メインコンテンツへスキップ

Nano Banana Pro APIの使い方:公式JSON・YAML設定・PDFからの画像生成

Nano Banana Proはgemini-3-pro-imageを指定し、新規実装では公式Interactions APIから始められます。JSON・YAML設定を送信用の形式へ変換し、返却MIMEで画像を保存するコードと、PDFを先に読解する2段階の手順を示します。

LaoZhang AI Team公開更新 26 分で読めます
目次
アプリのJSON・YAML設定を公式Interactionsへ変換して画像を保存し、PDFは読解と確認を経由して画像化する概念図

Nano Banana ProをGoogleのAPIで使うなら、モデルIDは gemini-3-pro-image です。新規実装では、POST https://generativelanguage.googleapis.com/v1beta/interactionsへJSONを送り、応答のmodel_outputに含まれる画像を保存するところから始められます。既存のgenerateContentも引き続きサポートされていますが、リクエストとレスポンスの形式が違います。Googleの画像生成ガイド、Interactions APIの概要を基準に実装してください。

YAMLはアプリ用の設定として読み込み、APIに送るJSONへ変換します。PDFから図を作る場合は、まず文書対応モデルで内容を読み、元資料と照合した情報をProへ渡します。このページでは、それぞれの接続部分までコードで示します。

以下は2026年10月7日に確認した公式資料に基づく例です。JSON・YAMLの変換、Pythonの構文、合成レスポンスからの保存処理はオフラインで確認しています。実APIへの送信、画像の生成品質、待ち時間、請求額は検証していません。挿図は仕組みを説明するためのものです。

まず公式JSONで1枚生成し、応答をファイルへ残す

必要なのは、Googleプロジェクトに紐づくGemini APIキーと、Proを利用できる課金設定です。キーを取得しただけでは無料でProを生成できません。認証条件はAPIキーの公式ガイド、料金は後述の表を確認してください。

次の内容をrequest.jsonとして保存します。サンプルは、キーボードの商品画像を16:9・2Kで生成するリクエストです。

json
{
  "model": "gemini-3-pro-image",
  "input": [
    {
      "type": "text",
      "text": "黒いメカニカルキーボードの商品画像を作成してください。斜め上から撮影した構図、無彩色の背景、柔らかな照明。ロゴや説明文は入れないでください。"
    }
  ],
  "response_format": {
    "type": "image",
    "mime_type": "image/png",
    "aspect_ratio": "16:9",
    "image_size": "2K"
  },
  "store": false
}

<GOOGLE_API_KEY>を自分のキーに置き換え、管理されたサーバー環境から送信する形です。キーを公開コードや共有ログへ残さず、本番では秘密情報の管理機能からヘッダーへ渡してください。

bash
curl --fail-with-body -sS \
  "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: <GOOGLE_API_KEY>" \
  -H "Content-Type: application/json" \
  --data-binary @request.json \
  --output response.json

ここでのresponse.jsonは画像ファイルそのものではありません。HTTPが成功し、応答の中から画像を取り出して保存できたことが、最初の動作確認の基準です。curlが失敗した場合は、画像保存へ進む前にresponse.jsonのエラーを確認します。

store: falseは、今回の単発処理でInteractionsの会話状態を保存しない選択です。保存したIDで後から会話を継続する方法や、バックグラウンド処理には使えません。また、ゼロデータ保持(ZDR)を証明する設定でもありません。Interactionsの保存条件を踏まえ、継続編集には保存済みIDを使うか、必要な履歴を次のリクエストへ明示的に含めます。IDを使っても、tools、system_instruction、generation_configは毎回指定する必要があります。

返却MIMEを見て、すべての画像を保存する

Interactionsの応答は、時系列のstepsを持ちます。type: "model_output"の中のcontentを走査し、type: "image"のデータを取り出します。SDKのoutput_imageは最後の画像を返すショートカットなので、複数画像を扱う処理にはそれだけを使わないでください。公式ガイドの複数出力の説明が根拠です。

以下をsave_images.pyとして保存します。Python 3.10以降の標準ライブラリだけで動き、APIは呼びません。PNGを要求していても、保存時には、実際に返されたmime_typeを使います。未知のMIME、空データ、不正なbase64はエラーにし、PNGと決めつけて書き出さない実装です。

python
import base64
import json
import sys
from pathlib import Path

EXTENSIONS = {
    "image/png": ".png",
    "image/jpeg": ".jpg",
    "image/webp": ".webp",
}


def save_images(result: dict, directory: Path) -> list[Path]:
    decoded = []
    for step in result.get("steps", []):
        if step.get("type") != "model_output":
            continue
        for block in step.get("content", []):
            if block.get("type") != "image":
                continue
            mime = block.get("mime_type")
            data = block.get("data")
            if mime not in EXTENSIONS:
                raise ValueError(f"未対応の画像MIME: {mime!r}")
            if not isinstance(data, str) or not data:
                raise ValueError("画像のbase64データがありません")
            raw = base64.b64decode(data, validate=True)
            if not raw:
                raise ValueError("画像データが空です")
            decoded.append((raw, EXTENSIONS[mime]))

    if not decoded:
        raise ValueError("model_outputに画像がありません。応答本文を確認してください")
    directory.mkdir(parents=True, exist_ok=True)
    paths = []
    for number, (raw, extension) in enumerate(decoded, 1):
        path = directory / f"image-{number:03d}{extension}"
        with path.open("xb") as output:
            output.write(raw)
        paths.append(path)
    return paths


if __name__ == "__main__":
    result = json.loads(Path(sys.argv[1]).read_text(encoding="utf-8"))
    for path in save_images(result, Path(sys.argv[2])):
        print(path)

実行時は、まだ画像を保存していないディレクトリを指定します。xbで開くため、同名ファイルがあると上書きせず停止します。

bash
python3 save_images.py response.json output-first

この処理はuser_inputや思考用のステップを成果物に含めず、SDKのショートカットと同じ画像を二重に保存することもありません。ただし、プロンプトに「3枚」と書けば必ず3枚返る、という保証はありません。保存後に必要な枚数、画像の内容、文字や数値、ファイルが開けることを確認します。

アプリのJSONとYAMLを、公式リクエストへ変換する

APIに送るJSONと、制作条件を管理するJSONは役割が違います。前者の項目はGoogleが定義し、後者の項目はアプリ側で定義します。subjectやpreserveを整理しても、それ自体がGoogleの公式プロンプト形式になるわけではありません。

また、JSONを送信できることと、モデルの出力をJSONスキーマで制約できることは別です。Proのモデル仕様ではStructured Outputsは非対応です。

同じ制作条件をJSONまたはYAMLで保存する

次をjob.jsonとして保存できます。

json
{
  "api": "google-interactions",
  "model": "gemini-3-pro-image",
  "prompt": {
    "subject": "黒いメカニカルキーボードの商品画像",
    "scene": "斜め上から撮影した構図、無彩色の背景、柔らかな照明",
    "preserve": ["筐体の形状", "キー配列"],
    "avoid": ["ロゴ", "説明文"]
  },
  "output": {
    "mime_type": "image/png",
    "aspect_ratio": "16:9",
    "image_size": "2K"
  },
  "store": false
}

同じ内容をYAMLで管理するなら、job.yamlは次の形です。

yaml
api: google-interactions
model: gemini-3-pro-image
prompt:
  subject: 黒いメカニカルキーボードの商品画像
  scene: 斜め上から撮影した構図、無彩色の背景、柔らかな照明
  preserve:
    - 筐体の形状
    - キー配列
  avoid:
    - ロゴ
    - 説明文
output:
  mime_type: image/png
  aspect_ratio: "16:9"
  image_size: "2K"
store: false

型を明示すると、設定ファイルを読み込んだ後の境界をはっきりさせられます。

アプリの項目値の型APIへ渡す先
api固定文字列送信先の選択に使用。bodyには入れない
model固定文字列model
prompt.subject、prompt.scene空でない文字列自然文に組み立ててinput[0].textへ
prompt.preserve、prompt.avoid文字列の配列同じプロンプトに追加
outputMIME・比率・サイズの文字列response_formatの各項目
store真偽値store。文字列の"false"は不可

"16:9"と"2K"は引用符を付けて文字列として保存します。型注釈だけでは読み込んだ値を検査できないため、次の変換コードでは実際の値も確認します。

型と値を検査してからJSONを作る

次をcompile_job.pyとして保存します。JSON入力は標準ライブラリだけで処理できます。YAML入力を使う環境にはPyYAMLが必要で、safe_loadで読み込みます。どちらも同じ検査と変換を通します。この例の出力指定はimage/pngに限定し、保存処理では返却MIMEを確認します。

python
import json
import sys
from pathlib import Path
from typing import TypedDict


class Prompt(TypedDict):
    subject: str
    scene: str
    preserve: list[str]
    avoid: list[str]


class Output(TypedDict):
    mime_type: str
    aspect_ratio: str
    image_size: str


class Job(TypedDict):
    api: str
    model: str
    prompt: Prompt
    output: Output
    store: bool


RATIOS = {"1:1", "2:3", "3:2", "3:4", "4:3",
          "4:5", "5:4", "9:16", "16:9", "21:9"}
SIZES = {"1K", "2K", "4K"}
MIMES = {"image/png"}


def nonempty(value):
    return isinstance(value, str) and bool(value.strip())


def compile_job(job: Job) -> dict:
    if not isinstance(job, dict):
        raise ValueError("設定の最上位はオブジェクトにしてください")
    if set(job) != {"api", "model", "prompt", "output", "store"}:
        raise ValueError("設定の項目が不足しているか、未知の項目があります")
    if job["api"] != "google-interactions" or job["model"] != "gemini-3-pro-image":
        raise ValueError("この変換はGoogle InteractionsのPro専用です")
    if type(job["store"]) is not bool:
        raise ValueError("storeには真偽値が必要です")
    prompt, output = job["prompt"], job["output"]
    if not isinstance(prompt, dict) or set(prompt) != {"subject", "scene", "preserve", "avoid"}:
        raise ValueError("promptの項目を確認してください")
    for key in ("subject", "scene"):
        if not nonempty(prompt[key]):
            raise ValueError(f"prompt.{key}には文字列が必要です")
    for key in ("preserve", "avoid"):
        value = prompt[key]
        if not isinstance(value, list) or not all(nonempty(item) for item in value):
            raise ValueError(f"prompt.{key}には文字列の配列が必要です")
    if not isinstance(output, dict) or set(output) != {"mime_type", "aspect_ratio", "image_size"}:
        raise ValueError("outputの項目を確認してください")
    for key, allowed in (("mime_type", MIMES), ("aspect_ratio", RATIOS), ("image_size", SIZES)):
        if not isinstance(output[key], str) or output[key] not in allowed:
            raise ValueError(f"output.{key}の値が使えません")

    sentences = [f'{prompt["subject"]}を作成してください。', f'{prompt["scene"]}。']
    if prompt["preserve"]:
        sentences.append("維持するもの:" + "、".join(prompt["preserve"]) + "。")
    if prompt["avoid"]:
        sentences.append("入れないもの:" + "、".join(prompt["avoid"]) + "。")
    return {
        "model": job["model"],
        "input": [{"type": "text", "text": "".join(sentences)}],
        "response_format": {"type": "image", **output},
        "store": job["store"],
    }


if __name__ == "__main__":
    source = Path(sys.argv[1])
    text = source.read_text(encoding="utf-8")
    if source.suffix.lower() in {".yaml", ".yml"}:
        import yaml
        job = yaml.safe_load(text)
    else:
        job = json.loads(text)
    print(json.dumps(compile_job(job), ensure_ascii=False, indent=2))

この変換器はネットワークに接続しません。出力を見てから、先ほどのcurlと保存処理につなげられます。

bash
python3 compile_job.py job.json > request.json
# YAMLで管理する場合は、上の行の代わりにこちらを使う
python3 compile_job.py job.yaml > request.json

この検査が通っても、キーの有効性、アカウントの利用資格、実際のAPI受付までは分かりません。また、「筐体を維持する」という指示だけで形状の完全な一致が保証されるわけではありません。

画像編集では参照画像を入力へ追加する

画像を参照させる場合、Interactionsのinputへtype: "image"を追加します。以下は、手元のreference.pngを使って既存のrequest.jsonを編集用リクエストへ変えるコードです。reference.pngの実体がPNGであることと、利用権限があることを先に確認してください。

python
import base64
import json
from pathlib import Path

request = json.loads(Path("request.json").read_text(encoding="utf-8"))
request["input"][0]["text"] += "添付画像の商品形状とキー配列を参考にしてください。"
request["input"].append({
    "type": "image",
    "mime_type": "image/png",
    "data": base64.b64encode(Path("reference.png").read_bytes()).decode("ascii"),
})
Path("edit-request.json").write_text(
    json.dumps(request, ensure_ascii=False, indent=2), encoding="utf-8"
)

送信する際はcurlの入力を@edit-request.jsonへ変更します。dataには生バイトのbase64を入れ、data:image/png;base64,の接頭辞は付けません。JPEGなら、実際のファイルとmime_typeの両方を合わせます。公式画像生成ガイドは、参照画像を合計14枚までと説明していますが、Proでは物体・人物・スタイルごとの目安と、高精細な保持に関する別の条件があります。任意の14枚をすべて同じ精度で再現できると見込まず、必要な入力を絞ってください。

URLを使う既存のgenerateContentでURIエラーが出る場合は、画像URL・base64・ファイルURIを切り分ける手順を参照してください。対応するgenerateContentには外部HTTPS入力の経路がありますが、その仕様をそのままInteractionsの画像入力へ当てはめることはできません。

2K・4Kと縦横比を指定する際の注意

Proの指定値は1K、2K、4Kで、Kは大文字です。対応する比率は次の10種類です。公式のPro向け表を基準にしています。

用途指定できる比率
正方形1:1
縦長2:3、3:4、4:5、9:16
横長3:2、4:3、5:4、16:9、21:9

4Kは必ず4096×4096になるという意味ではありません。たとえば16:9の出力寸法は、1Kが1376×768、2Kが2752×1536、4Kが5504×3072です。一般的なAPIリファレンスに追加の比率やseedが載っていても、ProとInteractionsの組み合わせで使える根拠にはなりません。

ProはThinkingが既定で有効で、無効にできません。他モデル向けの調整方法を流用して、thinkingを切る設定やquality: "highest"、画像生成ツール固有のsamplerなどを足さないでください。

PDFから画像を作るには、読解と生成を2段階に分ける

Proのモデル仕様が示す入力はTextとImageです。PDF対応の説明がGemini全体にあっても、ProへPDFを直接入力できるとは判断できません。PDFは文書対応モデルで読解し、確認済みの要点をProへ渡します。

第1段階:PDFから要点と参照ページを取り出す

公式の文書処理ガイドにある文書対応モデルの例はgemini-3.8-flashです。Interactionsで使う文書ブロックはtype: "document"、mime_type: "application/pdf"、base64のdataという形です。次のスクリプトをpdf_bridge.pyとして保存します。

この例は小さなPDFをインラインで渡します。文書処理の上限は50MBまたは1,000ページで、複数PDFとテキストを合わせたコンテキスト上限も適用されます。下のコードはページ数を数えないため、利用者側で1,000ページ以下であることを確認してください。大きい資料や繰り返し使う資料は、同じ公式ガイドのFiles API経路が候補になります。ここでは実際のアップロードは行いません。

python
import base64
import json
import sys
from pathlib import Path


def check_brief(brief: dict) -> None:
    if not isinstance(brief, dict) or not isinstance(brief.get("facts"), list) or not brief["facts"]:
        raise ValueError("factsには1件以上の要点が必要です")
    for fact in brief["facts"]:
        if not isinstance(fact, dict):
            raise ValueError("要点はオブジェクトにしてください")
        text, pages = fact.get("text"), fact.get("page_refs")
        if not isinstance(text, str) or not text.strip():
            raise ValueError("要点のtextが空です")
        if not isinstance(pages, list) or not pages or not all(type(p) is int and p > 0 for p in pages):
            raise ValueError("page_refsには1始まりのページ番号が必要です")
    if not isinstance(brief.get("layout"), str) or not brief["layout"].strip():
        raise ValueError("layoutには図の構成を指定してください")


def run(mode: str, source: Path) -> dict:
    if mode == "prepare":
        raw = source.read_bytes()
        if not raw.startswith(b"%PDF-") or len(raw) > 50_000_000:
            raise ValueError("PDFの形式またはファイルサイズを確認してください")
        return {
            "model": "gemini-3.8-flash",
            "input": [
                {"type": "text", "text": (
                    '資料の要点を図にするため、JSONだけを返してください。'
                    '形式は{"facts":[{"text":"要点","page_refs":[1]}],'
                    '"layout":"図の構成"}です。ページ番号は1始まりです。'
                    '数値と固有名詞は資料どおりに記載し、読めない部分は推測しないでください。'
                )},
                {"type": "document", "mime_type": "application/pdf",
                 "data": base64.b64encode(raw).decode("ascii")},
            ],
            "store": False,
        }
    result = json.loads(source.read_text(encoding="utf-8"))
    if mode == "extract":
        texts = [block["text"]
                 for step in result.get("steps", []) if step.get("type") == "model_output"
                 for block in step.get("content", []) if block.get("type") == "text"]
        result = json.loads("\n".join(texts))
        check_brief(result)
        result["approved"] = False
        return result
    if mode == "image":
        check_brief(result)
        if result.get("approved") is not True:
            raise ValueError("元のPDFとの照合が終わるまで生成へ進めません")
        facts = "\n".join(f'- {fact["text"]}' for fact in result["facts"])
        return {
            "model": "gemini-3-pro-image",
            "input": [{"type": "text", "text": (
                "以下の確認済み情報から、日本語の説明図を作成してください。\n"
                + facts + "\n図の構成:" + result["layout"]
                + "\n数値と固有名詞を変えず、記載のない情報は追加しないでください。"
            )}],
            "response_format": {"type": "image", "mime_type": "image/png",
                                "aspect_ratio": "16:9", "image_size": "2K"},
            "store": False,
        }
    raise ValueError("prepare、extract、imageのいずれかを指定してください")


if __name__ == "__main__":
    print(json.dumps(run(sys.argv[1], Path(sys.argv[2])), ensure_ascii=False, indent=2))

次の順でファイルを作ります。source.pdfは利用が承認された自分の資料に置き換えてください。

bash
python3 pdf_bridge.py prepare source.pdf > pdf-request.json

最初のcurlの入力を@pdf-request.json、出力をdocument-response.jsonに変えて文書モデルへ送信します。その後、返ってきたテキストを取り出します。

bash
python3 pdf_bridge.py extract document-response.json > extracted-brief.json

JSONだけを返すよう指示していますが、返却形式の強制や内容の正しさを保証するものではありません。文章やコードフェンスが混ざってJSONとして読めなければ停止します。抽出できた場合も、page_refsに挙がったページを開き、要点、数値、固有名詞を元のPDFと照合してください。資料中で読めない情報は補わず、根拠が確かめられる要点に絞ります。

第2段階:確認した要点からPro用のJSONを作る

照合と修正が済んだextracted-brief.jsonをapproved-brief.jsonという名前で保存し、approvedを真偽値のtrueへ変更します。たとえば、確認後のファイルは次の形になります。これは合成例で、実在する資料の抽出結果ではありません。

json
{
  "facts": [
    {"text": "申請後に担当者が内容を確認し、承認後に公開する", "page_refs": [2]}
  ],
  "layout": "申請、確認、承認、公開の順に、横並びの4段階で示す",
  "approved": true
}
bash
python3 pdf_bridge.py image approved-brief.json > pdf-image-request.json

生成用JSONができたら、最初のcurlで@pdf-image-request.jsonを送り、出力をpdf-image-response.jsonへ保存します。画像の取り出し方は同じです。

bash
python3 save_images.py pdf-image-response.json output-pdf

レイアウト自体を参照させたい場合は、必要なページをPNGやJPEGへレンダリングし、前述の画像編集と同じ方法で生成用JSONに追加できます。ファイル名やMIMEを変更するだけでは、PDFが画像になるわけではありません。最終画像の文字・数値も確認し、正確な資料の再現が必須なら、抽出情報を通常の図表作成ツールへ渡す方法も検討してください。

顧客資料などを扱う前には、文書モデル、画像モデル、仲介先、自社ログを含めた送信経路が承認されている必要があります。保持条件の確認はLLM APIのデータ保持とZDRの手順で別に扱っています。

APIキー・料金・クォータはプロジェクト単位で確認する

APIキーの認証と、Googleプロジェクトの課金・クォータを分け、キー追加でも同じプロジェクトの上限は増えないと示す図

APIキーは認証に使いますが、料金と利用上限はGoogleプロジェクトに紐づきます。同じプロジェクトでキーを増やしてもクォータは増えません。RPM、入力TPM、RPD、画像のIPMなど、適用される上限を公式のレート制限ガイドと自分のプロジェクトで確認します。

認証について、「2026年9月以降はstandard keyがすべて拒否される」という理解は正確ではありません。 APIキーの公式説明では、2026年5月28日以降のAI Studioの新規キーは既定でauth keyとなり、サービスアカウントに紐づきます。制限のないstandard keyは拒否されますが、適切に制限されたstandard keyは引き続き利用できます。認証エラーでは、発行元、APIの制限、プロジェクトとの紐づけを確認してください。

2026年10月7日に確認したGoogleのPro料金表は次のとおりです。米ドル建てで、画像出力分を示します。

処理方式1K・2Kの画像出力相当4Kの画像出力相当
Standard0.134米ドル0.24米ドル
Batch0.067米ドル0.12米ドル

Standardの画像出力は100万トークン当たり120米ドルです。1K・2Kは1,120トークンなので計算上は0.1344米ドル、4Kは2,000トークンで0.24米ドルになります。1K・2Kを100枚なら画像出力分は13.44米ドルで、入力やテキスト・Thinkingの出力、検索、税、追加生成は含みません。画像入力は1枚560トークン、Standardの入力単価は100万トークン当たり2米ドルです。

ProのAPIには無料枠の料金が表示されていません。AI Studioでの試用と無料API枠は区別してください。Batchは対応する専用APIで使うもので、Interactionsの送信先に/batchを足す実装にはできません。料金表にはFlexとPriorityの行もありますが、Proのモデル仕様は両方を非対応と記載しています。価格行だけで利用可能と判断せず、この例ではStandardを使用します。

仲介APIへ接続する場合は、送信形式と保存処理を切り替える

Googleの仕様で実装したい場合は、ここまでの直結経路から始めると、送信先と応答を揃えられます。既存システムがOpenAI互換形式を使っているなどの事情があれば、仲介APIも候補になります。ただし、同じモデル名でもキー、料金、入力、出力はそのサービスの仕様に従います。

Google Interactionsと仲介generateContentで、送信先・認証・リクエスト・画像保存処理を別々にそろえる図

LaoZhangのPro向け公開ドキュメントでは、独自のgenerateContent互換経路で比率と1K・2K・4Kを指定できます。GoogleのAPIキーではなく、LaoZhang側で発行されたキーを使います。以下は同サービス向けのリクエストで、Google InteractionsのJSONとは別です。JSONをprovider-request.jsonへ保存します。

注記:laozhang.ai は当ブログ運営チームの自社サービスです。その料金は中立的な比較ではなく、自社の提示価格です。

POST https://api.laozhang.ai/v1beta/models/gemini-3-pro-image:generateContent
Authorization: Bearer <LAOZHANG_API_KEY>
Content-Type: application/json
json
{
  "contents": [
    {
      "parts": [
        {"text": "黒いメカニカルキーボードの商品画像。斜め上からの構図、無彩色の背景、柔らかな照明。"}
      ]
    }
  ],
  "generationConfig": {
    "responseModalities": ["TEXT", "IMAGE"],
    "imageConfig": {"aspectRatio": "16:9", "imageSize": "2K"}
  }
}

次の送信例では、LaoZhang側のキーを指定し、応答をprovider-response.jsonへ保存します。

bash
curl --fail-with-body -sS \
  "https://api.laozhang.ai/v1beta/models/gemini-3-pro-image:generateContent" \
  -H "Authorization: Bearer <LAOZHANG_API_KEY>" \
  -H "Content-Type: application/json" \
  --data-binary @provider-request.json \
  --output provider-response.json

返却画像はcandidates[].content.parts[].inlineDataから取得します。Google Interactionsのsteps用保存処理は使えません。前述のsave_images.pyを読み込む次の変換コードをsave_native_images.pyとして保存すれば、同じMIME別の保存処理を再利用できます。

python
import json
import sys
from pathlib import Path
from save_images import save_images

result = json.loads(Path(sys.argv[1]).read_text(encoding="utf-8"))
blocks = []
for candidate in result.get("candidates", []):
    for part in candidate.get("content", {}).get("parts", []):
        if part.get("thought"):
            continue
        inline = part.get("inlineData")
        if isinstance(inline, dict):
            blocks.append({"type": "image", "mime_type": inline.get("mimeType"),
                           "data": inline.get("data")})
adapted = {"steps": [{"type": "model_output", "content": blocks}]}
for path in save_images(adapted, Path(sys.argv[2])):
    print(path)
bash
python3 save_native_images.py provider-response.json output-provider

provider-response.jsonは、上の送信先にリクエストした応答を保存したファイルです。Googleで既存のgenerateContentを保守する場合も、contentsとcandidatesの形式を扱います。Googleの互換APIは引き続きサポートされていますが、詳細な出力設定にはそのAPI専用の画像生成ガイドを使い、仲介先の認証や価格を持ち込まないでください。

LaoZhangのもう一つの経路、https://api.laozhang.ai/v1/chat/completionsはmessages形式で、文生図は固定の1:1・1Kと記載されています。そこへInteractionsのresponse_formatや上のgenerationConfigを追加しても、4K指定の代わりにはなりません。

同じ公開資料の料金は1回0.09米ドルで、HTTP 200なら画像がない場合も1回分課金すると説明されています。資料の更新日は2026年9月24日で、今回個別アカウントの最新価格や請求は確認していません。Googleのトークン課金とは料金の数え方が違うため、すべての条件で安い、失敗は無料、同じ制限で使えるとは判断できません。LaoZhangは本ブログと関係するサービスです。採用する場合は、必要な出力仕様、課金条件、保持条件が自分の用途に合うことを確認してください。

エラーが出たら、本文のコードと実際の送信先を照合する

Google Interactionsでは、HTTPステータスだけでなく、応答のerrorにあるcodeとmessageを読みます。公式エラー一覧に沿って、最初の確認箇所を分けます。

症状・コード先に確認すること次の操作
400 invalid_request、parameter_unknownJSONの項目・型、別APIの項目が混ざっていないか同じ送信先のまま入力を修正する
400 failed_precondition、402 payment_required利用条件・課金状態条件を解決するまで再送を止める
401 authentication、403 permission_deniedキーの発行元、ヘッダー、権限・制限対象プロジェクトと認証条件を確認する
404 model_not_found、not_foundモデルID、送信先、参照したリソース古いpreview IDや別APIのURIを切り分ける
429rate_limit_exceeded、quota_exceededなどの内訳混雑なら送信数を減らす。割当不足なら利用条件を確認する
500、503、504処理ID、既存の結果、サービス状態結果の有無を確認し、必要なら回数を限って再試行する
200だが画像が保存できない選択したAPIの応答形式、画像ブロック、エラーや説明文先に保存処理と応答本文を確認する

image_safetyやimage_prohibited_contentなどは画像生成が止まった理由であり、認証エラーの証拠ではありません。no_imageも、画像がないという結果だけで通信障害と決めつけられません。安全設定を緩めて解決しようとせず、入力と適用条件を確認します。

一時的な障害に再試行するなら、待機時間を増やし、揺らぎを加え、回数に上限を設けます。タイムアウトは「生成されなかった」ことを証明しないため、処理IDや保存済みの結果を確認せず再送すると、重複生成や追加料金につながる可能性があります。問い合わせ用の記録には、時刻、API、モデル、処理ID、秘密情報を除いた項目とエラーを残し、キーや顧客PDF、画像のbase64全体は含めません。

よくある質問

Nano Banana ProのAPIにJSONプロンプトをそのまま送れますか?

Googleが定義するリクエストJSONは送れます。制作条件を管理する独自のJSONオブジェクトは、そのまま公式の項目になるわけではないため、本文の変換例のように自然文と出力設定へ分けます。ProはStructured Outputs非対応で、JSON入力からスキーマどおりのJSON出力が保証されるわけでもありません。モデル仕様を確認してください。

YAMLをリクエストbodyとして送れますか?

この公式経路では、YAMLをそのまま送らず、JSONへ変換します。storeは真偽値、比率とサイズは文字列として検査し、アプリ独自の項目をAPIのbodyに混ぜないようにします。

PDFを添付すれば、Nano Banana Proが直接読んで図にできますか?

Proの入力仕様はTextとImageです。PDFは文書対応モデルで読み、参照ページと内容を確認した要点をProへ渡してください。50MB・1,000ページという上限は文書処理の仕様であり、ProがPDFを直接受け付ける上限ではありません。

4Kを指定したのに4096×4096にならないのはなぜですか?

4Kは比率ごとのサイズ区分です。16:9・4Kは公式表で5504×3072です。正方形が必要ならaspect_ratio: "1:1"も指定します。公式の寸法表を参照してください。

APIキーを複数作れば、429を避けられますか?

同じGoogleプロジェクトのキーを増やしてもクォータは増えません。429のエラーコードと、そのプロジェクトに適用される上限を確認してください。レート制限の公式説明では、プロジェクト単位の管理とされています。

参考資料9

本文で参照している外部ページを、登場順に並べています。最終更新日:2026年10月7日。

  1. 1.Googleの画像生成ガイドai.google.dev/gemini-api/docs/image-generation
  2. 2.Interactions APIの概要ai.google.dev/gemini-api/docs/interactions-overview
  3. 3.APIキーの公式ガイドai.google.dev/gemini-api/docs/api-key
  4. 4.モデル仕様ai.google.dev/gemini-api/docs/models/gemini-3-pro-image
  5. 5.公式の文書処理ガイドai.google.dev/gemini-api/docs/document-processing
  6. 6.公式のレート制限ガイドai.google.dev/gemini-api/docs/rate-limits
  7. 7.GoogleのPro料金表ai.google.dev/gemini-api/docs/pricing
  8. 8.そのAPI専用の画像生成ガイドai.google.dev/gemini-api/docs/generate-content/image-generation
  9. 9.公式エラー一覧ai.google.dev/gemini-api/docs/api-errors
さらに読む: API ガイド