Nano Banana Inpainting API による部分画像編集の3つの実装方法と完全なコードを習得する

AIで画像を編集する際、多くの開発者が最も気になるのは、画像の一部だけを変更し、他の部分には影響を与えないようにできるか？ ということです。これは、inpainting（ローカル修復/ローカル編集）技術が解決すべき核心的な問題です。

朗報です。Nano Bananaシリーズモデルはinpaintingによるローカル編集を確かにサポートしており、従来の手法よりも強力なmask-free（マスク不要）編集機能を提供しています。本記事では、APIを通じてローカル編集を実現する3つの方法を詳しく解説し、最適な技術ルートを素早く選択できるようお手伝いします。

核心的な価値: この記事を読み終えると、Nano Banana inpainting APIの3つの呼び出し方法を習得し、ご自身のプロジェクトでプロフェッショナルレベルのAIローカル編集機能を実装できるようになります。

Nano Banana Inpainting 能力の全体像：3つのローカル編集手法

多くの開発者には、Nano Bananaは画像を生成するだけで、inpaintingをサポートしていないという誤解があります。実際には、Nano Bananaはinpaintingをサポートしており、複数の実現方法を提供しています。

Nano Banana Inpainting と従来手法の主な違い

従来のinpaintingツール（例：Stable Diffusion Inpainting）では、開発者が手動で白黒マスクを描画し、変更する領域を指定する必要がありました。Nano Bananaの核心的な突破点は以下の通りです：

• 意味理解駆動: 「背景をビーチに変えて」といった自然言語指示を理解し、背景領域を自動的に識別できます。
• コンテキスト認識: ローカルを変更する際、周囲の環境の照明、遠近法、色彩に自動的に合わせます。
• マスク不要: ほとんどの編集シーンで手動マスク作成が不要であり、開発のハードルを下げています。

🎯 技術的アドバイス: Nano Bananaのinpainting機能は、標準的なOpenAI互換インターフェースを通じて提供されています。APIYI apiyi.com プラットフォームを通じて呼び出すことをお勧めします。これにより、Nano Banana 2とNano Banana Proの2つのモデルの呼び出しを一元管理でき、異なる手法間での切り替えテストが容易になります。

方案一：Mask-Free 自然言語 Inpainting（初心者におすすめ）

これはNano Banana inpaintingの最も強力な機能の一つです——マスクが不要で、テキストによる記述だけで画像の一部を修正できます。

Nano Banana Mask-Free Inpainting の核心原理

Nano Banana 2（Gemini 3.1 Flash Imageベース）はセマンティックセグメンテーション機能を内蔵しており、モデルは以下の処理を行います：

1. 編集指示の解析 — 画像のどの部分を修正したいかを理解します
2. 領域の自動識別 — 意味理解を通じて修正が必要なピクセル領域を特定します
3. コンテキスト推論 — 照明の方向、遠近法、3D空間関係を分析します
4. 精密な置換 — 周囲の環境との一貫性を保ちながら対象領域を修正します

Mask-Free Inpainting の極簡コード例

import openai
import base64

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI 統一インターフェース
)

response = client.chat.completions.create(
    model="gemini-2.5-flash-image-preview",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "Remove the person from this photo and fill the area with the surrounding background naturally"},
            {"type": "image_url", "image_url": {"url": "https://example.com/your-photo.jpg"}}
        ]
    }]
)

# 編集後の画像を抽出
content = response.choices[0].message.content
print("編集完了、画像データを抽出中...")

Nano Banana Inpainting よく使われる編集指示テンプレート

#!/usr/bin/env python3
"""
Nano Banana Mask-Free Inpainting 完全な例
自然言語指示による局所的な画像編集
"""

import openai
import base64
import re
from datetime import datetime

# 設定
API_KEY = "YOUR_API_KEY"
BASE_URL = "https://api.apiyi.com/v1"

client = openai.OpenAI(api_key=API_KEY, base_url=BASE_URL)

def inpaint_image(image_url: str, edit_instruction: str, output_path: str = None):
    """
    Mask-Free Inpaintingを使用して画像を編集します

    Args:
        image_url: 元画像のURLまたはbase64 data URI
        edit_instruction: 英語の編集指示
        output_path: 出力ファイルパス（オプション）
    Returns:
        bool: 成功したかどうか
    """
    print(f"📝 編集指示: {edit_instruction}")
    print(f"🖼️  元画像: {image_url[:80]}...")

    try:
        response = client.chat.completions.create(
            model="gemini-2.5-flash-image-preview",
            messages=[{
                "role": "user",
                "content": [
                    {"type": "text", "text": f"Generate an image: {edit_instruction}"},
                    {"type": "image_url", "image_url": {"url": image_url}}
                ]
            }]
        )

        content = response.choices[0].message.content

        # base64画像データを抽出
        patterns = [
            r'data:image/[^;]+;base64,([A-Za-z0-9+/=]+)',
            r'([A-Za-z0-9+/=]{1000,})'
        ]

        base64_data = None
        for pattern in patterns:
            match = re.search(pattern, content)
            if match:
                base64_data = match.group(1)
                break

        if not base64_data:
            print(f"⚠️ 画像データが見つかりません、モデル応答: {content[:200]}")
            return False

        # 画像を保存
        if not output_path:
            timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
            output_path = f"inpainted_{timestamp}.png"

        image_bytes = base64.b64decode(base64_data)
        with open(output_path, 'wb') as f:
            f.write(image_bytes)

        print(f"✅ 編集完了! 保存先: {output_path} ({len(image_bytes):,} バイト)")
        return True

    except Exception as e:
        print(f"❌ 編集失敗: {e}")
        return False


# 使用例
if __name__ == "__main__":
    # 例 1: オブジェクト削除
    inpaint_image(
        image_url="https://example.com/photo-with-person.jpg",
        edit_instruction="Remove the person on the right side and fill with natural background",
        output_path="result_remove_person.png"
    )

    # 例 2: 背景置換
    inpaint_image(
        image_url="https://example.com/portrait.jpg",
        edit_instruction="Replace the background with a sunset beach scene, keep the person unchanged",
        output_path="result_new_background.png"
    )

    # 例 3: 局所属性変更
    inpaint_image(
        image_url="https://example.com/room.jpg",
        edit_instruction="Change the wall color to light blue, keep furniture unchanged",
        output_path="result_wall_color.png"
    )

方法2: マスクベースの精密インペインティング（上級者向け）

ピクセル単位で編集領域を正確に制御する必要がある場合は、Nano Banana Pro Editのマスクモードを使用できます。

マスクベースインペインティングの仕組み

このモードでは、白黒のマスク画像（mask）を提供する必要があります。白い領域が編集する部分、黒い領域が変更しない部分を示します。

マスクベースインペインティングのコード例

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# 複数画像入力: 元画像 + マスク + テキスト指示
response = client.chat.completions.create(
    model="gemini-2.5-flash-image-preview",
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "text",
                "text": "Generate an image: The first image is the original photo. The second image is a mask where white areas indicate regions to edit. Replace the masked area with a beautiful garden scene."
            },
            {"type": "image_url", "image_url": {"url": "https://example.com/original.jpg"}},
            {"type": "image_url", "image_url": {"url": "https://example.com/mask.png"}}
        ]
    }]
)

マスクベースインペインティングを選ぶべき場合

• 境界の正確な制御が必要な場合（例：肌に影響を与えずシャツのみを変更）
• 編集領域の形状が不規則で、自然言語で正確に記述するのが難しい場合
• 同じ領域の複数画像を一括処理する必要がある場合
• エッジの滑らかさに高い要求がある専門的な場面

💡 実用的なヒント: マスクを作成する最も簡単な方法は、PhotoshopやGIMPで編集したい領域をブラシで白く塗りつぶし、PNGとしてエクスポートすることです。手動でマスクを作成するのが面倒な場合は、方法1のマスク不要モードがほとんどの場面で十分に使えます。

方法3: マルチターン会話インペインティング（反復最適化）

Nano Banana 2は、1つのセッション内で複数回の編集をサポートしており、各ラウンドで前回の結果を基にさらに変更を加えることができます。この方法は、細かい調整が必要な場面に特に適しています。

マルチターンインペインティングの会話フロー

第1ラウンド: 「背景をオフィスに変更」 → 編集後の画像Aを取得
第2ラウンド: 画像A + 「机の上のコップをノートパソコンに変更」 → 編集後の画像Bを取得
第3ラウンド: 画像B + 「全体の光を明るくし、窓からの光の効果を追加」 → 最終画像Cを取得

マルチターンインペインティングのコード実装

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# マルチターン会話を構築
messages = [
    # 第1ラウンド: 初期編集
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "Replace the background with a modern office scene"},
            {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
        ]
    }
]

# 第1ラウンドリクエスト
response_1 = client.chat.completions.create(
    model="gemini-2.5-flash-image-preview",
    messages=messages
)

# 第1ラウンドの結果をコンテキストに追加
messages.append({"role": "assistant", "content": response_1.choices[0].message.content})

# 第2ラウンド: 前回の結果を基にさらに編集
messages.append({
    "role": "user",
    "content": [{"type": "text", "text": "Now add a laptop on the desk and make the lighting warmer"}]
})

response_2 = client.chat.completions.create(
    model="gemini-2.5-flash-image-preview",
    messages=messages
)

Nano Banana Inpainting モデルバージョンの比較

どのNano Bananaモデルを選択するかは、あなたのinpainting（画像補完）のニーズによります：

Nano Banana Inpainting モデル選択のアドバイス

• 日常的な編集、バッチ処理: Nano Banana 2を選択 — 高速、低コスト、4K解像度
• プロフェッショナルな写真修正、商用素材: Nano Banana Proを選択 — 最も細かい意味理解と色彩再現
• どちらを使うか迷ったら: まずNano Banana 2でテストし、不満足ならProに切り替え

Nano Banana Inpainting と Gemini ウェブ版編集の違い

多くのユーザーがGeminiウェブ版（gemini.google.com）で画像編集機能を体験した後、この質問をします：このAPIでも同じことができますか？

答えは できますが、違いがあります：

重要な違い: Geminiウェブ版の画像編集体験はよりインタラクティブで視覚的です。ユーザーは直接マウスで選択範囲を描けます。一方、API版の核心的な強みは自動化とスケーラビリティにあります — コード内で画像をバッチ処理し、製品プロセスに組み込むことができます。

🎯 技術的アドバイス: もしあなたのニーズが、自身の製品にAI画像編集機能を統合することであれば、APIが唯一の選択肢です。APIYI apiyi.com プラットフォームを通じて、より安定したインターフェースアクセスと技術サポートを得ることができます。

Nano Banana Inpainting ベストプラクティス

編集指示の最適化テクニック

適切な編集指示は、inpaintingの効果を大幅に向上させます：

Nano Banana Inpainting パフォーマンス最適化の提案

1. 入力画像の前処理 — 1024×1024 から 2048×2048 の間が推奨されます。大きすぎると処理時間が増加します。
2. 英語指示の優先 — 英語指示の理解精度は、中国語よりも明らかに高くなります。
3. 一度に一つの修正に集中 — 複雑な編集は複数回に分割し、各回で一つのことだけを行います。
4. "Generate an image:" プレフィックスの追加 — モデルに、純粋なテキスト応答ではなく画像を出力することを明確に伝えます。

よくある質問

まとめ

Nano Bananaのinpainting（部分修正）機能は、多くの開発者が想像するよりもはるかに強力です。3つの手法にはそれぞれ適したシナリオがあります：

• マスク不要の自然言語編集 — 最も手軽で、ほとんどの場面に適しており、まず試すことをお勧めします
• マスクベースの精密修正 — 最も正確で、プロフェッショナルなピクセル単位の制御が必要な場面に適しています
• マルチターン対話による反復編集 — 最も柔軟で、複雑な段階的な修正に適しています

どの手法を選ぶにしても、核心は標準的なChat Completions APIを使って画像と編集指示を送信することです。APIYI（apiyi.com）プラットフォームを利用してテストをすぐに始めることをお勧めします。5分で最初のinpaintingサンプルを動かすことができます。

参考資料

1. Google AI 公式ドキュメント – Nano Banana Image Generation

   • リンク: ai.google.dev/gemini-api/docs/image-generation
   • 説明: Geminiの画像生成・編集APIの完全なドキュメント

2. Google Developers Blog – Gemini 2.5 Flash Image

   • リンク: developers.googleblog.com/introducing-gemini-2-5-flash-image/
   • 説明: Nano Bananaの技術アーキテクチャと機能の詳細解説

3. DataCamp – Gemini 2.5 Flash Image Complete Guide

   • リンク: datacamp.com/tutorial/gemini-2-5-flash-image-guide
   • 説明: 完全なコードサンプルと実践ガイド

📝 著者: APIYI Team | 技術交流とAPI接続については apiyi.com をご覧ください