elenco delle scene, il voiceover e le battute a schermo come testo.
  • Critica dei prompt. Incolla un prompt che dà risultati scadenti e chiedi tre riscritture con le modifiche spiegate.
  • Narrativa e lavoro sui personaggi per adulti. Schede personaggio, retroscena e dialoghi per storie e app companion, con il modello che non rifiuta temi adulti legali.

Per lavori lunghi, trasmetti l'output con stream: true così un'interfaccia utente può mostrare il testo mentre arriva. È anche supportata la chiamata di funzioni, che permette a un modello di decidere quando chiamare la tua funzione, ad esempio una che invia un prompt al servizio di immagini che usi.

Limiti e costi di una esecuzione

Conosci i numeri prima di creare un lotto. Una chiave completa permette 8 richieste parallele e 300 richieste al minuto. La finestra di contesto è di 100.000 token che coprono prompt e completamento, il corpo della richiesta massimo è di 8 MB e max_tokens è opzionale. Superare il limite di richieste restituisce HTTP 429 con il codice rate_limited o concurrency; attendi e riprova.

La tariffazione è $0,15 per 1M di token di input e $0,50 per 1M di token di output. Supponi di generare 500 set di prompt, ciascuno con un input di 400 token e un output di 600 token:

  • Input: 500 x 400 = 200.000 token x $0,15 / 1M = $0,03
  • Output: 500 x 600 = 300.000 token x $0,50 / 1M = $0,15
  • Totale: $0,18

Quindi il credito di prova da $0,50 copre circa 1.300 set di queste dimensioni. Per l'uso regolare, ricarica qualsiasi importo intero da $20 a $500, con cripto (USDT su TRC20, USDC su Base). I bonus sono del 5% da $50, del 10% da $100 e del 15% da $200. Vedi la pagina dei prezzi per la tabella. Il credito non scade.

Abbinamento con un servizio di immagini

L'impostazione tipica ha due fasi. La fase testuale usa questa API per produrre prompt. La fase immagine invia questi prompt a qualsiasi generatore di immagini che usi, e quel generatore ha il proprio account, la propria tariffazione e le proprie regole, che dovresti leggere sul suo sito. Tieni le due fasi in funzioni separate, così puoi modificare un lato senza riscrivere l'altro.

Un consiglio pratico: salva ogni prompt insieme al seed e alla temperatura che hai usato per crearlo. Quando un'immagine viene bene, puoi risalire al testo esatto che l'ha generata, e quando un lotto delude, puoi vedere se la colpa è dell'idea, del redattore del prompt o del modello di immagine. Ti dà anche un modo economico per confrontare due system message eseguendoli entrambi sulla stessa lista di idee e valutando le due serie di prompt fianco a fianco.

Un piccolo script end-to-end

Per collegare i pezzi insieme, ecco uno script breve che legge un file di idee grezze, le espande in prompt con la modalità JSON e scrive il risultato in un file che il tuo strumento di immagine può leggere. Gestisce un caso di errore che altrimenti ti colpirà: la risposta che non è JSON valido.

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)

Esegui prima su cinque idee e leggi i risultati a occhio. Regola il messaggio di sistema fino a quando i prompt corrispondono allo stile che vuoi, poi scala. Poiché ogni richiesta qui è piccola, mille idee terminano rapidamente e costano centesimi.

Gli errori che commettono i principianti

  • Aspettarsi immagini. La risposta è sempre testo. Se il tuo codice tenta di salvare un'immagine binaria dalla risposta, fallirà, perché non ce n'è nessuna.
  • Cercare un nome di modello diverso. C'è un solo modello, e il suo ID è uncensored. Copiare un nome di modello di un fornitore da un tutorial dà un errore non trovato.
  • Dimenticare il messaggio di sistema. Senza di esso, il modello non ha indicazioni sullo stile e oscilla tra prompt brevi e lunghi. Metti le tue regole lì.
  • Inviare segreti nei prompt. I prompt non sono usati per l'addestramento, ma dovresti comunque evitare di incollare password o chiavi private in qualsiasi input del modello.
  • Eseguire cento richieste contemporaneamente. Una chiave completa ne consente 8 alla volta. Usa un pool o un semaforo, e aggiungi un retry per 429.

Se qualcosa si comporta in modo strano, la pagina di supporto è il posto dove fare domande, e l'ID della risposta dalle intestazioni della richiesta rende la domanda molto più facile da rispondere.

Domande e risposte

Questa API può generare immagini Nano Banana?

No. È un'API LLM solo testuale. Può scrivere prompt, didascalie e script per i flussi di lavoro sulle immagini, ma non produce immagini, audio o video.

Cosa inserisco come nome del modello?

Usa uncensored come ID del modello, utilizzando l'URL di base https://api.nanobananaapis.com/v1 e la tua chiave come token Bearer.

Posso provarlo senza pagare?

Sì. I nuovi utenti possono richiedere $0,50 di credito di prova gratuito con un clic nella pagina della chiave API. Non serve la carta ed è valido per 7 giorni.

Il modello vede le mie immagini?

No. Legge solo testo. Se vuoi aiuto con un'immagine, descrivila nel tuo messaggio.

I miei prompt vengono utilizzati per l'addestramento?

No. I prompt non vengono utilizzati per l'addestramento.

La tua chiave è a un modulo di compilazione

Crea un account, copia la chiave, modifica l'URL di base. È tutta la configurazione.

Ottieni la chiave API