Gemini 2.5 Flash Image (Nano Banana): व्यावहारिक उदाहरणों सहित संपूर्ण मार्गदर्शिका

हाल के समय में इमेज जनरेशन मॉडल बेहद शक्तिशाली हो गए हैं, लेकिन वे हमेशा एक क्षेत्र में कमज़ोर रहे हैं: इमेज एडिटिंग। टेक्स्ट में सटीक बदलाव करना, रंग बदलना, स्टाइल ट्रांसफॉर्म करना, अलग-अलग कैमरा एंगल्स का उपयोग, या अलग-अलग जनरेशन में किरदारों की एकरूपता बनाए रखना — ये ऐसे उपयोग थे जिनमें कोई भी मॉडल सार्वभौमिक रूप से अच्छा नहीं था। यह तब तक था, जब तक Google ने Gemini 2.5 Flash Image मॉडल जारी नहीं किया था और अपने संवादात्मक एडिटिंग दृष्टिकोण के साथ खेल बदल दिया।

इस ट्यूटोरियल में, आप Python के माध्यम से Gemini 2.5 Flash Image सेट अप और उपयोग करना सीखेंगे, अलग-अलग विज़ुअल स्टाइल्स के लिए विशेष प्रॉम्प्ट इंजीनियरिंग तकनीकों में महारत हासिल करेंगे, और मल्टी-इमेज कंपोज़िशन तथा कैरेक्टर कंसिस्टेंसी जैसे उन्नत फीचर्स के साथ काम करेंगे। अंत तक, आपके पास पेशेवर इमेज जनरेशन वर्कफ़्लोज़ के लिए व्यावहारिक टूल्स होंगे।

अपडेट: इस बीच, Google ने मॉडल का अपडेटेड संस्करण जारी किया है। नई चीज़ों को देखने के लिए हमारा Nano Banana 2 गाइड ज़रूर देखें!

यदि आप Google के अन्य AI इमेज जनरेशन टूल्स को एक्सप्लोर करना चाहते हैं, तो हमारा Imagen 3 का व्यापक मार्गदर्शक देखें, जो Google के वैकल्पिक इमेज जनरेशन API को अलग-अलग क्षमताओं और कीमतों के साथ कवर करता है। आप हमारा Gemini 2.5 Computer Use गाइड भी देख सकते हैं, जिससे पता चलता है कि मॉडल आपकी स्क्रीन देख सकता है और उसमें स्वतः काम कर सकता है, और Gemini 3 Pro की ताज़ा जानकारी भी देखें।

अंत में, आप हमारे ChatGPT Images गाइड को भी देख सकते हैं, जो Nano Banana Pro का एक नया प्रतिस्पर्धी है।

Gemini 2.5 Flash Image क्या है?

अधिकांश इमेज जनरेशन मॉडल टेक्स्ट प्रॉम्प्ट से बेहतरीन विज़ुअल बनाते हैं। लेकिन वे एडिटिंग में संघर्ष करते हैं। यदि आप किसी फोटो में लाइटिंग बदलना चाहते हैं, तो आमतौर पर आपको फिर से शुरू करना पड़ता है। यदि आपको एक ही किरदार को अलग-अलग दृश्यों में चाहिए, तो अधिकांश मॉडल उन्हें एक जैसा नहीं रख पाते। इससे वास्तविक प्रोजेक्ट्स के लिए, जिन्हें बारीक संशोधन और रिविज़न की ज़रूरत होती है, ये टूल्स मुश्किल हो जाते हैं।

Gemini 2.5 Flash Image इन एडिटिंग समस्याओं को हल करता है। Google ने इस मॉडल को विशेष सुविधाओं के साथ बनाया है ताकि वे कार्य संभाले जा सकें जिनमें अन्य मॉडल संघर्ष करते हैं:

• संवादात्मक एडिटिंग: सामान्य भाषा में मॉडल को बताएं कि क्या बदलना है, बिना फिर से शुरू किए।
• मल्टी-इमेज कंपोज़िशन: तीन तक अलग-अलग इमेज मिलाकर कुछ नया बनाएं।
• किरदारों की एकरूपता: कई इमेज में किरदारों को एक जैसा बनाए रखें।
• हाई-फिडेलिटी टेक्स्ट रेंडरिंग: इमेज के भीतर स्पष्ट और पठनीय टेक्स्ट जोड़ें।
• वास्तविक दुनिया की तर्क-क्षमता: ऐसे स्मार्ट एडिट्स करें जो वस्तुओं और दृश्यों के वास्तविक कामकाज को समझें।

ये फीचर्स मिलकर एक अधिक लचीला इमेज जनरेशन सिस्टम बनाते हैं। व्यवहार में कैरेक्टर कंसिस्टेंसी फीचर ऐसे काम करता है:

कैरेक्टर कंसिस्टेंसी फीचर क्रियान्वयन में: वही कार्टून किरदार अलग-अलग दृश्यों में एकरूपता से दिखाई देते हैं, जो नई परिस्थितियों और संदर्भों में ढलते हुए भी विज़ुअल पहचान बनाए रखते हैं।

Google ने इस मॉडल का LMArena बेंचमार्क्स पर परीक्षण किया, जहां टीम ने आंतरिक रूप से इसे “nano banana” कहा। परिणाम दिखाते हैं कि यह अन्य अग्रणी मॉडलों से बेहतर प्रदर्शन करता है, विशेषकर इमेज एडिटिंग कार्यों में। यह मॉडल अधिकांश प्रतिस्पर्धियों की तुलना में तेज़ी से इमेज भी जनरेट करता है। स्पीड आपकी इमेज की जटिलता और जिन एडिट्स को आप कर रहे हैं, उन पर निर्भर कर सकती है।

परफॉर्मेंस बेंचमार्क: Gemini 2.5 Flash Image अन्य अग्रणी AI इमेज जनरेशन मॉडलों की तुलना में इमेज एडिटिंग कार्यों में बेहतर प्रदर्शन दर्शाता है।

कीमत निर्धारण अन्य इमेज मॉडलों से अलग तरह से काम करता है। प्रत्येक इमेज के लिए भुगतान करने के बजाय, आप टोकन के लिए भुगतान करते हैं। प्रत्येक इमेज लगभग 1,290 टोकन उपयोग करती है, जिसकी लागत लगभग $0.039 होती है। पूर्ण दर $30 प्रति मिलियन टोकन है। नई इमेज जनरेट करना और मौजूदा इमेज एडिट करना — दोनों में समान टोकन लगते हैं, इसलिए आप शुरुआत से बनाने या बदलाव करने — किसी भी स्थिति में लागत पूर्वानुमेय रहती है।

संवादात्मक एडिटिंग वर्कफ़्लो: प्राकृतिक भाषा प्रॉम्प्ट्स के माध्यम से सटीक इमेज मॉडिफ़िकेशन्स के उदाहरण, जो मॉडल की यह क्षमता दिखाते हैं कि बिना पूरी इमेज को फिर से बनाए लक्षित बदलाव किए जा सकते हैं।

अब जब आप समझ गए हैं कि Gemini 2.5 Flash Image को क्या अलग बनाता है, तो हम तकनीक का उपयोग शुरू करने की ओर बढ़ सकते हैं। अगला चरण आपका डेवलपमेंट वातावरण सेट अप करना है ताकि आप इसे इस्तेमाल करना शुरू कर सकें।

Nano Banana तक निःशुल्क पहुँच कैसे पाएं

यद्यपि यह गाइड मुख्यतः API के माध्यम से Gemini 2.5 Flash Image तक पहुँच पर केंद्रित है, आप केवल अपने Google खाते का उपयोग करके भी इस टूल से इमेज जनरेट कर सकते हैं। 

लॉगिन करने के बाद, आप Nano Banana मॉडल तक पहुँच Gemini के ज़रिए या Google AI Studio में से किसी के माध्यम से चुन सकते हैं। हालाँकि, Gemini के माध्यम से उपयोग करते समय आपकी इमेज पर वॉटरमार्क होगा।

Gemini 2.5 Flash Image के साथ शुरुआत: वातावरण सेटअप

Gemini 2.5 Flash Image के साथ इमेज जनरेट करने से पहले, आपको अपना डेवलपमेंट वातावरण सेट करना होगा। प्रक्रिया सरल है, लेकिन सुरक्षा के लिए ऑथेंटिकेशन सही होना ज़रूरी है।

पूर्वापेक्षाएँ

शुरू करने से पहले आपको ये चीज़ें चाहिए:

• Python 3.9 या नया: अपना संस्करण python --version से जाँचें
• UV पैकेज मैनेजर: यह Python निर्भरताओं को संभालता है
• Google खाता: Google AI Studio तक पहुँच के लिए

अपनी API कुंजी प्राप्त करना

Gemini 2.5 Flash Image का उपयोग करने के लिए, आपको Google से API कुंजी चाहिए। यह कुंजी सेवा तक पहुँचने के लिए आपके पासवर्ड की तरह काम करती है। इसे प्राप्त करने का तरीका यह है:

1. जाएँ Google AI Studio
2. अपने Google खाते से साइन इन करें
3. बाएँ पैनल में “Get API Key” पर क्लिक करें

इस बिंदु पर, Google AI Studio आपसे एक प्रोजेक्ट चुनने के लिए कहेगा। प्रोजेक्ट्स आपकी API उपयोग को व्यवस्थित करने और आपकी कोटा ट्रैक करने में मदद करते हैं। आपके पास दो विकल्प हैं:

• “Create API key in new project” (पहली बार उपयोग करने वालों के लिए सबसे अच्छा)
• “Create API key in existing project” (यदि आपके पास पहले से Google Cloud प्रोजेक्ट्स हैं)

अधिकांश लोगों को नया प्रोजेक्ट विकल्प चुनना चाहिए। इसे क्लिक करें, और Google स्वतः एक प्रोजेक्ट और आपकी API कुंजी बना देगा।

4. जनरेट की गई कुंजी तुरंत कॉपी करें — आप पूरी कुंजी फिर नहीं देख पाएंगे

5. इसे कहीं सुरक्षित रखें — अगले चरणों में इसकी आवश्यकता होगी

सुरक्षा नोट: अपनी API कुंजी को पासवर्ड की तरह मानें। इसे सार्वजनिक रूप से साझा न करें या ऐसे कोड में सेव न करें जिसे अन्य लोग देख सकते हैं।

अपना डेवलपमेंट वातावरण सेट करना

अब जब आपके पास API कुंजी है, तो अपना Python वातावरण सेट करें। इस ट्यूटोरियल के लिए एक नया डायरेक्टरी बनाएँ और ज़रूरी पैकेज इंस्टॉल करें:

# Create project directory
mkdir gemini-image-tutorial
cd gemini-image-tutorial

# Initialize UV project
uv init

# Add required packages
uv add google-genai python-dotenv pillow

प्रत्येक पैकेज यह करता है:

• google-genai: Gemini से संचार के लिए आधिकारिक क्लाइंट
• python-dotenv: आपकी API कुंजी सुरक्षित रखता है
• pillow: इमेज फ़ाइलों को संभालता है

अपनी API कुंजी सुरक्षित करना

आपको अपनी API कुंजी को ऐसे स्टोर करना है कि वह सुरक्षित भी रहे और आपका कोड उसे एक्सेस भी कर सके। सबसे अच्छा तरीका है एनवायरनमेंट वैरिएबल्स का उपयोग करना, एक .env फ़ाइल के साथ।

अपने प्रोजेक्ट डायरेक्टरी में एक .env फ़ाइल बनाएँ:

# Create .env file
touch .env

किसी भी टेक्स्ट एडिटर में .env फ़ाइल खोलें और अपनी API कुंजी जोड़ें:

GEMINI_API_KEY=your_api_key_here

यहाँ your_api_key_here को Google AI Studio से कॉपी की गई कुंजी से बदलें।

इसके बाद, एक .gitignore फ़ाइल बनाएँ ताकि यदि आप Git का उपयोग करते हैं तो गलती से अपनी API कुंजी साझा न कर दें:

# Create .gitignore
echo ".env" >> .gitignore
echo "__pycache__/" >> .gitignore
echo "*.pyc" >> .gitignore

अपनी सेटअप की जाँच करना

आइए एक सरल टेस्ट बनाकर सुनिश्चित करें कि सब कुछ काम कर रहा है। test_setup.py नाम की फ़ाइल बनाएँ:

import os
from dotenv import load_dotenv
from google import genai

# Load environment variables
load_dotenv()

# Initialize the client
client = genai.Client(apikey=os.getenv("GEMINIAPI_KEY"))

# Test with a simple text generation
try:
   response = client.models.generate_content(
       model="gemini-2.5-flash",
       contents="Say hello in exactly 3 words"
   )
   print("✅ Setup successful!")
   print(f"Response: {response.text}")
except Exception as e:
   print("❌ Setup failed:")
   print(f"Error: {e}")

अब अपना टेस्ट स्क्रिप्ट चलाएँ ताकि सुनिश्चित हो सके कि सब ठीक काम कर रहा है:

uv run python test_setup.py

यदि सब सही से सेट है, तो आपको सफलता संदेश और मॉडल से एक छोटा-सा उत्तर दिखेगा। आउटपुट कुछ ऐसा दिखना चाहिए:

✅ Setup successful!
Response: Hello there everyone.

यदि इसके बजाय कोई त्रुटि मिले, तो यहाँ सबसे आम समाधान हैं:

• “API key not found”: जाँचें कि आपकी .env फ़ाइल में GEMINI_API_KEY=your_actual_key है
• “Invalid API key”: कुंजी को Google AI Studio से फिर से कॉपी करें — सुनिश्चित करें कि पूरी कुंजी ली हो
• “Quota exceeded”: आपने अपनी दैनिक सीमा पार कर ली है। कुछ समय प्रतीक्षा करें या Google AI Studio में अपना उपयोग देखें

अपनी उपयोग सीमाएँ समझना

आपकी निःशुल्क API कुंजी के साथ ये सीमाएँ आती हैं:

• प्रति मिनट 2 अनुरोध अधिकांश मॉडलों के लिए
• प्रति मिनट 32,000 टोकन (टोकन शब्दों जैसे होते हैं — अधिकांश उपयोग के लिए यह पर्याप्त है)
• प्रति दिन 50 अनुरोध (सीखने और छोटे प्रोजेक्ट्स के लिए पर्याप्त)

ये सीमाएँ इस ट्यूटोरियल और छोटे प्रोजेक्ट्स के लिए उपयुक्त हैं। आप हमेशा Google AI Studio पर वापस जाकर अपने उपयोग डैशबोर्ड में देख सकते हैं कि आपने कितना उपयोग किया है।

वातावरण सेट अप और टेस्ट करने के बाद, आप इमेज जनरेट करने के लिए तैयार हैं। अगला सेक्शन Gemini 2.5 Flash Image के साथ आपकी पहली इमेज बनाने की प्रक्रिया बताएगा।

आपकी पहली Nano Banana इमेज जनरेशन

अब जब आपका वातावरण तैयार है, तो Gemini 2..5 Flash Image से अपनी पहली इमेज बनाते हैं। हम सरल से शुरू करेंगे और चरण-दर-चरण समझ बढ़ाएँगे।

बेसिक कोड सेट करना

सबसे पहले, ज़रूरी लाइब्रेरीज़ लोड करते हैं और Gemini से कनेक्शन सेट करते हैं:

import os
from dotenv import load_dotenv
from google import genai
from PIL import Image
from io import BytesIO

# Load your API key from the .env file
load_dotenv()

# Create a client to talk to Gemini
client = genai.Client(apikey=os.getenv("GEMINIAPI_KEY"))

हर इम्पोर्ट क्या करता है, इसे समझते हैं:

• os: एनवायरनमेंट वैरिएबल्स के साथ काम करने में मदद करता है
• load_dotenv(): आपकी API कुंजी को .env फ़ाइल से पढ़ता है
• genai: Gemini से बात करने के लिए मुख्य लाइब्रेरी
• PIL Image और BytesIO: हमें वापस आई इमेज फ़ाइलों को सेव करने में मदद करते हैं

client ऑब्जेक्ट के ज़रिए हम Gemini को रिक्वेस्ट भेजेंगे। इसे Google के सर्वर्स से आपका कनेक्शन समझें।

अपनी पहली इमेज जनरेट करना

अब एक सरल, वर्णनात्मक प्रॉम्प्ट के साथ एक इमेज बनाएँ:

# Write a prompt describing what you want
prompt = "A cozy coffee shop with wooden furniture and warm lighting"

# Ask Gemini to create the image
response = client.models.generate_content(
   model="gemini-2.5-flash-image-preview",
   contents=[prompt]
)

generate_content() फ़ंक्शन Gemini से बात करने का मुख्य तरीका है। इसके हर भाग का मतलब यह है:

• model="gemini-2.5-flash-image-preview": Gemini को बताता है कि इमेज जनरेशन के लिए कौन-सा मॉडल उपयोग करना है
• contents=[prompt]: यहाँ आपका टेक्स्ट विवरण जाता है

रेस्पॉन्स से इमेज प्राप्त करना

जब Gemini रेस्पॉन्स भेजता है, तो इमेज कच्चे डाटा के रूप में आती है, जिसे हमें एक सही इमेज फ़ाइल में बदलना होता है। इसे निकालकर सेव करने का तरीका यह है:

# Look through the response to find the image
for part in response.candidates[0].content.parts:
   if part.inline_data is not None:
       # Convert the raw data into an image
       image = Image.open(BytesIO(part.inline_data.data))
       # Save it as a PNG file
       image.save("myfirstimage.png")
       print("Image saved!")

यह कोड कुछ महत्वपूर्ण कार्य करता है:

• response.candidates[0]: Gemini से पहला (और सामान्यतः एकमात्र) रेस्पॉन्स प्राप्त करता है
• content.parts: Gemini कई हिस्से वापस भेज सकता है — टेक्स्ट, इमेज, आदि
• part.inline_data: यहीं वास्तविक इमेज डाटा होता है
• BytesIO(): कच्चे बाइट्स को ऐसे फ़ॉर्मेट में बदलता है जिसे PIL पढ़ सके
• image.save(): अंतिम इमेज को आपके कंप्यूटर पर सेव करता है

इसे एक साथ रखते हैं और पूरा कोड चलाते हैं। ये कमांड्स क्रम में चलाने पर आपको कुछ ऐसा आउटपुट दिखेगा:

✅ Image saved as https://cdn-images-1.medium.com/proxy/1*Hhy7vMKOurXDOPVQ6Ps0gQ.png
📏 Image size: (1024, 1024)
🎨 Image mode: RGB

यहाँ हमारे कॉफी शॉप प्रॉम्प्ट से जनरेट हुई वास्तविक इमेज है:

एक सुकूनभरा कॉफी शॉप इंटीरियर जिसमें लकड़ी की बीम्स, गरम रोशनी, आरामदेह बैठने की जगह और स्वागतपूर्ण माहौल है — ठीक वैसे ही जैसा प्रॉम्प्ट में बताया गया था।

आपको वापस क्या मिलता है, समझना

हर बार जब आप इमेज जनरेट करते हैं, Gemini आपको यह देता है:

• एक PNG इमेज फ़ाइल (1024x1024 पिक्सेल)
• उच्च-गुणवत्ता के परिणाम जो पेशेवर दिखते हैं
• एक अदृश्य वॉटरमार्क (आपको दिखेगा नहीं, लेकिन रहेगा)

यदि Gemini इमेज के बारे में कुछ समझाना चाहे, तो रेस्पॉन्स में टेक्स्ट भी शामिल हो सकता है।

अलग-अलग प्रॉम्प्ट आज़माना

अब जबकि आपने बेसिक वर्कफ़्लो देख लिया है, तो अलग-अलग विवरणों पर मॉडल की प्रतिक्रिया देखने के लिए कुछ और प्रॉम्प्ट आज़माएँ:

# Simple object descriptions work great
"A red bicycle in a sunny park"

# You can add details about style and mood 
"A modern kitchen with clean white cabinets and natural light"

# Describe the setting and atmosphere
"A peaceful lake surrounded by mountains at sunset"

इन प्रॉम्प्ट्स को चलाने पर वास्तव में क्या जनरेट होता है, देखते हैं:

धूप वाले पार्क में लाल साइकिल:

एक सुंदर पार्क में सुनहरी धूप, घनी हरियाली और शांत बेंच सेटिंग के साथ बिल्कुल सही स्थान पर रखी लाल साइकिल। छायाओं पर ध्यान दें — वास्तविक इमेज की तरह, ज़मीन से घास पर सतह बदलने पर छायाएँ विकृत हो जाती हैं।

साफ़ सफेद अलमारियों वाली आधुनिक रसोई:

एक चिकनी, समकालीन किचन डिज़ाइन जिसमें बेदाग़ सफेद अलमारियाँ, आधुनिक फ़िटिंग्स और बड़े खिड़कियों से आती प्राकृतिक रोशनी है। केंद्र में मेज़ की साफ़ सतह पर खिड़की की परछाइयों पर ध्यान दें।

पहाड़ों से घिरी शांत झील:

सूर्यास्त के समय की एक शांत पर्वतीय झील, जिसमें पूर्ण प्रतिबिंब हैं, नाटकीय चोटियों से घिरी हुई और अग्रभूमि में एक आकर्षक लकड़ी की नाव। फिर से, पानी की सतह पर प्रतिबिंबों में असाधारण बारीक़ी।

स्पष्ट, सरल विवरणों से शुरू करें। जैसे-जैसे आप मॉडल के काम करने के तरीके से सहज होते जाएँगे, आप उन्हें अधिक विस्तृत बना सकते हैं।

अगर कुछ गड़बड़ हो जाए तो क्या होता है

ये उदाहरण सामान्य वर्कफ़्लो दिखाते हैं, लेकिन रास्ते में कुछ समस्याएँ आ सकती हैं। सबसे आम समस्याओं को ऐसे संभालें:

• इमेज नहीं दिखती: जाँचें कि आपका प्रॉम्प्ट स्पष्ट है और किसी विज़ुअल चीज़ का वर्णन करता है।
• एरर संदेश: सुनिश्चित करें कि आपकी API कुंजी काम कर रही है और आपने अपनी दैनिक सीमा पार नहीं की है।
• अनपेक्षित परिणाम: अपने प्रॉम्प्ट को अधिक विशिष्ट बनाने के लिए फिर से लिखें।

अगला सेक्शन आपको बेहतर प्रॉम्प्ट लिखना सिखाएगा ताकि आप अपने परिणामों पर अधिक नियंत्रण पा सकें।

Gemini 2.5 Flash Image के लिए प्रॉम्प्ट इंजीनियरिंग में महारत

अब जबकि आप बेसिक इमेज जनरेट कर सकते हैं, ऐसे प्रॉम्प्ट लिखना सीखते हैं जो आपको अपने परिणामों पर ज़्यादा नियंत्रण दें। कुंजी यह है कि आप जो चाहते हैं उसके बारे में विशिष्ट हों और समझें कि अलग-अलग तकनीकें अंतिम इमेज को कैसे प्रभावित करती हैं।

सभी AI मॉडलों में प्रॉम्प्ट इंजीनियरिंग की बुनियाद को गहराई से समझने के लिए, हमारा 2025 के लिए प्रॉम्प्ट इंजीनियरिंग का व्यापक मार्गदर्शक नवीनतम तकनीकों और रणनीतियों को कवर करता है जो टेक्स्ट और विज़ुअल AI दोनों पर लागू होती हैं।

रीयूजेबल फ़ंक्शन बनाना

पिछले सेक्शन में हमने जो मैनुअल प्रक्रिया उपयोग की, वह सीखने के लिए ठीक है, लेकिन हर इमेज के लिए वही कोड दोहराना थकाऊ हो जाता है। तकनीकों में उतरने से पहले, एक हेल्पर फ़ंक्शन बनाते हैं जो प्रक्रिया को सरल बनाता है:

def generateandsave_image(prompt, filename):
   """
   Generate an image and save it to the images folder
  
   Args:
       prompt (str): Description of what you want to create
       filename (str): Name for the saved image file
  
   Returns:
       bool: True if successful, False otherwise
   """
   try:
       response = client.models.generate_content(
           model="gemini-2.5-flash-image-preview",
           contents=[prompt]
       )
      
       # Find and save the image
       for part in response.candidates[0].content.parts:
           if part.inline_data is not None:
               image = Image.open(BytesIO(part.inline_data.data))
               image.save(f"images/{filename}")
               print(f"✅ Image saved as images/{filename}")
               return True
              
   except Exception as e:
       print(f"❌ Error: {e}")
       return False
  
   return False

यह फ़ंक्शन हमारे लिए इमेज जनरेशन और सेविंग की प्रक्रिया संभालता है। अब हम एक ही कोड दोहराने के बजाय बेहतर प्रॉम्प्ट लिखने पर ध्यान दे सकते हैं।

इसे ऐसे उपयोग करें:

# Simple function call
generateandsave_image("A cozy reading nook", "readingnook.png")

हर बार पूरा कोड लिखने की तुलना में यह काफी साफ़-सुथरा है!

विशिष्ट बनाम सामान्य होना

अपने प्रॉम्प्ट्स को बेहतर बनाने का सबसे बड़ा तरीका है विशिष्ट विवरण जोड़ना। सामान्य और विस्तृत प्रॉम्प्ट्स के बीच का अंतर देखते हैं।

यह रहा एक सामान्य प्रॉम्प्ट:

generateandsave_image("A kitchen", "generickitchen.png")

सामान्य प्रॉम्प्ट का परिणाम: एक बुनियादी रसोई जो कहीं भी हो सकती है, मानक फीचर्स के साथ पर बिना किसी विशिष्ट पहचान के।

अब उसी अवधारणा को विशिष्ट विवरणों के साथ आज़माते हैं:

generateandsave_image(
   "Modern minimalist kitchen, white quartz countertops, stainless steel appliances, pendant lights, natural oak floors",
   "specific_kitchen.png"
)

विशिष्ट प्रॉम्प्ट का परिणाम: बिल्कुल उन्हीं तत्वों के साथ एक सटीक डिज़ाइन की गई रसोई, जैसा हमने अनुरोध किया था, जो एक एकीकृत आधुनिक सौंदर्यशास्त्र बनाती है।

अंतर स्पष्ट है। विशिष्ट प्रॉम्प्ट आपको एक पेशेवर दिखने वाली रसोई देता है जो आपके वर्णन से बिल्कुल मेल खाती है। सामान्य वाला ठीक है, लेकिन कहीं ज़्यादा अप्रत्याशित।

यदि आप अन्य इमेज जनरेशन मॉडलों के साथ भी काम कर रहे हैं, तो हमारे Stable Diffusion तकनीकों के गाइड में पूरक प्रॉम्प्टिंग रणनीतियाँ दी गई हैं, जो अलग-अलग AI प्लेटफ़ॉर्म्स पर आपके परिणामों में सुधार कर सकती हैं।

कैमरा नियंत्रित करना

आप फोटोग्राफी शब्दावली का उपयोग करके इमेज की फ़्रेमिंग नियंत्रित कर सकते हैं। इससे आपको कंपोज़िशन और परिप्रेक्ष्य पर सटीक नियंत्रण मिलता है।

वाइड-एंगल शॉट्स दृश्य का अधिक हिस्सा कैप्चर करते हैं:

generateandsave_image(
   "Wide angle shot of modern living room, leather sofa, glass coffee table, floor to ceiling windows",
   "wideangleroom.png"
)

वाइड-एंगल परिप्रेक्ष्य विशाल कमरे और प्रभावशाली सिटी व्यू को कैप्चर करता है, जिससे स्पेस बड़ा और अधिक नाटकीय लगता है।

मैक्रो शॉट्स छोटे विवरणों पर फ़ोकस करते हैं:

generateandsave_image(
   "Macro shot of vintage pocket watch on mahogany desk, brass details, Roman numerals, soft lighting",
   "macro_watch.png"
)

मैक्रो फ़ोटोग्राफी घड़ी के डायल, चेन और आस-पास रखी विंटेज किताबों के जटिल विवरण दिखाती है, जिससे एक अंतरंग और डिटेल्ड कंपोज़िशन बनता है।

अन्य उपयोगी कैमरा टर्म्स:

• "Low angle shot" - विषय को नीचे से देखते हुए
• "Bird's eye view" - ऊपर से नीचे देखते हुए
• "85mm portrait lens" - उथली गहराई-का-मैदान बनाता है
• "Dutch angle" - ड्रामा के लिए तिरछा परिप्रेक्ष्य

लाइटिंग और मूड नियंत्रित करना

लाइटिंग के वर्णन आपकी इमेज के एहसास को पूरी तरह बदल सकते हैं। यहाँ विशिष्ट मूड बनाने के लिए लाइटिंग का उपयोग कैसे करें:

गोल्डन आवर लाइटिंग गरमाहट पैदा करती है:

generateandsave_image(
   "Empty park bench at golden hour, warm sunlight, long shadows, autumn leaves scattered, peaceful atmosphere",
   "goldenhourbench.png"
)

गोल्डन आवर लाइटिंग एक सरल पार्क बेंच को गरम, आमंत्रित दृश्य में बदल देती है, जो मनन के लिए उपयुक्त है।

ड्रामैटिक लाइटिंग तीव्रता जोड़ती है:

generateandsave_image(
   "Dark stormy sky over empty lighthouse, dramatic lighting, waves crashing on rocks, moody atmosphere",
   "dramatic_lighthouse.png"
)

नाटकीय लाइटिंग और तूफ़ानी मौसम एक शक्तिशाली, उदासीन दृश्य बनाते हैं जो दृढ़ता और एकांत का एहसास कराता है।

उपयोगी लाइटिंग टर्म्स:

• "Soft natural light" - कोमल, समान रोशनी
• "Harsh shadows" - तेज़ कंट्रास्ट और ड्रामा
• "Backlit" - विषय के पीछे से आती रोशनी
• "Studio lighting" - साफ़-सुथरा, पेशेवर सेटअप

स्टाइल और एस्थेटिक्स को निर्देशित करना

आप अपने प्रॉम्प्ट्स में विशिष्ट एस्थेटिक विवरण शामिल करके कलात्मक शैली को निर्देशित कर सकते हैं।

मिनिमलिस्ट स्टाइल:

generateandsave_image(
   "Minimalist bedroom design, white walls, simple wooden bed frame, single potted plant, clean lines, natural light",
   "minimalist_bedroom.png"
)

मिनिमलिस्ट डिज़ाइन सिद्धांत एक शांत, अव्यवस्थित-रहित स्पेस बनाते हैं जो आधुनिक और शाश्वत दोनों लगता है।

विंटेज स्टाइल:

generateandsave_image(
   "Vintage coffee shop interior, exposed brick walls, antique furniture, Edison bulb lighting, weathered wood tables, nostalgic atmosphere",
   "vintagecoffeeshop.png"
)

विंटेज स्टाइलिंग तत्व मिलकर एक नॉस्टेल्जिक कॉफी शॉप बनाते हैं, जो जीवंत और प्रामाणिक महसूस होती है।

लोकप्रिय स्टाइल दिशाएँ:

• "Industrial design" - कच्ची सामग्री, खुले तत्व
• "Scandinavian style" - हल्की लकड़ी, साफ़ लाइन्स, कोज़ी टेक्स्चर
• "Art deco" - ज्यामितीय पैटर्न, धातुई एक्सेंट
• "Rustic charm" - प्राकृतिक सामग्री, घिसे-पिटे टेक्स्चर

इमेज में टेक्स्ट जोड़ना

Gemini 2.5 Flash Image सीधे इमेज में पठनीय टेक्स्ट जोड़ने में बेहतरीन है। स्वच्छ परिणामों के लिए टेक्स्ट छोटा रखें (25 अक्षरों से कम सबसे अच्छा काम करता है)।

generateandsave_image(
   "Restaurant menu board with 'DAILY SPECIALS' text, chalk lettering on black board, wooden frame, warm lighting",
   "menuboardtext.png"
)

सजावटी तत्वों और कीमतों के साथ परफ़ेक्ट टेक्स्ट इंटीग्रेशन, दिखाता है कि मॉडल टाइपोग्राफ़ी और मेन्यू लेआउट दोनों को स्वाभाविक रूप से कैसे संभालता है।

मॉडल ने दृश्य को अधिक वास्तविक बनाने के लिए स्वतः मेन्यू आइटम्स और कीमतें जोड़ीं। यह दिखाता है कि Gemini संदर्भ को समझता है और तार्किक, पूर्ण कंपोज़िशन बनाता है।

तकनीकों को साथ जोड़ना

सबसे शक्तिशाली प्रॉम्प्ट कई तकनीकों को जोड़ते हैं। अलग-अलग तत्वों को ऐसे परत-दर-परत रखें:

# Combining camera control + lighting + style + specific details
generateandsave_image(
   "Low angle shot of modern office lobby, dramatic uplighting, marble floors, geometric ceiling, professional atmosphere",
   "professional_lobby.png"
)

यहाँ परिणामी इमेज है जो दिखाती है कि ये तकनीकें साथ मिलकर कैसे काम करती हैं:

यह प्रॉम्प्ट इनका संयोजन करता है:

• कैमरा नियंत्रण: “Low angle shot”
• लाइटिंग: “Dramatic uplighting”
• स्टाइल: “Modern”, “professional atmosphere”
• विशिष्ट विवरण: “Marble floors”, “geometric ceiling”

ध्यान रखें कि आप हमेशा बताकर अपनी इमेज को सुधार सकते हैं कि आप क्या बदलाव चाहते हैं। Gemini चरणबद्ध सुधारों में उत्कृष्ट है, जो हमें उन उन्नत फीचर्स की ओर ले जाता है जो इस मॉडल को विशेष बनाते हैं।

उन पाठकों के लिए जो समझना चाहते हैं कि Gemini 2.5 Flash Image Google के अन्य AI टूल्स से कैसे तुलना करता है, हमारा Gemini 2.0 Flash ट्यूटोरियल Google के नवीनतम मल्टीमॉडल AI सिस्टम की व्यापक क्षमताओं की पड़ताल करता है।

Gemini 2.5 Flash Image: उन्नत फीचर्स और क्षमताएँ

जो प्रॉम्प्ट इंजीनियरिंग तकनीकें आपने अभी सीखीं, वे अधिक उन्नत ऑपरेशनों की नींव बनाती हैं। अब हम इन्हें Gemini की सबसे शक्तिशाली विशेषताओं पर लागू कर सकते हैं, जो इसे अन्य मॉडलों से अलग करती हैं:

मल्टी-इमेज कंपोज़िशन

सबसे शक्तिशाली फीचर्स में से एक है कई इमेज को मिलाकर कुछ नया बनाना। यह साधारण इमेज ब्लेंडिंग से अलग तरह से काम करता है — Gemini हर इमेज में मौजूद ऑब्जेक्ट्स और कॉन्टेक्स्ट को समझता है और उन्हें बुद्धिमानी से मर्ज कर सकता है।

इस उदाहरण के लिए, मान लेते हैं कि आपने पिछले सेक्शन्स की तकनीकों का उपयोग करके बेस कंपोनेंट्स जनरेट कर लिए हैं। इन्हें ऐसे जोड़ें:

# Load the base images for composition
gemstone_img = Image.open("https://cdn-images-1.medium.com/proxy/1*zy36GlKisNwsmJ0PwwHODw.png")
setting_img = Image.open("https://cdn-images-1.medium.com/proxy/1*fpNU31VkSznr1NTHbUx-mA.png")

# Compose them with specific instructions
response = client.models.generate_content(
   model="gemini-2.5-flash-image-preview",
   contents=[
       "Mount the rare tanzanite gemstone perfectly into the platinum Art Nouveau setting, creating an exquisite luxury engagement ring, professional jewelry photography with dramatic lighting",
       gemstone_img,
       setting_img
   ]
)

कंपोज़िशन के लिए उपयोग की गई बेस इमेज:

बेस कंपोनेंट 1: दुर्लभ टैन्ज़नाइट रत्न, उत्कृष्ट स्पष्टता और प्रिज़मैटिक आंतरिक संरचनाओं के साथ।

बेस कंपोनेंट 2: प्लेटिनम आर्ट नोव्यू सेटिंग, उत्कृष्ट फ़िलिग्री शिल्पकला के साथ।

संयोजित परिणाम:

अंतिम कंपोज़िशन: रत्न और सेटिंग को बिना जोड़ के मिलाया गया है, लक्ज़री पीस में, ऐसी परफ़ेक्ट लाइटिंग के साथ जो दोनों तत्वों को उभारती है।

पेशेवर कंपोज़िशन का रहस्य इन बातों में विशिष्ट होना है:

• इंटीग्रेशन गुणवत्ता: “Mount perfectly”, “seamlessly combine”.
• लाइटिंग कंसिस्टेंसी: “Professional jewelry photography with dramatic lighting”.
• अंतिम प्रस्तुति: “Luxury engagement ring”, “exquisite”.

यह तकनीक इन उपयोगों के लिए उपयुक्त है:

• हाई-एंड प्रोडक्ट फ़ोटोग्राफ़ी: प्रोडक्ट एलिमेंट्स को प्रीमियम बैकग्राउंड्स के साथ जोड़ना।
• लक्ज़री ब्रांड मार्केटिंग: ब्रांड एसेट्स को परिष्कृत संदर्भों के साथ मर्ज करना।
• आर्किटेक्चरल विज़ुअलाइज़ेशन: बिल्डिंग एलिमेंट्स को पर्यावरणीय सेटिंग्स के साथ जोड़ना।

चरणबद्ध इमेज परिष्करण

अधिकांश इमेज मॉडलों के विपरीत, जहाँ बदलावों के लिए फिर से शुरू करना पड़ता है, Gemini 2.5 Flash Image आपको बातचीत के माध्यम से क्रमिक सुधार करने देता है। इससे यह पेशेवर डिज़ाइन वर्कफ़्लोज़ के लिए उपयुक्त बनता है, जहाँ आपको अवधारणाएँ विकसित करनी होती हैं।

आइए प्रीमियम ऑडियो उपकरण विकास के माध्यम से काम करते हैं:

# Step 1: Start with concept design
concept_img = Image.open("https://cdn-images-1.medium.com/proxy/1*2qw1o9vPjUMHCwYnvHiYbA.png")

# Step 2: First refinement - luxury materials
response1 = client.models.generate_content(
   model="gemini-2.5-flash-image-preview",
   contents=[
       "Refine this speaker with premium ebony wood veneer finish, hand-polished surfaces, subtle gold accent lines, maintaining same proportions",
       concept_img
   ]
)

# Step 3: Second refinement - high-tech features 
luxuryimg = Image.open("https://cdn-images-1.medium.com/proxy/1*kytHi4QRCmbor1e35Nyyw.png")

response2 = client.models.generate_content(
   model="gemini-2.5-flash-image-preview",
   contents=[
       "Add sophisticated LED indicators, premium fabric grille, wireless connectivity features, maintaining all luxury finishes",
       luxury_img
   ]
)

चरण 1: कॉन्सेप्ट डिज़ाइन

शुरुआती कॉन्सेप्ट: परिष्कृत इंजीनियरिंग और प्रीमियम सामग्री की बुनियाद दिखाते हुए क्लीन ज्योमैट्रिक डिज़ाइन।

चरण 2: लक्ज़री सामग्री परिष्करण

पहला इटरेशन: मूल अनुपात को संरक्षित रखते हुए लक्ज़री एबोनी वुड वेनियर और हैंड-पॉलिश्ड गोल्ड एक्सेंट जोड़े गए।

चरण 3: हाई-टेक इंटीग्रेशन

अंतिम इटरेशन: सभी लक्ज़री फ़िनिश बनाए रखते हुए परिष्कृत LED इंडिकेटर्स और प्रीमियम फ़ैब्रिक ग्रिल इंटीग्रेट किए।

पेशेवर चरणबद्ध परिष्करण के लिए सर्वोत्तम अभ्यास:

• संरचनात्मक तत्वों को संरक्षित रखें: “Maintaining same proportions”
• पिछले बदलावों पर निर्माण करें: “Maintaining all luxury finishes”
• लक्षित सुधार करें: प्रति इटरेशन एक पहलू पर फ़ोकस करें
• पेशेवर शब्दावली का उपयोग करें: “Premium”, “sophisticated”, “hand-polished”

किरदारों की एकरूपता

कई संदर्भों में एक समान किरदार बनाए रखना लक्ज़री ब्रांड विकास और परिष्कृत मार्केटिंग अभियानों के लिए महत्वपूर्ण है। Gemini यह किरदारों के विज़ुअल DNA को समझकर और अलग-अलग पेशेवर अनुप्रयोगों में उसे संरक्षित रखकर संभालता है।

एक परिष्कृत ब्रांड मैस्कॉट ऐसे विकसित करें:

# After creating your base character
basemascot = Image.open("https://cdn-images-1.medium.com/proxy/1*Szx9SZ9UPl7zsa5NKUDVg.png")

# Generate consistent applications
response1 = client.models.generate_content(
   model="gemini-2.5-flash-image-preview",
   contents=[
       "Show this exact crystal mascot in an upscale jewelry boutique, maintaining identical facets and rose-gold glow",
       base_mascot
   ]
)

response2 = client.models.generate_content(
   model="gemini-2.5-flash-image-preview",
   contents=[
       "Show this exact crystal mascot on luxury packaging design, maintaining identical geometric form and internal glow",
       base_mascot
   ]
)

चरण 1: ब्रांड किरदार स्थापित करना

ब्रांड किरदार नींव: विशिष्ट ज्यामितीय फैसेट्स और रोज़-गोल्ड आंतरिक चमक के साथ परिष्कृत क्रिस्टल अस्तित्व।

चरण 2: रिटेल वातावरण अनुप्रयोग

बुटीक अनुप्रयोग: किरदार लक्ज़री रिटेल संदर्भ में ढलते हुए भी सटीक ज्यामितीय फैसेट्स और चमक बनाए रखता है।

चरण 3: पैकेजिंग डिज़ाइन एकीकरण

पैकेजिंग एकीकरण: समान किरदार को प्रीमियम पैकेजिंग एस्थेटिक में अनुकूलित किया गया है, सुसंगत विज़ुअल पहचान के साथ।

चरण 4: डिजिटल इंटरफ़ेस उपस्थिति

डिजिटल अनुप्रयोग: समान ज्यामितीय गुणों के साथ डिजिटल प्लेटफ़ॉर्म्स पर भी किरदार की एकरूपता बनी रहती है।

पेशेवर एकरूपता के लिए वाक्यांश है “this exact [character]” जिसे विशिष्ट फीचर कॉलआउट्स के साथ जोड़ें: “maintaining identical facets”, “same geometric form”, “identical rose-gold glow”.

पेशेवर कैरेक्टर कंसिस्टेंसी सबसे अच्छा तब काम करती है जब आप:

• अपने बेस किरदार में विशिष्ट, यादगार विज़ुअल तत्व बनाएँ।
• विशिष्ट तकनीकी विवरण उपयोग करें: “geometric facets”, “internal luminescence”.
• सटीक विज़ुअल गुणों का संदर्भ दें: “rose-gold glow”, “prismatic surfaces”.
• सभी अनुप्रयोगों में ब्रांड-उपयुक्त परिष्कार बनाए रखें।

यह फीचर इन कार्यों के लिए क़ीमती है:

• लक्ज़री ब्रांड विकास: प्रीमियम टचप्वाइंट्स पर सुसंगत मैस्कॉट्स।
• हाई-एंड मार्केटिंग अभियान: मीडिया भर में परिष्कार बनाए रखने वाले किरदार।
• कॉर्पोरेट पहचान प्रणालियाँ: सुसंगत रूप से स्केल होने वाले पेशेवर ब्रांड एलिमेंट्स।

स्टाइल ट्रांसफ़र और ट्रांसफ़ॉर्मेशन

कंटेंट एडिटिंग से आगे बढ़कर, आप ऑब्जेक्ट्स की संपूर्ण एस्थेटिक शैली बदल सकते हैं जबकि उनकी मूल संरचना बनाए रखते हैं। यह अलग-अलग डिज़ाइन दिशाओं को तेज़ी से टेस्ट करने के लिए शक्तिशाली है।

स्टाइल परीक्षण के लिए बेस ऑब्जेक्ट:

शुरुआती बिंदु: एक परिष्कृत शिल्पात्मक कुर्सी डिज़ाइन, जिसे हम पूरी तरह अलग-अलग शैलियों में बदलेंगे।

साइबरपंक ट्रांसफ़ॉर्मेशन:

साइबरपंक संस्करण: भविष्यवादी हाई-टेक एस्थेटिक, नीयन एक्सेंट्स और मेटैलिक फ़िनिश के साथ, जबकि कुर्सी का मूल फ़ॉर्म संरक्षित है।

विक्टोरियन बारोक ट्रांसफ़ॉर्मेशन:

बारोक स्टाइल: समृद्ध, अलंकृत शास्त्रीय डिज़ाइन, लक्ज़री सामग्री और जटिल डिटेलिंग के साथ, वही बुनियादी संरचना बनाए रखते हुए।

स्टाइल ट्रांसफ़र का पैटर्न:

# Load your base object
base_object = Image.open("https://cdn-images-1.medium.com/proxy/1*TWO2meqMNnS1-6XSO6yv7Q.png")

# Apply style transformations
response = client.models.generate_content(
   model="gemini-2.5-flash-image-preview",
   contents=[
       "Change this chair into cyberpunk style with neon LED strips, chrome frame, futuristic aesthetic",
       base_object
   ]
)

स्टाइल ट्रांसफ़र के उपयोग:

• प्रोडक्ट डिज़ाइन: क्लाइंट प्रस्तुतियों के लिए एस्थेटिक दिशाएँ परीक्षण करना।
• इंटीरियर डिज़ाइन: अलग-अलग कमरे की थीम्स में फ़र्नीचर शैलियाँ परीक्षण करना।
• ब्रांड विकास: अलग-अलग बाज़ार खंडों के लिए विज़ुअल तत्वों को अनुकूलित करना।

ये उन्नत फीचर्स — मल्टी-इमेज कंपोज़िशन, क्रमिक परिष्करण, कैरेक्टर कंसिस्टेंसी, और स्टाइल ट्रांसफ़र — वे मुख्य लाभ प्रस्तुत करते हैं जो Gemini 2.5 Flash Image को पेशेवर वर्कफ़्लोज़ के लिए विशेष रूप से शक्तिशाली बनाते हैं।

निष्कर्ष

Gemini 2.5 Flash Image इमेज जनरेशन के लिए अलग दृष्टिकोण अपनाता है। आप हर बार फिर से शुरू करने के बजाय बातचीत के माध्यम से इमेज को एडिट कर सकते हैं। कैरेक्टर कंसिस्टेंसी फीचर अलग-अलग दृश्यों में विज़ुअल तत्वों को एक जैसा रखता है, और मल्टी-इमेज कंपोज़िशन तत्वों को इस तरह जोड़ने देता है जो बनावटी नहीं, बल्कि स्वाभाविक लगता है।

टोकन-आधारित प्राइसिंग स्ट्रक्चर आपको प्रोजेक्ट प्लानिंग के लिए पूर्वानुमेय लागत देता है। जब आप इन बुनियादों से आगे बढ़ने के लिए तैयार हों, तो आधिकारिक दस्तावेज़ अतिरिक्त फीचर्स कवर करते हैं और नए रिलीज़ के साथ अद्यतन रहते हैं। इस ट्यूटोरियल की तकनीकें आपके वर्कफ़्लो में संवादात्मक इमेज जनरेशन को शामिल करने के लिए एक ठोस नींव प्रदान करती हैं।

जो लोग Gemini से आगे अपना AI टूलकिट बढ़ाना चाहते हैं, उनके लिए हमारा Gemini के साथ इमेज एडिटिंग का व्यावहारिक मार्गदर्शक अतिरिक्त एडिटिंग क्षमताएँ एक्सप्लोर करता है, जबकि हमारा DALL-E 3 ट्यूटोरियल OpenAI के AI इमेज जनरेशन के वैकल्पिक दृष्टिकोण को कवर करता है।