
Texto para Imagem
Crie imagens de IA a partir de prompts de texto
Edição precisa de imagens alimentada pelo Google Gemini 3.0 Pro API com saída nativa 2K/4K. Oferece modificações locais confiáveis e alta estabilidade a um custo por solicitação acessível.
Experimente agora o Gerador de Imagens por IA
| Parâmetros | Preço | Preço original | Desconto |
|---|
A API Nano Banana Pro Edit do Google (alimentada pelo modelo de imagem Gemini 3.0 Pro) oferece edição de imagens com IA econômica e pronta para produção para desenvolvedores e equipes criativas. Esta integração premium de API de edição de imagens Gemini ajuda você a transformar visuais existentes em resultados em alta resolução de até 4K por meio de instruções em linguagem natural. O modelo Gemini oferece raciocínio semântico para edições complexas, enquanto a API fornece integração estável para fluxos de trabalho escaláveis na Flaq AI.
Observação Certifique-se de que seus prompts estejam em conformidade com as Diretrizes de Segurança do Google. Se ocorrer um erro, revise seu prompt em busca de conteúdo restrito, ajuste-o e tente novamente.
Explore várias ferramentas de criação com IA para fluxos rápidos de imagem e vídeo no navegador, depois escale ideias bem-sucedidas com as APIs de modelos prontas para produção da Flaq AI. A Flaq AI fornece uma camada de API unificada para todos os modelos, facilitando o uso e a escala dos seus fluxos.

Crie imagens de IA a partir de prompts de texto

Crie imagens de IA a partir de imagens e prompts de texto

Crie vídeos de IA a partir de prompts de texto

Anime imagens em vídeos de IA

Crie imagens e vídeos com IA em um espaço de trabalho unificado

Crie vídeos consistentes usando mídias de referência
// Step 1: Submit generation request
// width and height must be aspect-ratio integers such as 16 and 9,
// not pixel dimensions like 768 and 1280.
// Currently all width/height values are passed as ratio integers,
// and the backend does not support custom pixel dimensions for these fields.
const response = await fetch('https://api.flaq.ai/api/v1/image/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'nano-banana-pro-edit',
prompt: 'Transform this image into a watercolor painting style',
width: 16, // Aspect-ratio value, not pixel width
height: 9, // Aspect-ratio value, not pixel height
resolution: '2k', // Supported values: '1k', '2k', '4k'
image_url_list: [
'https://example.com/image1.jpg',
'https://example.com/image2.jpg'
]
})
});
const { data } = await response.json();
const taskId = data.task_id;
// Step 2: Poll for results
const taskId = data.task_id;
const pollResult = async (taskId) => {
const res = await fetch(`https://api.flaq.ai/api/v1/image/${taskId}`, {
headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
});
return res.json();
};
while (true) {
const pollResultData = await pollResult(taskId);
const status = pollResultData.data.task_status;
if (status === 'succeed') {
console.log(pollResultData.data.task_result.images[0].url);
break;
}
if (status === 'failed') {
console.error(pollResultData.data.task_status_msg);
break;
}
await new Promise(resolve => setTimeout(resolve, 10000));
}
# Step 1: Submit generation request
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/image/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'nano-banana-pro-edit',
'prompt': 'Transform this image into a watercolor painting style',
'width': 16, # Aspect-ratio value, not pixel width
'height': 9, # Aspect-ratio value, not pixel height
'resolution': '2k', # Supported values: '1k', '2k', '4k'
'image_url_list': [
'https://example.com/image1.jpg',
'https://example.com/image2.jpg'
]
}
)
result = response.json()
task_id = result['data']['task_id']
# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/image/{task_id}"
while True:
poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
status = poll_result['data']['task_status']
if status == 'succeed':
print(poll_result['data']['task_result']['images'][0]['url'])
break
if status == 'failed':
print(poll_result['data']['task_status_msg'])
break
time.sleep(10)
# Step 1: Submit generation request
curl -X POST https://api.flaq.ai/api/v1/image/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "nano-banana-pro-edit",
"prompt": "Transform this image into a watercolor painting style",
"width": 16,
"height": 9,
"resolution": "2k",
"image_url_list": [
"https://example.com/image1.jpg",
"https://example.com/image2.jpg"
]
}'
# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/image/{task_id}" \
-H "Authorization: Bearer YOUR_API_KEY"