Gemini Nano Banana 2.1 là mô hình tạo hình ảnh và chỉnh sửa qua hội thoại của Google. Đây là bản cập nhật Nano Banana 2, cải thiện độ chân thực hình ảnh, tuân thủ chỉ dẫn, hiển thị chữ và tính nhất quán nhân vật qua các lần chỉnh sửa liên tiếp. Bảng đầu vào gồm văn bản, hình ảnh, video và PDF, còn đầu ra là hình ảnh và văn bản. Nhờ vậy, mô hình hữu ích cho cảnh sản phẩm, đồ họa thông tin hoặc chuỗi hình ảnh phát triển qua nhiều lần sửa cụ thể.
Mô hình cung cấp đầu ra 1K, 2K và 4K, mặc định là 1K. Mô hình không kế thừa lựa chọn 0.5K của Nano Banana 2. Các tỷ lệ khung hình được ghi trong tài liệu gồm 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 và 21:9, cùng các định dạng cao hoặc toàn cảnh 1:4, 4:1, 1:8 và 8:1. Google ghi nhận đã sửa hiện tượng lỗi ghép ô ở các định dạng rộng và cao cuối này tại 2K và 4K. Nhãn độ phân giải là cấp kích thước, không phải một hình chữ nhật cố định: ảnh vuông 4K là 4096 × 4096, còn đầu ra 16:9 4K trong tài liệu là 5504 × 3072.
Chữ là phần quan trọng trong quy trình hình ảnh. Mô hình được thiết kế để hiển thị câu chữ có phong cách, dễ đọc và tổ chức thành phần đồ họa thông tin chính xác hơn. Chuẩn bị tiêu đề, nhãn và thứ tự đọc chính xác, rồi yêu cầu hình ảnh với văn bản đã duyệt đó. Với thực đơn, sơ đồ hoặc đồ họa hướng dẫn, nêu quan hệ giữa chú thích và yếu tố hình ảnh tương ứng. Google khuyến nghị tạo câu chữ trước rồi yêu cầu hình ảnh để bố cục bắt đầu từ đề bài văn bản đã thống nhất.
Kết hợp ảnh tham chiếu hỗ trợ tối đa 14 ảnh. Cấu hình được ghi trong tài liệu bao gồm tính nhất quán cho tối đa 4 nhân vật và độ trung thực với tối đa 10 đối tượng. Gán vai trò cho từng tham chiếu: sản phẩm phải giữ khả năng nhận diện, ngoại hình nhân vật, nền dự kiến hoặc phong cách hình ảnh. Đề bài sản phẩm minh họa là: “Dùng ảnh A cho hình dáng chai và nhãn. Dùng ảnh B cho bề mặt và ánh sáng. Giữ nguyên sản phẩm, đặt cạnh khăn đã gấp và chừa khoảng trống rõ phía trên cho tiêu đề được cung cấp.”
Việc sử dụng thông tin từ Google Web Search và Image Search làm căn cứ có thể cung cấp thông tin hiện hành và ngữ cảnh hình ảnh cho quá trình tạo. Image Search cung cấp ảnh web truy xuất được làm tham chiếu; cơ chế lấy thông tin web làm căn cứ thông thường cung cấp thông tin về chủ đề. Khả năng này hữu ích cho đồ họa dựa trên dữ kiện hoặc cảnh có diện mạo phụ thuộc vào đối tượng thực. Quy trình tìm kiếm hình ảnh không hỗ trợ truy xuất ảnh người ngoài đời cho mục đích này. Phản hồi có căn cứ đi kèm siêu dữ liệu nguồn và ghi công trong quy trình được Google mô tả, nên ứng dụng cần giữ chúng cùng kết quả tạo ra.
Chế độ suy luận có thể cấu hình ở các mức minimal, medium và high, mặc định medium với đúng mô hình này. Tính năng giúp mô hình xử lý bố cục và chỉ dẫn phức tạp hơn trước đầu ra cuối. Hướng dẫn hình ảnh mô tả ảnh bố cục trung gian trong quá trình đó; chúng tách biệt với sản phẩm cuối dự kiến. Chọn rõ bố cục cuối, tỷ lệ và độ phân giải yêu cầu thay vì trông đợi riêng mô tả trong câu lệnh xác định mọi thiết lập đầu ra.
Chỉnh sửa qua hội thoại cho phép yêu cầu tiếp nối thay đổi một phần kết quả có sẵn: điều chỉnh ánh sáng, di chuyển đối tượng hoặc dịch nhãn trong khi giữ phần bố cục còn lại. Đưa ảnh hoặc tương tác trước vào lượt tiếp theo và nêu cả thay đổi yêu cầu lẫn đặc điểm cần giữ. Với chuỗi nhân vật, giữ tham chiếu ngoại hình nhất quán và dùng tham chiếu tư thế khi góc mới hoặc tư thế phức tạp quan trọng. Đề bài sửa thực tế có thể là: “Giữ sản phẩm, nhãn và bố cục; chỉ đổi nền thành màu xám ấm hơn.”
Bảng mô hình ghi giới hạn đầu vào 131,072 token và đầu ra 32,768 token. Tạo hình ảnh và sử dụng kết quả tìm kiếm làm căn cứ được hỗ trợ, còn tạo âm thanh, thực thi mã, gọi hàm, đầu ra có cấu trúc, bộ nhớ đệm, tìm kiếm tệp, ngữ cảnh URL và Live API không được liệt kê là hỗ trợ cho phiên bản này. Video có thể cung cấp thông tin cho ảnh tĩnh tạo ra; điều đó không biến mô hình thành công cụ tạo video. Google cũng lưu ý yêu cầu số lượng ảnh chính xác có thể không tạo đúng số đó. Mọi ảnh tạo ra đều có hình mờ SynthID.
Để có đề bài đầu tiên hữu ích, nêu mục đích ảnh, chủ thể, bố cục, ánh sáng, góc máy, văn bản bắt buộc và hình dạng đầu ra. Ví dụ, yêu cầu đồ họa thông tin dọc có 3 bước gắn nhãn, tiêu đề dễ đọc và thứ bậc màu đã chỉ định, rồi kiểm tra câu chữ và vị trí tương đối trước lần sửa tiếp theo. Kết quả có thể trở thành minh họa sản phẩm, đồ họa biên tập hoặc tham chiếu thiết kế, với ảnh đã chọn và văn bản giải thích được giữ cùng nhau.
", "aboutText": "Gemini Nano Banana 2.1 là mô hình tạo hình ảnh và chỉnh sửa qua hội thoại của Google. Đây là bản cập nhật Nano Banana 2, cải thiện độ chân thực hình ảnh, tuân thủ chỉ dẫn, hiển thị chữ và tính nhất quán nhân vật qua các lần chỉnh sửa liên tiếp. Bảng đầu vào gồm văn bản, hình ảnh, video và PDF, còn đầu ra là hình ảnh và văn bản. Nhờ vậy, mô hình hữu ích cho cảnh sản phẩm, đồ họa thông tin hoặc chuỗi hình ảnh phát triển qua nhiều lần sửa cụ thể.\n\nMô hình cung cấp đầu ra 1K, 2K và 4K, mặc định là 1K. Mô hình không kế thừa lựa chọn 0.5K của Nano Banana 2. Các tỷ lệ khung hình được ghi trong tài liệu gồm 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 và 21:9, cùng các định dạng cao hoặc toàn cảnh 1:4, 4:1, 1:8 và 8:1. Google ghi nhận đã sửa hiện tượng lỗi ghép ô ở các định dạng rộng và cao cuối này tại 2K và 4K. Nhãn độ phân giải là cấp kích thước, không phải một hình chữ nhật cố định: ảnh vuông 4K là 4096 × 4096, còn đầu ra 16:9 4K trong tài liệu là 5504 × 3072.\n\nChữ là phần quan trọng trong quy trình hình ảnh. Mô hình được thiết kế để hiển thị câu chữ có phong cách, dễ đọc và tổ chức thành phần đồ họa thông tin chính xác hơn. Chuẩn bị tiêu đề, nhãn và thứ tự đọc chính xác, rồi yêu cầu hình ảnh với văn bản đã duyệt đó. Với thực đơn, sơ đồ hoặc đồ họa hướng dẫn, nêu quan hệ giữa chú thích và yếu tố hình ảnh tương ứng. Google khuyến nghị tạo câu chữ trước rồi yêu cầu hình ảnh để bố cục bắt đầu từ đề bài văn bản đã thống nhất.\n\nKết hợp ảnh tham chiếu hỗ trợ tối đa 14 ảnh. Cấu hình được ghi trong tài liệu bao gồm tính nhất quán cho tối đa 4 nhân vật và độ trung thực với tối đa 10 đối tượng. Gán vai trò cho từng tham chiếu: sản phẩm phải giữ khả năng nhận diện, ngoại hình nhân vật, nền dự kiến hoặc phong cách hình ảnh. Đề bài sản phẩm minh họa là: “Dùng ảnh A cho hình dáng chai và nhãn. Dùng ảnh B cho bề mặt và ánh sáng. Giữ nguyên sản phẩm, đặt cạnh khăn đã gấp và chừa khoảng trống rõ phía trên cho tiêu đề được cung cấp.”\n\nViệc sử dụng thông tin từ Google Web Search và Image Search làm căn cứ có thể cung cấp thông tin hiện hành và ngữ cảnh hình ảnh cho quá trình tạo. Image Search cung cấp ảnh web truy xuất được làm tham chiếu; cơ chế lấy thông tin web làm căn cứ thông thường cung cấp thông tin về chủ đề. Khả năng này hữu ích cho đồ họa dựa trên dữ kiện hoặc cảnh có diện mạo phụ thuộc vào đối tượng thực. Quy trình tìm kiếm hình ảnh không hỗ trợ truy xuất ảnh người ngoài đời cho mục đích này. Phản hồi có căn cứ đi kèm siêu dữ liệu nguồn và ghi công trong quy trình được Google mô tả, nên ứng dụng cần giữ chúng cùng kết quả tạo ra.\n\nChế độ suy luận có thể cấu hình ở các mức minimal, medium và high, mặc định medium với đúng mô hình này. Tính năng giúp mô hình xử lý bố cục và chỉ dẫn phức tạp hơn trước đầu ra cuối. Hướng dẫn hình ảnh mô tả ảnh bố cục trung gian trong quá trình đó; chúng tách biệt với sản phẩm cuối dự kiến. Chọn rõ bố cục cuối, tỷ lệ và độ phân giải yêu cầu thay vì trông đợi riêng mô tả trong câu lệnh xác định mọi thiết lập đầu ra.\n\nChỉnh sửa qua hội thoại cho phép yêu cầu tiếp nối thay đổi một phần kết quả có sẵn: điều chỉnh ánh sáng, di chuyển đối tượng hoặc dịch nhãn trong khi giữ phần bố cục còn lại. Đưa ảnh hoặc tương tác trước vào lượt tiếp theo và nêu cả thay đổi yêu cầu lẫn đặc điểm cần giữ. Với chuỗi nhân vật, giữ tham chiếu ngoại hình nhất quán và dùng tham chiếu tư thế khi góc mới hoặc tư thế phức tạp quan trọng. Đề bài sửa thực tế có thể là: “Giữ sản phẩm, nhãn và bố cục; chỉ đổi nền thành màu xám ấm hơn.”\n\nBảng mô hình ghi giới hạn đầu vào 131,072 token và đầu ra 32,768 token. Tạo hình ảnh và sử dụng kết quả tìm kiếm làm căn cứ được hỗ trợ, còn tạo âm thanh, thực thi mã, gọi hàm, đầu ra có cấu trúc, bộ nhớ đệm, tìm kiếm tệp, ngữ cảnh URL và Live API không được liệt kê là hỗ trợ cho phiên bản này. Video có thể cung cấp thông tin cho ảnh tĩnh tạo ra; điều đó không biến mô hình thành công cụ tạo video. Google cũng lưu ý yêu cầu số lượng ảnh chính xác có thể không tạo đúng số đó. Mọi ảnh tạo ra đều có hình mờ SynthID.\n\nĐể có đề bài đầu tiên hữu ích, nêu mục đích ảnh, chủ thể, bố cục, ánh sáng, góc máy, văn bản bắt buộc và hình dạng đầu ra. Ví dụ, yêu cầu đồ họa thông tin dọc có 3 bước gắn nhãn, tiêu đề dễ đọc và thứ bậc màu đã chỉ định, rồi kiểm tra câu chữ và vị trí tương đối trước lần sửa tiếp theo. Kết quả có thể trở thành minh họa sản phẩm, đồ họa biên tập hoặc tham chiếu thiết kế, với ảnh đã chọn và văn bản giải thích được giữ cùng nhau.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Refine an approved poster background\n\nEdit the supplied event poster. Preserve every word, the headline hierarchy, illustration placement and portrait composition. Change only the background from cool white to warm ivory, keeping dark text readable and retaining the original accent color. Do not add shapes, badges, textures or extra captions. Return the revised poster image.One edited poster with the original wording and layout preserved over a warm ivory background.Compare every word and element position against the supplied poster, then inspect text contrast.google/gemini-nano-banana-2.1Gemini Nano Banana 2.1 tạo và chỉnh sửa hình ảnh qua hội thoại từ văn bản và tài liệu trực quan. Mô hình cải thiện hiển thị chữ, bố cục đồ họa thông tin và tính nhất quán qua nhiều lượt, với đầu ra 1K–4K và tối đa 14 ảnh tham chiếu cho đề bài hình ảnh đã xác định.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Gemini Nano Banana 2.1 là mô hình tạo hình ảnh và chỉnh sửa qua hội thoại của Google. Đây là bản cập nhật Nano Banana 2, cải thiện độ chân thực hình ảnh, tuân thủ chỉ dẫn, hiển thị chữ và tính nhất quán nhân vật qua các lần chỉnh sửa liên tiếp. Bảng đầu vào gồm văn bản, hình ảnh, video và PDF, còn đầu ra là hình ảnh và văn bản. Nhờ vậy, mô hình hữu ích cho cảnh sản phẩm, đồ họa thông tin hoặc chuỗi hình ảnh phát triển qua nhiều lần sửa cụ thể.
Mô hình cung cấp đầu ra 1K, 2K và 4K, mặc định là 1K. Mô hình không kế thừa lựa chọn 0.5K của Nano Banana 2. Các tỷ lệ khung hình được ghi trong tài liệu gồm 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 và 21:9, cùng các định dạng cao hoặc toàn cảnh 1:4, 4:1, 1:8 và 8:1. Google ghi nhận đã sửa hiện tượng lỗi ghép ô ở các định dạng rộng và cao cuối này tại 2K và 4K. Nhãn độ phân giải là cấp kích thước, không phải một hình chữ nhật cố định: ảnh vuông 4K là 4096 × 4096, còn đầu ra 16:9 4K trong tài liệu là 5504 × 3072.
Chữ là phần quan trọng trong quy trình hình ảnh. Mô hình được thiết kế để hiển thị câu chữ có phong cách, dễ đọc và tổ chức thành phần đồ họa thông tin chính xác hơn. Chuẩn bị tiêu đề, nhãn và thứ tự đọc chính xác, rồi yêu cầu hình ảnh với văn bản đã duyệt đó. Với thực đơn, sơ đồ hoặc đồ họa hướng dẫn, nêu quan hệ giữa chú thích và yếu tố hình ảnh tương ứng. Google khuyến nghị tạo câu chữ trước rồi yêu cầu hình ảnh để bố cục bắt đầu từ đề bài văn bản đã thống nhất.
Kết hợp ảnh tham chiếu hỗ trợ tối đa 14 ảnh. Cấu hình được ghi trong tài liệu bao gồm tính nhất quán cho tối đa 4 nhân vật và độ trung thực với tối đa 10 đối tượng. Gán vai trò cho từng tham chiếu: sản phẩm phải giữ khả năng nhận diện, ngoại hình nhân vật, nền dự kiến hoặc phong cách hình ảnh. Đề bài sản phẩm minh họa là: “Dùng ảnh A cho hình dáng chai và nhãn. Dùng ảnh B cho bề mặt và ánh sáng. Giữ nguyên sản phẩm, đặt cạnh khăn đã gấp và chừa khoảng trống rõ phía trên cho tiêu đề được cung cấp.”
Việc sử dụng thông tin từ Google Web Search và Image Search làm căn cứ có thể cung cấp thông tin hiện hành và ngữ cảnh hình ảnh cho quá trình tạo. Image Search cung cấp ảnh web truy xuất được làm tham chiếu; cơ chế lấy thông tin web làm căn cứ thông thường cung cấp thông tin về chủ đề. Khả năng này hữu ích cho đồ họa dựa trên dữ kiện hoặc cảnh có diện mạo phụ thuộc vào đối tượng thực. Quy trình tìm kiếm hình ảnh không hỗ trợ truy xuất ảnh người ngoài đời cho mục đích này. Phản hồi có căn cứ đi kèm siêu dữ liệu nguồn và ghi công trong quy trình được Google mô tả, nên ứng dụng cần giữ chúng cùng kết quả tạo ra.
Chế độ suy luận có thể cấu hình ở các mức minimal, medium và high, mặc định medium với đúng mô hình này. Tính năng giúp mô hình xử lý bố cục và chỉ dẫn phức tạp hơn trước đầu ra cuối. Hướng dẫn hình ảnh mô tả ảnh bố cục trung gian trong quá trình đó; chúng tách biệt với sản phẩm cuối dự kiến. Chọn rõ bố cục cuối, tỷ lệ và độ phân giải yêu cầu thay vì trông đợi riêng mô tả trong câu lệnh xác định mọi thiết lập đầu ra.
Chỉnh sửa qua hội thoại cho phép yêu cầu tiếp nối thay đổi một phần kết quả có sẵn: điều chỉnh ánh sáng, di chuyển đối tượng hoặc dịch nhãn trong khi giữ phần bố cục còn lại. Đưa ảnh hoặc tương tác trước vào lượt tiếp theo và nêu cả thay đổi yêu cầu lẫn đặc điểm cần giữ. Với chuỗi nhân vật, giữ tham chiếu ngoại hình nhất quán và dùng tham chiếu tư thế khi góc mới hoặc tư thế phức tạp quan trọng. Đề bài sửa thực tế có thể là: “Giữ sản phẩm, nhãn và bố cục; chỉ đổi nền thành màu xám ấm hơn.”
Bảng mô hình ghi giới hạn đầu vào 131,072 token và đầu ra 32,768 token. Tạo hình ảnh và sử dụng kết quả tìm kiếm làm căn cứ được hỗ trợ, còn tạo âm thanh, thực thi mã, gọi hàm, đầu ra có cấu trúc, bộ nhớ đệm, tìm kiếm tệp, ngữ cảnh URL và Live API không được liệt kê là hỗ trợ cho phiên bản này. Video có thể cung cấp thông tin cho ảnh tĩnh tạo ra; điều đó không biến mô hình thành công cụ tạo video. Google cũng lưu ý yêu cầu số lượng ảnh chính xác có thể không tạo đúng số đó. Mọi ảnh tạo ra đều có hình mờ SynthID.
Để có đề bài đầu tiên hữu ích, nêu mục đích ảnh, chủ thể, bố cục, ánh sáng, góc máy, văn bản bắt buộc và hình dạng đầu ra. Ví dụ, yêu cầu đồ họa thông tin dọc có 3 bước gắn nhãn, tiêu đề dễ đọc và thứ bậc màu đã chỉ định, rồi kiểm tra câu chữ và vị trí tương đối trước lần sửa tiếp theo. Kết quả có thể trở thành minh họa sản phẩm, đồ họa biên tập hoặc tham chiếu thiết kế, với ảnh đã chọn và văn bản giải thích được giữ cùng nhau.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn google/gemini-nano-banana-2.1 | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.003 / 1K token Đầu ra · Token đầu ra $0.015 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token Đầu ra · Token ảnh đầu ra $0.06 / 1K token hình ảnh |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.003 / 1K token Đầu ra · Token đầu ra $0.015 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Biểu tham chiếu cấp mô hình không thay đổi việc chọn phương thức, báo giá hoặc khoản phí. Khoản phí đang áp dụng dùng mức phí phương thức Ailoot đã chọn.
| Cấu hình | Điều kiện tính phí | Phí |
|---|---|---|
| Cấu hìnhGoogle: Nano Banana 2.1 · Cấu hình mặc định | Điều kiện tính phíCấu hình mặc định | Phí Đầu vào · Token đầu vào 0,003 US$ / 1K token Đầu ra · Token đầu ra 0,015 US$ / 1K token Đầu ra · Ảnh đầu ra 0,06 US$ / 1K token Đầu ra · Tìm kiếm trên web 0,028 US$ mỗi lượt tìm kiếm |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-nano-banana-2.1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-nano-banana-2.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-nano-banana-2.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra google/gemini-nano-banana-2.1
/v1/images
google/gemini-nano-banana-2.1Gemini Nano Banana 2.1 tạo và chỉnh sửa hình ảnh qua hội thoại từ văn bản và tài liệu trực quan. Mô hình cải thiện hiển thị chữ, bố cục đồ họa thông tin và tính nhất quán qua nhiều lượt, với đầu ra 1K–4K và tối đa 14 ảnh tham chiếu cho đề bài hình ảnh đã xác định.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Gemini Nano Banana 2.1 là mô hình tạo hình ảnh và chỉnh sửa qua hội thoại của Google. Đây là bản cập nhật Nano Banana 2, cải thiện độ chân thực hình ảnh, tuân thủ chỉ dẫn, hiển thị chữ và tính nhất quán nhân vật qua các lần chỉnh sửa liên tiếp. Bảng đầu vào gồm văn bản, hình ảnh, video và PDF, còn đầu ra là hình ảnh và văn bản. Nhờ vậy, mô hình hữu ích cho cảnh sản phẩm, đồ họa thông tin hoặc chuỗi hình ảnh phát triển qua nhiều lần sửa cụ thể.
Mô hình cung cấp đầu ra 1K, 2K và 4K, mặc định là 1K. Mô hình không kế thừa lựa chọn 0.5K của Nano Banana 2. Các tỷ lệ khung hình được ghi trong tài liệu gồm 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 và 21:9, cùng các định dạng cao hoặc toàn cảnh 1:4, 4:1, 1:8 và 8:1. Google ghi nhận đã sửa hiện tượng lỗi ghép ô ở các định dạng rộng và cao cuối này tại 2K và 4K. Nhãn độ phân giải là cấp kích thước, không phải một hình chữ nhật cố định: ảnh vuông 4K là 4096 × 4096, còn đầu ra 16:9 4K trong tài liệu là 5504 × 3072.
Chữ là phần quan trọng trong quy trình hình ảnh. Mô hình được thiết kế để hiển thị câu chữ có phong cách, dễ đọc và tổ chức thành phần đồ họa thông tin chính xác hơn. Chuẩn bị tiêu đề, nhãn và thứ tự đọc chính xác, rồi yêu cầu hình ảnh với văn bản đã duyệt đó. Với thực đơn, sơ đồ hoặc đồ họa hướng dẫn, nêu quan hệ giữa chú thích và yếu tố hình ảnh tương ứng. Google khuyến nghị tạo câu chữ trước rồi yêu cầu hình ảnh để bố cục bắt đầu từ đề bài văn bản đã thống nhất.
Kết hợp ảnh tham chiếu hỗ trợ tối đa 14 ảnh. Cấu hình được ghi trong tài liệu bao gồm tính nhất quán cho tối đa 4 nhân vật và độ trung thực với tối đa 10 đối tượng. Gán vai trò cho từng tham chiếu: sản phẩm phải giữ khả năng nhận diện, ngoại hình nhân vật, nền dự kiến hoặc phong cách hình ảnh. Đề bài sản phẩm minh họa là: “Dùng ảnh A cho hình dáng chai và nhãn. Dùng ảnh B cho bề mặt và ánh sáng. Giữ nguyên sản phẩm, đặt cạnh khăn đã gấp và chừa khoảng trống rõ phía trên cho tiêu đề được cung cấp.”
Việc sử dụng thông tin từ Google Web Search và Image Search làm căn cứ có thể cung cấp thông tin hiện hành và ngữ cảnh hình ảnh cho quá trình tạo. Image Search cung cấp ảnh web truy xuất được làm tham chiếu; cơ chế lấy thông tin web làm căn cứ thông thường cung cấp thông tin về chủ đề. Khả năng này hữu ích cho đồ họa dựa trên dữ kiện hoặc cảnh có diện mạo phụ thuộc vào đối tượng thực. Quy trình tìm kiếm hình ảnh không hỗ trợ truy xuất ảnh người ngoài đời cho mục đích này. Phản hồi có căn cứ đi kèm siêu dữ liệu nguồn và ghi công trong quy trình được Google mô tả, nên ứng dụng cần giữ chúng cùng kết quả tạo ra.
Chế độ suy luận có thể cấu hình ở các mức minimal, medium và high, mặc định medium với đúng mô hình này. Tính năng giúp mô hình xử lý bố cục và chỉ dẫn phức tạp hơn trước đầu ra cuối. Hướng dẫn hình ảnh mô tả ảnh bố cục trung gian trong quá trình đó; chúng tách biệt với sản phẩm cuối dự kiến. Chọn rõ bố cục cuối, tỷ lệ và độ phân giải yêu cầu thay vì trông đợi riêng mô tả trong câu lệnh xác định mọi thiết lập đầu ra.
Chỉnh sửa qua hội thoại cho phép yêu cầu tiếp nối thay đổi một phần kết quả có sẵn: điều chỉnh ánh sáng, di chuyển đối tượng hoặc dịch nhãn trong khi giữ phần bố cục còn lại. Đưa ảnh hoặc tương tác trước vào lượt tiếp theo và nêu cả thay đổi yêu cầu lẫn đặc điểm cần giữ. Với chuỗi nhân vật, giữ tham chiếu ngoại hình nhất quán và dùng tham chiếu tư thế khi góc mới hoặc tư thế phức tạp quan trọng. Đề bài sửa thực tế có thể là: “Giữ sản phẩm, nhãn và bố cục; chỉ đổi nền thành màu xám ấm hơn.”
Bảng mô hình ghi giới hạn đầu vào 131,072 token và đầu ra 32,768 token. Tạo hình ảnh và sử dụng kết quả tìm kiếm làm căn cứ được hỗ trợ, còn tạo âm thanh, thực thi mã, gọi hàm, đầu ra có cấu trúc, bộ nhớ đệm, tìm kiếm tệp, ngữ cảnh URL và Live API không được liệt kê là hỗ trợ cho phiên bản này. Video có thể cung cấp thông tin cho ảnh tĩnh tạo ra; điều đó không biến mô hình thành công cụ tạo video. Google cũng lưu ý yêu cầu số lượng ảnh chính xác có thể không tạo đúng số đó. Mọi ảnh tạo ra đều có hình mờ SynthID.
Để có đề bài đầu tiên hữu ích, nêu mục đích ảnh, chủ thể, bố cục, ánh sáng, góc máy, văn bản bắt buộc và hình dạng đầu ra. Ví dụ, yêu cầu đồ họa thông tin dọc có 3 bước gắn nhãn, tiêu đề dễ đọc và thứ bậc màu đã chỉ định, rồi kiểm tra câu chữ và vị trí tương đối trước lần sửa tiếp theo. Kết quả có thể trở thành minh họa sản phẩm, đồ họa biên tập hoặc tham chiếu thiết kế, với ảnh đã chọn và văn bản giải thích được giữ cùng nhau.
POST /v1/images/generationstext, imageimage| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn google/gemini-nano-banana-2.1 | Mặc định— |
Trườngprompt | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Độ dài tối thiểu: 1 | Mặc định— |
Trườngresolution | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn 1K, 2K, 4K | Mặc định— |
Trườngaspect_ratio | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn 1:1, 1:4, 1:8, 2:3, 3:2, 3:4, 4:1, 4:3, 4:5, 5:4, 8:1, 9:16, 16:9, 21:9 | Mặc định— |
Trườngn | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tối đa: 1 | Mặc định— |
Trườnginput_references | Loạiarray | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Số mục tối thiểu: 0 Số mục tối đa: 14 | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, prompt |
Tham sốmaterial_types | Hợp đồngtext, image |
Vòng đời: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Giá trị task_id thực tế đã trả về hoặc bản ghi trong thư viện nội dung đa phương tiện
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Các đơn giá hiển thị dùng để ước tính chi phí trước khi tạo. Khoản phí cuối cùng được tính dựa trên chi phí ghi nhận cho lượt tạo gốc. Thời lượng đầu ra đo được và số lượng dự kiến không phải là số lượng cuối cùng dùng để tính phí.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Số lượng dự báo | Phí |
|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Số lượng dự báo— | Phí Đầu vào · Token đầu vào · Ước tính chỉ để so sánh — / 1K token Đầu ra · Token đầu ra · Ước tính chỉ để so sánh — / 1K token Đầu vào · Đọc bộ nhớ đệm · Ước tính chỉ để so sánh — / 1K token Đầu vào · Ghi bộ nhớ đệm · Ước tính chỉ để so sánh — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ · Ước tính chỉ để so sánh — / 1K token |
| Cấu hìnhChi phí tạo ước tính | Biểu mức phí— | Số lượng dự báoước tính cho một lần tạo | Phí Đầu ra · Chi phí tạo ước tính · Ước tính chỉ để so sánh $0.24576 ước tính trước khi tạo Ước tính này không phải là khoản phí bổ sung hay mức giá cố định cho lượt tạo đã hoàn tất. |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'google/gemini-nano-banana-2.1', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nTải xuống từng ảnh trả về hoặc lưu nội dung Base64 của ảnh
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nLưu mọi ảnh đã hoàn tất; truy xuất từng URL trả về hoặc giải mã nội dung Base64 của ảnh.
Giữ lại toàn bộ phản hồi và các header, mọi đầu ra thực tế, các định danh gốc đã trả về và mọi trường usage. Khôi phục thao tác gốc mà không gửi lại yêu cầu tạo.
Giữ lại X-Client-Request-ID đã trả về để đối soát. Chỉ truy xuất theo các giá trị task_id/asset_id thực tế đã trả về hoặc từ thư viện nội dung đa phương tiện thuộc quyền sở hữu của bạn; tuyệt đối không tạo URL tác vụ từ ID thao tác và không gửi lại yêu cầu tạo.
| Trường | Loại |
|---|---|
Trườngcreated | Loại |
Trườngdata[].url | Loại |
Trườngdata[].b64_json | Loại |
Trườngusage | Loại |
Ailoot Ultra google/gemini-nano-banana-2.1
/v1/images
google/gemini-nano-banana-2.1Gemini Nano Banana 2.1 tạo và chỉnh sửa hình ảnh qua hội thoại từ văn bản và tài liệu trực quan. Mô hình cải thiện hiển thị chữ, bố cục đồ họa thông tin và tính nhất quán qua nhiều lượt, với đầu ra 1K–4K và tối đa 14 ảnh tham chiếu cho đề bài hình ảnh đã xác định.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Gemini Nano Banana 2.1 là mô hình tạo hình ảnh và chỉnh sửa qua hội thoại của Google. Đây là bản cập nhật Nano Banana 2, cải thiện độ chân thực hình ảnh, tuân thủ chỉ dẫn, hiển thị chữ và tính nhất quán nhân vật qua các lần chỉnh sửa liên tiếp. Bảng đầu vào gồm văn bản, hình ảnh, video và PDF, còn đầu ra là hình ảnh và văn bản. Nhờ vậy, mô hình hữu ích cho cảnh sản phẩm, đồ họa thông tin hoặc chuỗi hình ảnh phát triển qua nhiều lần sửa cụ thể.
Mô hình cung cấp đầu ra 1K, 2K và 4K, mặc định là 1K. Mô hình không kế thừa lựa chọn 0.5K của Nano Banana 2. Các tỷ lệ khung hình được ghi trong tài liệu gồm 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 và 21:9, cùng các định dạng cao hoặc toàn cảnh 1:4, 4:1, 1:8 và 8:1. Google ghi nhận đã sửa hiện tượng lỗi ghép ô ở các định dạng rộng và cao cuối này tại 2K và 4K. Nhãn độ phân giải là cấp kích thước, không phải một hình chữ nhật cố định: ảnh vuông 4K là 4096 × 4096, còn đầu ra 16:9 4K trong tài liệu là 5504 × 3072.
Chữ là phần quan trọng trong quy trình hình ảnh. Mô hình được thiết kế để hiển thị câu chữ có phong cách, dễ đọc và tổ chức thành phần đồ họa thông tin chính xác hơn. Chuẩn bị tiêu đề, nhãn và thứ tự đọc chính xác, rồi yêu cầu hình ảnh với văn bản đã duyệt đó. Với thực đơn, sơ đồ hoặc đồ họa hướng dẫn, nêu quan hệ giữa chú thích và yếu tố hình ảnh tương ứng. Google khuyến nghị tạo câu chữ trước rồi yêu cầu hình ảnh để bố cục bắt đầu từ đề bài văn bản đã thống nhất.
Kết hợp ảnh tham chiếu hỗ trợ tối đa 14 ảnh. Cấu hình được ghi trong tài liệu bao gồm tính nhất quán cho tối đa 4 nhân vật và độ trung thực với tối đa 10 đối tượng. Gán vai trò cho từng tham chiếu: sản phẩm phải giữ khả năng nhận diện, ngoại hình nhân vật, nền dự kiến hoặc phong cách hình ảnh. Đề bài sản phẩm minh họa là: “Dùng ảnh A cho hình dáng chai và nhãn. Dùng ảnh B cho bề mặt và ánh sáng. Giữ nguyên sản phẩm, đặt cạnh khăn đã gấp và chừa khoảng trống rõ phía trên cho tiêu đề được cung cấp.”
Việc sử dụng thông tin từ Google Web Search và Image Search làm căn cứ có thể cung cấp thông tin hiện hành và ngữ cảnh hình ảnh cho quá trình tạo. Image Search cung cấp ảnh web truy xuất được làm tham chiếu; cơ chế lấy thông tin web làm căn cứ thông thường cung cấp thông tin về chủ đề. Khả năng này hữu ích cho đồ họa dựa trên dữ kiện hoặc cảnh có diện mạo phụ thuộc vào đối tượng thực. Quy trình tìm kiếm hình ảnh không hỗ trợ truy xuất ảnh người ngoài đời cho mục đích này. Phản hồi có căn cứ đi kèm siêu dữ liệu nguồn và ghi công trong quy trình được Google mô tả, nên ứng dụng cần giữ chúng cùng kết quả tạo ra.
Chế độ suy luận có thể cấu hình ở các mức minimal, medium và high, mặc định medium với đúng mô hình này. Tính năng giúp mô hình xử lý bố cục và chỉ dẫn phức tạp hơn trước đầu ra cuối. Hướng dẫn hình ảnh mô tả ảnh bố cục trung gian trong quá trình đó; chúng tách biệt với sản phẩm cuối dự kiến. Chọn rõ bố cục cuối, tỷ lệ và độ phân giải yêu cầu thay vì trông đợi riêng mô tả trong câu lệnh xác định mọi thiết lập đầu ra.
Chỉnh sửa qua hội thoại cho phép yêu cầu tiếp nối thay đổi một phần kết quả có sẵn: điều chỉnh ánh sáng, di chuyển đối tượng hoặc dịch nhãn trong khi giữ phần bố cục còn lại. Đưa ảnh hoặc tương tác trước vào lượt tiếp theo và nêu cả thay đổi yêu cầu lẫn đặc điểm cần giữ. Với chuỗi nhân vật, giữ tham chiếu ngoại hình nhất quán và dùng tham chiếu tư thế khi góc mới hoặc tư thế phức tạp quan trọng. Đề bài sửa thực tế có thể là: “Giữ sản phẩm, nhãn và bố cục; chỉ đổi nền thành màu xám ấm hơn.”
Bảng mô hình ghi giới hạn đầu vào 131,072 token và đầu ra 32,768 token. Tạo hình ảnh và sử dụng kết quả tìm kiếm làm căn cứ được hỗ trợ, còn tạo âm thanh, thực thi mã, gọi hàm, đầu ra có cấu trúc, bộ nhớ đệm, tìm kiếm tệp, ngữ cảnh URL và Live API không được liệt kê là hỗ trợ cho phiên bản này. Video có thể cung cấp thông tin cho ảnh tĩnh tạo ra; điều đó không biến mô hình thành công cụ tạo video. Google cũng lưu ý yêu cầu số lượng ảnh chính xác có thể không tạo đúng số đó. Mọi ảnh tạo ra đều có hình mờ SynthID.
Để có đề bài đầu tiên hữu ích, nêu mục đích ảnh, chủ thể, bố cục, ánh sáng, góc máy, văn bản bắt buộc và hình dạng đầu ra. Ví dụ, yêu cầu đồ họa thông tin dọc có 3 bước gắn nhãn, tiêu đề dễ đọc và thứ bậc màu đã chỉ định, rồi kiểm tra câu chữ và vị trí tương đối trước lần sửa tiếp theo. Kết quả có thể trở thành minh họa sản phẩm, đồ họa biên tập hoặc tham chiếu thiết kế, với ảnh đã chọn và văn bản giải thích được giữ cùng nhau.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn google/gemini-nano-banana-2.1 | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: synchronous_or_streamed
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.003 / 1K token Đầu ra · Token đầu ra $0.015 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token Đầu ra · Token ảnh đầu ra $0.06 / 1K token hình ảnh |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.003 / 1K token Đầu ra · Token đầu ra $0.015 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "google/gemini-nano-banana-2.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-nano-banana-2.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-nano-banana-2.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra google/gemini-nano-banana-2.1
/v1/images
Ví dụ kỹ thuật bằng tiếng Anh
Refine an approved poster background\n\nEdit the supplied event poster. Preserve every word, the headline hierarchy, illustration placement and portrait composition. Change only the background from cool white to warm ivory, keeping dark text readable and retaining the original accent color. Do not add shapes, badges, textures or extra captions. Return the revised poster image.One edited poster with the original wording and layout preserved over a warm ivory background.Compare every word and element position against the supplied poster, then inspect text contrast.