Dominando 3 Esquemas de Implementação e Código Completo para a API de Inpainting Local do Nano Banana

Ao usar IA para editar imagens, uma das principais preocupações dos desenvolvedores é: é possível modificar apenas uma parte específica da imagem, sem afetar o resto? É exatamente isso que a tecnologia de inpainting (reparo local/edição local) busca resolver.

A boa notícia é que a série de modelos Nano Banana realmente suporta inpainting para edição local, e oferece uma capacidade de edição mask-free (sem máscara) mais poderosa do que as soluções tradicionais. Este artigo detalha 3 maneiras de implementar a edição local via API, ajudando você a escolher rapidamente a abordagem técnica mais adequada.

Valor principal: Ao final deste artigo, você dominará 3 métodos de invocação da API de inpainting do Nano Banana, permitindo implementar funcionalidades de edição local por IA de nível profissional em seus próprios projetos.

Panorama da capacidade de Inpainting do Nano Banana: 3 abordagens para edição local

Muitos desenvolvedores têm um equívoco comum: acreditam que o Nano Banana só consegue gerar imagens e não suporta inpainting. Na verdade, o Nano Banana não apenas suporta inpainting, como oferece múltiplos caminhos para implementá-lo.

Diferenças-chave entre o Inpainting do Nano Banana e as soluções tradicionais

Ferramentas tradicionais de inpainting (como o Stable Diffusion Inpainting) exigem que o desenvolvedor desenhe manualmente uma máscara (mask) em preto e branco para especificar a região a ser modificada. A principal inovação do Nano Banana está em:

• Direcionado por compreensão semântica: O modelo entende instruções em linguagem natural como "substitua o fundo por uma praia", identificando automaticamente a região do fundo.
• Consciência contextual: Ao modificar uma parte local, ele automaticamente combina a iluminação, perspectiva e cores do ambiente ao redor.
• Sem necessidade de máscara: A maioria dos cenários de edição não requer a criação manual de uma mask, reduzindo a barreira de entrada para desenvolvedores.

🎯 Recomendação técnica: A capacidade de inpainting do Nano Banana é fornecida através de uma interface padrão compatível com a OpenAI. Recomendamos utilizar a plataforma APIYI (apiyi.com) para fazer as chamadas, pois ela permite gerenciar de forma unificada as invocações dos modelos Nano Banana 2 e Nano Banana Pro, facilitando a alternância e teste entre as diferentes abordagens.

Opção 1: Inpainting com Linguagem Natural sem Máscara (Recomendado para Iniciantes)

Esta é uma das características mais poderosas do Nano Banana inpainting — modificar áreas locais sem necessidade de máscara, apenas usando descrições em texto.

Princípio Central do Nano Banana Mask-Free Inpainting

O Nano Banana 2 (baseado no Gemini 3.1 Flash Image) possui capacidade de segmentação semântica integrada. O modelo irá:

1. Analisar o comando de edição — Entender qual parte da imagem você deseja modificar.
2. Identificar a região automaticamente — Localizar a área de pixels a ser alterada através da compreensão semântica.
3. Raciocinar sobre o contexto — Analisar direção da luz, relações de perspectiva, relações espaciais 3D.
4. Substituir com precisão — Modificar a área alvo mantendo a coerência com o ambiente ao redor.

Exemplo de Código Mínimo para Mask-Free Inpainting

import openai
import base64

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface unificada da APIYI
)

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"}}
        ]
    }]
)

# Extrair a imagem editada
content = response.choices[0].message.content
print("Edição concluída, extraindo dados da imagem...")

Modelos de Comandos de Edição Comuns para Nano Banana Inpainting

#!/usr/bin/env python3
"""
Exemplo completo de Nano Banana Mask-Free Inpainting
Edição local de imagens através de instruções em linguagem natural
"""

import openai
import base64
import re
from datetime import datetime

# Configuração
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):
    """
    Edita uma imagem usando Mask-Free Inpainting

    Args:
        image_url: URL da imagem original ou data URI base64
        edit_instruction: Instrução de edição em inglês
        output_path: Caminho do arquivo de saída (opcional)
    Returns:
        bool: Sucesso ou falha
    """
    print(f"📝 Instrução de edição: {edit_instruction}")
    print(f"🖼️  Imagem original: {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

        # Extrair dados da imagem em base64
        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"⚠️ Dados da imagem não encontrados, resposta do modelo: {content[:200]}")
            return False

        # Salvar a imagem
        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"✅ Edição concluída! Salvo em: {output_path} ({len(image_bytes):,} bytes)")
        return True

    except Exception as e:
        print(f"❌ Falha na edição: {e}")
        return False


# Exemplo de uso
if __name__ == "__main__":
    # Exemplo 1: Remover objeto
    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"
    )

    # Exemplo 2: Substituir fundo
    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"
    )

    # Exemplo 3: Modificar atributo local
    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"
    )

Opção 2: Inpainting Baseado em Máscara (Uso Avançado)

Quando você precisa de controle preciso em nível de pixel sobre a área a ser modificada, pode usar o modo de máscara do Nano Banana Pro Edit.

Como Funciona o Inpainting Baseado em Máscara

Este modo requer que você forneça uma imagem de máscara em preto e branco. As áreas brancas indicam as partes que devem ser modificadas, enquanto as áreas pretas permanecerão inalteradas.

Exemplo de Código para Inpainting Baseado em Máscara

import openai

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

# Entrada com múltiplas imagens: original + máscara + instrução textual
response = client.chat.completions.create(
    model="gemini-2.5-flash-image-preview",
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "text",
                "text": "Gere uma imagem: A primeira imagem é a foto original. A segunda imagem é uma máscara onde as áreas brancas indicam as regiões a serem editadas. Substitua a área mascarada por uma cena de jardim bonita."
            },
            {"type": "image_url", "image_url": {"url": "https://example.com/original.jpg"}},
            {"type": "image_url", "image_url": {"url": "https://example.com/mask.png"}}
        ]
    }]
)

Quando Escolher o Inpainting Baseado em Máscara

• Precisa de controle preciso sobre os limites da edição (ex.: modificar apenas a camisa sem afetar a pele)
• A área de edição tem formato irregular, difícil de descrever com precisão usando linguagem natural
• Precisa processar em lote várias imagens na mesma área
• Cenários profissionais que exigem transições de borda de altíssima qualidade

💡 Dica Prática: A maneira mais simples de criar uma máscara é usar a ferramenta de pincel no Photoshop ou GIMP para pintar de branco as áreas que deseja modificar e então exportar como PNG. Se achar trabalhoso criar máscaras manualmente, o modo Mask-Free da Opção 1 já é suficiente para a maioria dos casos.

Opção 3: Inpainting com Diálogo em Múltiplas Rodadas (Otimização Iterativa)

O Nano Banana 2 suporta edições em múltiplas rodadas em uma única sessão, onde cada rodada pode modificar o resultado da anterior. Essa abordagem é ideal para cenários que exigem ajustes finos.

Fluxo de Diálogo para Inpainting em Múltiplas Rodadas

Rodada 1: "Troque o fundo por um escritório" → Obtém a imagem editada A
Rodada 2: Imagem A + "Substitua a xícara na mesa por um laptop" → Obtém a imagem editada B
Rodada 3: Imagem B + "Ilumine a cena geral, adicione efeito de luz vindo da janela" → Obtém a imagem final C

Implementação de Código para Inpainting em Múltiplas Rodadas

import openai

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

# Construir o diálogo em múltiplas rodadas
messages = [
    # Rodada 1: Edição inicial
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "Substitua o fundo por uma cena de escritório moderno"},
            {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
        ]
    }
]

# Requisição da Rodada 1
response_1 = client.chat.completions.create(
    model="gemini-2.5-flash-image-preview",
    messages=messages
)

# Adicionar o resultado da Rodada 1 ao contexto
messages.append({"role": "assistant", "content": response_1.choices[0].message.content})

# Rodada 2: Continuar a edição baseada na rodada anterior
messages.append({
    "role": "user",
    "content": [{"type": "text", "text": "Agora adicione um laptop na mesa e deixe a iluminação mais quente"}]
})

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

Comparação entre Diferentes Versões do Modelo Nano Banana Inpainting

A escolha do modelo Nano Banana depende das suas necessidades de inpainting:

Recomendações para Escolha do Modelo Nano Banana Inpainting

• Edição diária, processamento em lote: Escolha o Nano Banana 2 — velocidade rápida, custo baixo, resolução 4K.
• Retoque profissional, materiais comerciais: Escolha o Nano Banana Pro — compreensão semântica e reprodução de cores mais refinadas.
• Não sabe qual usar: Comece testando com o Nano Banana 2 e mude para o Pro se não ficar satisfeito.

Diferenças entre Nano Banana Inpainting e a Edição na Versão Web do Gemini

Muitos usuários que experimentaram a funcionalidade de edição de imagens na versão web do Gemini (gemini.google.com) perguntam: Essa API também consegue fazer isso?

A resposta é sim, mas com diferenças:

Diferença-chave: A experiência de edição de imagens na versão web do Gemini é mais interativa e visual, permitindo que o usuário desenhe a área de seleção diretamente com o mouse. A vantagem central da versão API está na automação e escalabilidade — você pode processar imagens em lote no código e integrar ao fluxo do seu produto.

🎯 Recomendação Técnica: Se a sua necessidade é integrar a funcionalidade de edição de imagens por IA no seu próprio produto, a API é a única opção. Através da plataforma APIYI apiyi.com, você pode obter acesso a uma interface mais estável e suporte técnico.

Técnicas de Otimização de Comandos de Edição

Um bom comando de edição pode melhorar significativamente os resultados do inpainting:

Recomendações de Otimização de Desempenho para Nano Banana Inpainting

1. Pré-processamento da Imagem de Entrada — Recomenda-se entre 1024×1024 e 2048×2048; tamanhos maiores aumentam o tempo de processamento.
2. Priorize Comandos em Inglês — A precisão de compreensão de comandos em inglês é significativamente maior do que em chinês.
3. Foque em uma Modificação por Vez — Divida edições complexas em múltiplas etapas, fazendo apenas uma coisa por vez.
4. Adicione o Prefixo "Generate an image:" — Indique claramente ao modelo para gerar uma imagem, não apenas uma resposta em texto.

Perguntas Frequentes

Resumo

A capacidade de inpainting (edição local) do Nano Banana é muito mais poderosa do que muitos desenvolvedores imaginam. As 3 abordagens têm cenários de aplicação distintos:

• Edição por linguagem natural sem máscara — Mais conveniente, adequada para a maioria dos cenários, recomendada como primeira opção
• Modificação precisa com máscara — Mais precisa, ideal para controle de pixels em nível profissional
• Edição iterativa em diálogos múltiplos — Mais flexível, perfeita para modificações complexas e progressivas

Independentemente da abordagem escolhida, o núcleo do processo é enviar a imagem e o comando de edição através da API padrão de Chat Completions. Recomendamos usar a plataforma APIYI (apiyi.com) para começar os testes rapidamente — você pode executar seu primeiro exemplo de inpainting em apenas 5 minutos.

Referências

1. Documentação oficial do Google AI – Geração de Imagens com Nano Banana

   • Link: ai.google.dev/gemini-api/docs/image-generation
   • Descrição: Documentação completa da API de geração e edição de imagens do Gemini

2. Blog do Google Developers – Gemini 2.5 Flash Image

   • Link: developers.googleblog.com/introducing-gemini-2-5-flash-image/
   • Descrição: Explicação detalhada da arquitetura técnica e capacidades do Nano Banana

3. DataCamp – Guia Completo do Gemini 2.5 Flash Image

   • Link: datacamp.com/tutorial/gemini-2-5-flash-image-guide
   • Descrição: Guia prático com exemplos de código completos

📝 Autor: Equipe APIYI | Para trocas técnicas e acesso à API, visite apiyi.com