
文字轉圖片
從文字提示詞建立 AI 圖片
Google Gemini 3.1 Flash 快速穩定的圖像編輯 API,編輯響應迅速,支援高並發呼叫。API 呼叫成本低,服務穩定可靠,無論是背景替換、色彩調整、微調優化等輕量圖像編輯需求皆能從容應對。特別適合需要可靠性和低成本 API 入口的即時應用、使用者互動式編輯工具和高頻編輯場景,讓企業和開發者以極高性價比,輕鬆整合專業編輯能力,顯著提升內容產出效率與編輯靈活性。
立即體驗 AI 圖片生成器
| 參數 | 價格 | 原價 | 折扣 |
|---|
Google Nano Banana 2 Edit API(由 Gemini 3.1 Flash Image 模型驅動)為開發者與創意團隊提供經濟高效、可投入生產的 AI 圖像編輯能力。這項經濟實惠的 Gemini 圖像編輯 API 整合,能透過自然語言指令將既有視覺素材轉換成專業輸出。Gemini 模型為複雜編輯提供語意推理,而 API 則為 Flaq AI 上可擴展的工作流程提供穩定整合。
注意 請確保您的提示詞符合 Google 的安全指南。如果發生錯誤,請檢查您的提示詞是否包含受限內容,調整後再試一次。
在瀏覽器中探索多種 AI 創作工具,快速完成圖片與影片工作流程,然後透過 Flaq AI 的生產級模型 API 擴展成功想法。Flaq AI 為所有模型提供統一 API 層,讓你的工作流程更容易使用和擴展。
// Step 1: Submit generation request
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-2-edit',
prompt: 'Add flying cars and neon lights to this cityscape',
image_url_list: ['https://example.com/input-image.jpg'],
width: 16,
height: 9,
resolution: '2k'
})
});
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-2-edit',
'prompt': 'Add flying cars and neon lights to this cityscape',
'image_url_list': ['https://example.com/input-image.jpg'],
'width': 16,
'height': 9,
'resolution': '2k'
}
)
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-2-edit",
"prompt": "Add flying cars and neon lights to this cityscape",
"image_url_list": ["https://example.com/input-image.jpg"],
"width": 16,
"height": 9,
"resolution": "2k"
}'
# 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"