Nano Banana Pro и seed: как повторить изображение и сохранить персонажа
Для точного повторения одобренной картинки сохраняйте сам файл. Для новых сцен используйте референс и список неизменных деталей. Seed есть в общей схеме Gemini API и в отдельных интерфейсах провайдеров, но это не гарантия одинаковых пикселей у Nano Banana Pro.
Содержание

Если вам нужна та же самая картинка, надёжный способ — вернуть сохранённый файл, а не генерировать его заново. Если нужна другая сцена с тем же персонажем, используйте одобренное изображение как референс и явно перечислите, что разрешено менять. Seed решает отдельную задачу: задаёт начальное значение случайности там, где это предусмотрено конкретным интерфейсом, но сам по себе не обещает одинаковые пиксели.
У Nano Banana Pro нет оснований для категоричного ответа «seed нигде не существует». В общей схеме Google GenerationConfig поле seed документировано; там же сказано, что не все параметры доступны каждой модели. В интерфейсах Ideogram и Runware для Nano Banana Pro seed указан отдельно. Эти документы подтверждают наличие параметра в соответствующем контракте, а не результат испытания Google или гарантию точного повторения. Ниже — как выбрать подход и собрать запрос без смешения форматов API.
Что именно вы хотите повторить?
Сначала определите критерий приёмки. Иначе «одинаковые изображения» легко превращаются в несколько разных требований.
| Задача | Что считать успехом | Что использовать |
|---|---|---|
| Снова показать одобренный баннер | Совпадает SHA-256 файла | Хранить исходный результат и отдавать его по постоянному идентификатору |
| Получить те же пиксели в другом формате | Совпадают размеры и декодированные пиксели | Локальное преобразование с фиксированными настройками; отдельно проверить результат |
| Поместить персонажа в новую сцену | Сохранены лицо, одежда и другие обязательные признаки | Референс, точные ограничения изменений и отбор результата |
| Повторить эксперимент генерации | Сохранены запрос, модель, настройки и результаты повторных запусков | Зафиксировать конкретный интерфейс и проверять seed в нём |
Одинаковые пиксели не обязательно означают одинаковый файл: перекодирование, метаданные и настройки сжатия могут изменить байты. А одинаковый персонаж на двух картинках — ещё более мягкое требование: фон и положение тела могут различаться намеренно.
Для баннера, который уже прошёл согласование, сохранение файла закрывает задачу сразу. Для серии иллюстраций понадобится генерация с референсом. Для автоматического теста интерфейса обычно достаточно заранее сохранённой картинки: повторный вызов модели добавляет переменную, которая не относится к проверке вашего приложения.
Поддерживает ли Nano Banana Pro seed в вашем API?
Проверяйте документацию того адреса, на который отправляете запрос. Название модели не делает параметры разных сервисов взаимозаменяемыми.
| Интерфейс | Что документировано | Какой вывод можно сделать |
|---|---|---|
Google Gemini API, generateContent | Целочисленный generationConfig.seed; без него используется случайное значение. Не все параметры настраиваются для каждой модели | Поле существует в общей схеме. Она не подтверждает поддержку seed каждым запросом к Pro и не обещает попиксельное совпадение |
| Общие параметры генерации Vertex / Agent Platform | Seed помогает повторить ответ по принципу best effort; детерминированный результат не гарантирован | Даже документированное значение не следует превращать в гарантию идентичной картинки |
Ideogram, POST /v2/image/generate/nano-banana-pro | seed от 0 до 2 147 483 647 для воспроизводимой генерации; ответ содержит seed и идентификатор генерации | Это собственный документированный интерфейс Ideogram |
| Runware, страница модели Google Nano Banana Pro | Целочисленный seed в диапазоне 0–2 147 483 647, описанный как параметр воспроизводимости | Это документация Runware; механизм передачи параметра Google из неё не следует |
Источники: GenerationConfig Google, условия seed в Vertex / Agent Platform, интерфейс Ideogram, документация Runware. Состояние документов проверено 7 октября 2026 года.
В Gemini seed относится к generationConfig, а aspectRatio и imageSize — к вложенному imageConfig. Отсутствие seed внутри ImageConfig не означает его отсутствия во всём API. Но и наличие поля в общей схеме не доказывает его действие для выбранной модели.
Три проверки дают три разных ответа. Допускает ли ваш клиент поле? Принимает ли его выбранный сервер для этой модели? Совпадают ли результаты повторных запросов? Успех на первом этапе не заменяет остальные. Ответ HTTP 200 тоже ещё не доказывает, что параметр влияет на генерацию.
Если вы проверяете seed в своей интеграции, сохраняйте полный запрос, точное имя модели, значение seed, входные файлы, время и полученный результат. Сначала сравните хеши файлов, при необходимости — декодированные пиксели, затем оцените нужные визуальные признаки. Для последнего заранее задайте критерии, например: форма оправы, цвет куртки и отсутствие новых деталей. Это план проверки, а не результаты нашего испытания.
Как получить новые сцены с тем же персонажем
Начните с одного одобренного кадра. Для примера представим иллюстрации о механике Нине: короткие тёмные волосы, круглая серебристая оправа, синяя рабочая куртка без логотипа. Первая картинка изображает её у верстака; во второй она должна проверять велосипед во дворе.
- Сохраните первый кадр отдельно от экспериментальных вариантов. Дайте ему постоянное имя, например
nina-approved.png. - Прикладывайте этот файл как референс для новой сцены. Если нужен ещё один ракурс лица, добавьте подходящий кадр того же персонажа.
- Разделите инструкцию на неизменные признаки и допустимые изменения. Не поручайте модели одновременно сменить одежду, лицо, стиль и место действия, если хотите сохранить узнаваемость.
- Принимайте результат по конкретным признакам. Если лицо изменилось, попросите исправить лицо, а не переписывайте всю сцену.
- Сохраняйте принятый вариант как новый готовый материал. При следующем запросе осознанно выбирайте: продолжить именно этот кадр или снова начать от исходного референса.
Вот самостоятельный пример инструкции:
Используй приложенную иллюстрацию как референс персонажа Нины.
Сохрани форму лица, короткие тёмные волосы, круглую серебристую
оправу и синюю рабочую куртку без логотипа. Сохрани рисованный стиль
и мягкое дневное освещение.
Измени только сцену: Нина стоит во дворе мастерской и проверяет
переднее колесо велосипеда. Покажи её по пояс, велосипед справа.
Не добавляй второго человека, надписей и новых аксессуаров.Это задание на узнаваемость, а не требование повторить каждый пиксель. Формулировки «свет слева» и «велосипед справа» полезнее неопределённого «сделай примерно так же»: по ним проще проверить итог. Числа в промпте не превращают генерацию в точный графический редактор. Если нужно уменьшить яркость строго заданным преобразованием, лучше обработать готовый файл локально.
Google описывает генерацию по референсам и многошаговое редактирование. Для Pro указано до 14 референсных изображений: таблица распределяет их между изображениями объектов — до 6, персонажей — до 5 и стиля — до 3. Это пределы входных референсов, а не обещание вывести ровно столько людей или предметов. Добавляйте изображения для конкретной задачи, а не ради заполнения всех мест.
В диалоговом редактировании сохраните историю вместе с ответами модели, включая необходимые служебные поля. Если вы хотите независимо получить несколько сцен от одного исходного персонажа, проще явно прикладывать одобренный референс в каждый новый запрос. Эти способы служат разным задачам; универсального процента сохранения лица для них нет.
Пример для Gemini API: запрос, извлечение картинок и сохранение результата
Ниже используется REST generateContent и стабильная модель gemini-3-pro-image. Предварительная версия gemini-3-pro-image-preview отключена 25 июня 2026 года; старое имя следует заменить. См. карточку Pro и сроки отключения моделей.
Пример разделяет подготовку данных, отправку и чтение ответа. Python-скрипт работает с локальными файлами и стандартной библиотекой: он создаёт JSON запроса, затем извлекает все конечные изображения из сохранённого ответа. Сетевой запрос выполняется отдельной командой, когда у вас уже есть доступ к модели и вы согласны с расходами. Seed здесь не требуется: пример решает задачу генерации по референсу.
Сохраните код в image_files.py:
import argparse
import base64
import hashlib
import json
from pathlib import Path
EXTENSIONS = {"image/png": ".png", "image/jpeg": ".jpg",
"image/webp": ".webp"}
def prepare(reference, prompt_file, request_file):
path = Path(reference)
mime = {".png": "image/png", ".jpg": "image/jpeg",
".jpeg": "image/jpeg", ".webp": "image/webp"}.get(
path.suffix.lower())
if mime is None:
raise ValueError("Используйте PNG, JPEG или WebP")
payload = {
"contents": [{"role": "user", "parts": [
{"inlineData": {"mimeType": mime, "data":
base64.b64encode(path.read_bytes()).decode("ascii")}},
{"text": Path(prompt_file).read_text(encoding="utf-8")}
]}],
"generationConfig": {
"responseModalities": ["TEXT", "IMAGE"],
"imageConfig": {"aspectRatio": "4:3", "imageSize": "2K"}
}
}
Path(request_file).write_text(
json.dumps(payload, ensure_ascii=False, indent=2), encoding="utf-8")
def extract(response_file, output_dir):
response = json.loads(Path(response_file).read_text(encoding="utf-8"))
if "error" in response:
raise ValueError(f"API вернул ошибку: {response['error']}")
output = Path(output_dir)
output.mkdir(parents=True, exist_ok=True)
records = []
for ci, candidate in enumerate(response.get("candidates", []), 1):
if candidate.get("finishReason") != "STOP":
continue
for pi, part in enumerate(
candidate.get("content", {}).get("parts", []), 1):
if part.get("thought"):
continue
blob = part.get("inlineData", {})
extension = EXTENSIONS.get(blob.get("mimeType"))
if extension is None or not blob.get("data"):
continue
data = base64.b64decode(blob["data"], validate=True)
target = output / f"candidate-{ci}-part-{pi}{extension}"
target.write_bytes(data)
records.append({"file": target.name, "bytes": len(data),
"sha256": hashlib.sha256(data).hexdigest()})
if not records:
raise ValueError("Нет конечной картинки с finishReason=STOP; "
"проверьте promptFeedback и candidates в ответе")
(output / "files.json").write_text(
json.dumps(records, indent=2), encoding="utf-8")
print(json.dumps(records, ensure_ascii=False, indent=2))
if __name__ == "__main__":
parser = argparse.ArgumentParser()
commands = parser.add_subparsers(dest="mode", required=True)
build = commands.add_parser("prepare")
build.add_argument("reference")
build.add_argument("prompt_file")
build.add_argument("request_file")
read = commands.add_parser("extract")
read.add_argument("response_file")
read.add_argument("output_dir")
args = parser.parse_args()
if args.mode == "prepare":
prepare(args.reference, args.prompt_file, args.request_file)
else:
extract(args.response_file, args.output_dir)Положите референс в nina-approved.png, а инструкцию — в UTF-8-файл scene.txt. Создайте JSON:
python3 image_files.py prepare nina-approved.png scene.txt request.jsonВ уже настроенном вами окружении с ключом Gemini API в GEMINI_API_KEY отправка выглядит так:
curl --fail-with-body \
"https://generativelanguage.googleapis.com/v1beta/models/gemini-3-pro-image:generateContent" \
-H "x-goog-api-key: ${GEMINI_API_KEY}" \
-H "Content-Type: application/json" \
--data-binary @request.json \
--output response.jsonПосле успешного ответа извлеките файлы в новую папку для этой попытки:
python3 image_files.py extract response.json attempt-01Скрипт обходит все части завершённых кандидатов и пропускает части с thought: true. Pro может возвращать текст и изображения вперемежку, а также промежуточные изображения размышления; нельзя без проверки брать первую картинку. Схема candidates[].content.parts[].inlineData относится к GenerateContent, а не к новому Interactions API с другим форматом ответов.
Откройте полученные файлы и выберите подходящий. Скопируйте его без перекодирования в хранилище одобренных материалов; сохраните рядом request.json, response.json и соответствующую запись SHA-256 из files.json. При повторном показе возвращайте этот файл. Если приложение автоматически пережимает изображения, храните оригинал отдельно и фиксируйте версию преобразования.
Проверка примера: локально проверены синтаксис Python, сборка JSON, извлечение из искусственных ответов, пропуск промежуточных изображений и обработка отсутствующего результата. Живой вызов Nano Banana Pro и повторяемость её выдачи в рамках этого примера не испытывались.
Отбор вариантов: как считать стоимость принятой картинки
Отбор нужен, когда новый фон получился удачно, но персонаж изменился, или наоборот. Заранее определите обязательные признаки и просматривайте варианты по ним. Не оценивайте сохранение лица только по общему показателю сходства: смена фона может сильно изменить метрику, а небольшая, но важная деталь персонажа — почти не повлиять на неё.

Иллюстрация показывает отбор по обязательным признакам и расчёт стоимости принятого материала. Это схема метода, а не результаты испытания модели.
По тарифу Google для стабильной Nano Banana Pro, в стандартном режиме выходное изображение 1K или 2K учитывается как 1 120 токенов по 120 USD за миллион: 0,1344 USD за изображение только на выходе. Для 4K это 2 000 токенов, то есть 0,24 USD. Входные токены и выходной текст, включая размышления, оплачиваются отдельно; бесплатного уровня Gemini API для Pro в таблице нет. Это не фиксированная полная цена запроса.
Например, вы сделали шесть попыток с одним выходным изображением 2K в каждой и приняли два файла. Выходная часть расходов составит 6 × 0,1344 = 0,8064 USD, или 0,8064 ÷ 2 = 0,4032 USD на принятый материал. Прибавьте реальные входные и текстовые расходы. Это расчётный сценарий, а не измеренная доля удачных генераций; если не принят ни один вариант, стоимость принятого материала ещё нельзя вычислить.
Поэтому считайте не просто число вызовов, а расходы на весь набор попыток и количество принятых файлов. Не увеличивайте число вариантов автоматически: сначала выясните, какой признак не сохраняется, и уточните референс или инструкцию.
Когда лучше локальная обработка или другой интерфейс
Для обрезки, изменения размера, наложения готового логотипа и одинаковой коррекции яркости используйте локальный редактор или обработчик изображений. Сохраните исходник, параметры операции, версию инструмента и результат. Так вы не просите модель заново придумать детали сцены ради операции, которую можно выполнить непосредственно над пикселями.
Если вы разрабатываете собственную генерацию и хотите управлять случайностью, выбирайте систему, где доступны модель, настройки и среда исполнения. Но даже там seed недостаточно: PyTorch предупреждает, что полная воспроизводимость не гарантируется между версиями, платформами или CPU и GPU. Фиксированное окружение и детерминированные операции — условия проверки, а не универсальное обещание.
Если нужен именно документированный seed в облачном Nano Banana Pro, рассмотрите приведённые выше интерфейсы Ideogram или Runware и их условия. Сохраните полученное значение seed и остальные входные данные, затем отдельно проверьте результат по своему критерию. Нет оснований объявлять любой сторонний seed бесполезным параметром маршрутизации; нет и оснований обещать одинаковые пиксели только потому, что поле есть в документации.

Начинайте выбор с требуемого результата: готовый файл, управляемая правка или новая сцена с сохранением персонажа. Иллюстрация помогает разделить сценарии; актуальную доступность моделей и условия интерфейсов проверяйте по приведённым источникам.
Старые рекомендации «перейдите на Imagen 4 ради seed» для официальных интерфейсов Google уже не подходят. Imagen в Gemini API отключена 17 августа 2026 года, а страница Vertex Imagen 4 указывает прекращение соответствующих версий 30 июня 2026 года. Это разные сервисы и разные даты: см. Gemini API deprecations и страницу Vertex Imagen 4. Исторический пример с seed не подтверждает, что его модель всё ещё доступна.
Если следующая задача — снизить стоимость новых генераций, сравните актуальные тарифы и требования к качеству отдельно. В русскоязычной статье о Nano Banana 2.1 разобрана цена выходных изображений и других компонентов запроса. Более низкая цена другой модели сама по себе не доказывает лучшую повторяемость.
Частые вопросы
Почему один seed не даёт одинаковую картинку?
Seed фиксирует только предусмотренный интерфейсом параметр. Для повтора также важны модель, её версия, остальные настройки, входные данные и условия исполнения. Общая документация Google описывает повторение с seed как best effort, без гарантии детерминированности. Для точного повторного показа одобренного результата храните файл. Условия Google.
Достаточно ли поставить temperature равной нулю?
Нет оснований считать это гарантией одинаковых пикселей Nano Banana Pro. Температура относится к настройкам генерации, а не к договору хранения готового файла. В общей схеме параметры также зависят от модели. Не заменяйте проверку результата сочетанием temperature=0 и постоянного текста. GenerationConfig.
Сколько референсов нужно для одного персонажа?
Начните с кадра, на котором хорошо видны обязательные признаки. Добавляйте дополнительные ракурсы, если они помогают поставить задачу. Официальная таблица Pro допускает до 5 референсов персонажей в пределах 14 входных изображений, но не обещает, что максимальное число даст лучший результат. Руководство Google по изображениям.
Можно ли гарантировать узнаваемость лица в каждой генерации?
В приведённых документах нет такой гарантии. Референс и явные ограничения помогают поставить задачу; приёмка должна включать проверку лица и других обязательных деталей. Для уже одобренного портрета, который требуется показать снова, используйте сохранённый результат.
Seed от Ideogram или Runware — это seed Google?
Документы подтверждают параметр в собственном интерфейсе соответствующего провайдера. Они не показывают внутреннее устройство Google и не заменяют испытание попиксельного совпадения. Оценивать следует конкретный интерфейс по его условиям и полученным результатам. Ideogram, Runware.
Можно ли отключить размышления ради повторяемости?
У Pro размышления включены по умолчанию и не отключаются. Google описывает промежуточные изображения, но из этого нельзя вывести доказанную причину несовпадения двух результатов. При извлечении готовых файлов отделяйте конечные изображения от промежуточных. Описание процесса генерации.
Официальная документация
Параметры запросов, цены и правила списания средств описаны в документации LaoZhang API для разработчиков: документация Nano Banana Pro API.
Примечание: laozhang.ai — наш собственный сервис; его цены — наши тарифы, а не независимое сравнение.
Источники10
Внешние страницы, на которые ссылается это руководство, в порядке упоминания. Последнее обновление: 8 окт. 2026 г..
Источники10
Внешние страницы, на которые ссылается это руководство, в порядке упоминания. Последнее обновление: 8 окт. 2026 г..
- 1.GenerationConfigai.google.dev/api/generate-content
- 2.Ideogramdeveloper.ideogram.ai/api-reference/images/generate/nano-banana-pro
- 3.Runwarerunware.ai/docs/models/google-nano-banana-pro
- 4.условия seed в Vertex / Agent Platformdocs.cloud.google.com/gemini-enterprise-agent-platform/models/capabilities/content-generation-parameters
- 5.генерацию по референсам и многошаговое редактированиеai.google.dev/gemini-api/docs/image-generation
- 6.карточку Proai.google.dev/gemini-api/docs/models/gemini-3-pro-image
- 7.сроки отключения моделейai.google.dev/gemini-api/docs/deprecations
- 8.тарифу Google для стабильной Nano Banana Proai.google.dev/gemini-api/docs/pricing
- 9.PyTorch предупреждаетdocs.pytorch.org/docs/2.14/notes/randomness.html
- 10.страницу Vertex Imagen 4docs.cloud.google.com/vertex-ai/generative-ai/docs/models/imagen/4-0-generate





