Nano Banana Pro: il nuovo modello dominante di generazione immagini di Google

Quando il team di sviluppo di Google ha battezzato internamente il loro modello di generazione immagini "Nano Banana", il nome è rimasto. La versione pro è stata lanciata il 20 novembre 2025 e risolve problemi che avevano frustrato chi lavorava con i generatori di immagini AI precedenti.

Questo tutorial ti mostra come funziona Nano Banana Pro, ti guida all'uso dell'API e ti aiuta a decidere quando usarlo al posto della versione non pro.

Cos'è Nano Banana Pro?

Nano Banana Pro (gemini-3-pro-image-preview) si basa su Gemini 2.5 Flash Image (il Nano Banana originale dalla mia guida precedente) con miglioramenti significativi.

Il modello fa quattro cose in modo eccezionale con cui le versioni precedenti faticavano:

• Resa del testo: testo chiaro e leggibile in più lingue e font (niente più lettere illeggibili)
• Controlli da studio: regola luci, angoli di ripresa e profondità di campo come in uno studio fotografico
• Coerenza dei personaggi: mantieni lo stesso personaggio su 5 persone o 14 oggetti in scene diverse
• Conoscenza del mondo reale: integrazione con Google Search per fatti accurati nei contenuti educativi

Il modello supporta risoluzioni 1K, 2K e 4K con rapporti d'aspetto tra cui 1:1, 16:9, 9:16 e 21:9. Ogni immagine include filigrana invisibile SynthID. Puoi provarlo gratis tramite l'app Gemini, mentre per l'accesso via API serve la configurazione della fatturazione.

Prima di provare tutto questo, devi ottenere l'accesso al modello. Vediamo le opzioni.

Come accedere a Nano Banana Pro

Puoi provare Nano Banana Pro gratuitamente tramite l'app Gemini su gemini.google.com. Ti basta accedere con il tuo account Google e iniziare a generare immagini. L'accesso gratuito ha limiti d'uso (Google non ha pubblicato numeri esatti), quindi se prevedi di generare molte immagini o creare applicazioni, ti servirà l'accesso API tramite Google AI Studio o Vertex AI. Questo richiede la configurazione della fatturazione, ma ti offre costi prevedibili e limiti più alti.

Ottenere l'accesso all'API

Vai su Google AI Studio e accedi. Dovrai creare o collegare un progetto Google Cloud, quindi abilitare la fatturazione (serve una carta di credito). Fatto questo, genera una chiave API dalla sezione API keys.

Conserva la tua chiave API in modo sicuro. Crea un file .env nella directory del progetto e aggiungi:

GEMINI_API_KEY=your_key_here

Non fare mai commit di questo file nel controllo versione. Aggiungi .env al tuo file .gitignore.

Dettaglio prezzi

Il modello addebita per immagine generata:

• Fascia standard: 0,134 $ per immagine 1K o 2K, 0,24 $ per immagine 4K
• Fascia batch: 0,067 $ per immagine 1K/2K, 0,12 $ per immagine 4K (elaborazione asincrona a costo inferiore)

Per riferimento, 10 $ ti danno circa 75 immagini 1K di qualità standard o 42 immagini 4K. Generazione ed editing hanno lo stesso costo.

I limiti di velocità variano in base alla tua fascia di account e regione (controlla la documentazione ufficiale dei prezzi per i limiti attuali). Gli utenti enterprise possono accedere al modello tramite Vertex AI con funzionalità aggiuntive di sicurezza e conformità.

Con l'accesso configurato, generiamo la tua prima immagine e vediamo l'editing conversazionale in azione.

Primi passi: la tua prima immagine

È ora di generare immagini e vedere cosa rende speciale Nano Banana Pro. Genereremo una scena cosmica d'impatto, la trasformeremo in modo conversazionale, quindi la fonderemo con più immagini di riferimento per creare una composizione finale.

Configurare l'ambiente

Per prima cosa, installa i pacchetti richiesti:

pip install google-genai python-dotenv pillow

Ti servirà google-genai per lavorare con i modelli Gemini, python-dotenv per caricare la chiave API dal file .env e pillow per gestire le immagini.

Scrivere prompt efficaci

I buoni prompt per Nano Banana Pro combinano dettagli specifici con termini di fotografia o design. Invece di descrizioni vaghe, includi elementi visivi concreti e riferimenti di stile.

In genere, i prompt efficaci includono:

• Dettagli del soggetto: oggetti specifici, colori, composizioni
• Illuminazione: "luce naturale soffusa", "golden hour", "illuminazione laterale drammatica"
• Specifiche camera: "profondità di campo ridotta", "angolazione bassa", "inquadratura ampia"
• Descrittori di stile: "fotografia professionale", "cinematografico", "design minimalista"

Generare la tua prima immagine

Ecco il codice completo per generare un'immagine:

import os
from google import genai
from google.genai import types
from dotenv import load_dotenv

# Load API key
load_dotenv()
client = genai.Client(api_key=os.getenv("GOOGLE_API_KEY"))

# Generate image
response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents="Vast cosmic nebula in deep space. Swirling purple and blue gas clouds with bright star clusters. Ethereal glow. Epic space photography. 16:9 cinematic composition. No planets visible.",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(
            aspect_ratio="16:9",
            image_size="1K"
        ),
    )
)

# Save the image
for part in response.parts:
    if image := part.as_image():
        image.save("cosmic_base.png")
        print("Image saved!")

Questo codice segue il flusso di lavoro principale di Nano Banana Pro. Il metodo generate_content() gestisce la generazione dell'immagine. Il parametro response_modalities indica al modello di restituire sia testo che immagini. All'interno di image_config controlli l'output: aspect_ratio imposta le dimensioni dell'immagine (16:9 per widescreen), mentre image_size determina la risoluzione (1K, 2K o 4K). La risposta arriva come parti, che iteri per estrarre e salvare l'immagine generata.

Questo genera una nebulosa cosmica d'impatto:

Ora vediamo come l'editing conversazionale trasforma questa scena.

Editing conversazionale in azione

Invece di rigenerare da zero, puoi modificare le immagini tramite conversazione. Trasformiamo la palette della nebulosa preservandone la struttura:

# Load the base image
from PIL import Image
base_image = Image.open("cosmic_base.png")

# Create a chat session for editing
chat = client.chats.create(
    model="gemini-3-pro-image-preview",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(
            aspect_ratio="16:9",
            image_size="1K"
        ),
    )
)

# Edit: Transform colors
response = chat.send_message([
    base_image,
    "Transform this nebula to warm orange and red tones, like a different type of stellar nursery. Keep the same swirling structure and composition."
])

# Save edited image
for part in response.parts:
    if image := part.as_image():
        image.save("cosmic_orange.png")

Stessa struttura della nebulosa, atmosfera completamente diversa:

Fondere più immagini

Nano Banana Pro può fondere fino a 14 immagini di riferimento mantenendo la coerenza. Combiniamo la nostra nebulosa arancione con due elementi aggiuntivi: una cometa drammatica e un antico monolite alieno.

Per prima cosa, genera le due immagini di riferimento:

# Generate comet reference
comet_response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents="Massive comet with bright glowing nucleus and long ion tail streaming behind. Detailed surface texture on comet head. Ethereal blue-white tail against black space. Dramatic cosmic photography.",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="16:9", image_size="1K"),
    )
)

# Save comet
for part in comet_response.parts:
    if image := part.as_image():
        image.save("comet.png")

Ecco l'elemento cometa:

# Generate ancient alien monolith
monolith_response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents="Massive ancient alien monolith floating in space. Towering black rectangular obelisk with subtle geometric patterns. Mysterious glowing symbols etched on surface. 2001 Space Odyssey style. Epic scale.",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="16:9", image_size="1K"),
    )
)

# Save monolith
for part in monolith_response.parts:
    if image := part.as_image():
        image.save("monolith.png")

E il monolite alieno antico:

Ora fonde tutti e tre gli elementi in un'unica composizione. Il parametro contents accetta un elenco: prima il tuo prompt testuale, seguito da tutte le immagini che vuoi fondere.

# Load all three images
nebula = Image.open("cosmic_orange.png")
comet = Image.open("comet.png")
monolith = Image.open("monolith.png")

# Blend them into one composition
blend_response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=[
        "Combine these images into one epic space scene. Place the ancient alien monolith in the right side, towering and mysterious. Show the bright comet with its glowing tail streaking diagonally across the left side. Keep the orange nebula as the dramatic backdrop. Cinematic space composition.",
        nebula,
        comet,
        monolith
    ],
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="16:9", image_size="1K"),
    )
)

# Save final composition
for part in blend_response.parts:
    if image := part.as_image():
        image.save("cosmic_final.png")

La composizione finale combina senza soluzione di continuità tutti e tre gli elementi:

Ora che hai imparato a generare immagini con il nuovo modello e a sfruttarne alcune funzioni, vediamo le sue quattro differenze rispetto ad altri modelli.

Cosa rende diverso Nano Banana Pro

Hai visto la generazione di base e l'editing conversazionale. Ora esaminiamo in dettaglio ogni capacità e come funziona nella pratica.

Useremo una funzione di supporto per mantenere puliti gli esempi di codice:

def generate_image(prompt, filename, aspect_ratio="16:9", size="1K", use_google_search=False):
    
    config = types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(
            aspect_ratio=aspect_ratio,
            image_size=size
        ),
    )
    
    # Add Google Search grounding if requested
    if use_google_search:
        config.tools = [{"google_search": {}}]
    
    response = client.models.generate_content(
        model="gemini-3-pro-image-preview",
        contents=prompt,
        config=config
    )

    for part in response.parts:
        if image := part.as_image():
            image.save(f"{filename}.png")
            return image

Questo riduce la ripetizione negli esempi seguenti e mostra un pattern riutilizzabile che puoi adattare ai tuoi progetti.

Svolta nella resa del testo

Storicamente, i generatori di immagini AI rovinavano il testo, rendendoli inutili per tutto ciò che riguarda tipografia, branding o design di interfacce. Nano Banana Pro risolve il problema.

Ecco un poster cinematografico con più elementi testuali:

# Generate movie poster with cast and credits
image = generate_image(
    prompt="""Sci-fi movie poster. Large title "STELLAR HORIZON" at top. Actor names "SARAH CHEN" "MARCUS RODRIGUEZ" "AISHA WILLIAMS". Production credits "Directed by James Park" "Produced by Luna Studios" at bottom. Deep space background with nebula. Professional film poster typography. Crisp readable text.""",
    filename="movie_poster"
)

La stessa capacità funziona per interfacce web con più elementi testuali:

# SaaS website hero section
image = generate_image(
    prompt="""Modern SaaS website hero section. Large headline "Automate Your Workflow in Minutes" with subheadline "Connect your tools and boost productivity by 10x". Two buttons "Start Free Trial" and "Watch Demo". Trust badges showing "500K+ Users" "99.9% Uptime" "SOC 2 Certified". Clean typography. Gradient purple to blue background. Professional web design layout.""",
    filename="saas_hero"
)

Gestisce persino testo multilingue nella stessa immagine:

# Conference poster with English and Japanese
image = generate_image(
    prompt="""Tech conference poster. Top section English text: "GLOBAL AI SUMMIT 2025" "March 15-17, Tokyo". Bottom section Japanese text: "グローバルAIサミット2025" "3月15日-17日、東京". Modern geometric design. Vibrant gradient background blue to purple. Professional bilingual typography.""",
    filename="multilingual_poster"
)

I team marketing possono creare visual di campagna con messaggi chiari, i designer possono esplorare la tipografia senza lavoro manuale di impaginazione, i brand possono generare wordmark coerenti sui materiali e i designer UI/UX possono realizzare mockup con testo leggibile.

La chiarezza del testo è solo un pezzo del puzzle. Vediamo come controlli luci e angoli di ripresa.

Controllo a livello di studio

Nano Banana Pro ti consente di regolare luci, angoli di ripresa, profondità di campo e color grading in modo conversazionale mantenendo la composizione.

Parti con uno scatto prodotto frontale:

# Generate base product image
base_image = generate_image(
    prompt="""Premium wireless earbuds with charging case. Front-facing straight-on view. Sleek matte black finish. Modern minimalist design. Clean white studio background. Professional product photography. Sharp focus throughout. Contemporary tech aesthetic.""",
    filename="earbuds_front"
)

Ora cambia l'angolo di ripresa in vista dall'alto senza rigenerare:

# Create chat for editing
chat = client.chats.create(
    model="gemini-3-pro-image-preview",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="16:9", image_size="1K"),
    )
)

# Edit camera angle conversationally
edit_response = chat.send_message([
    base_image,
    """Show these exact same wireless earbuds from bird's eye view, looking straight down from above. Keep the same earbuds and charging case. Overhead flat lay composition. Professional product photography."""
])

# Save edited image
for part in edit_response.parts:
    if image := part.as_image():
        image.save("earbuds_overhead.png")

I fotografi di prodotto possono testare angoli senza nuovi scatti, gli architetti possono mostrare edifici da prospettive diverse, gli interior designer possono visualizzare spazi con vari punti di vista e i team marketing possono creare variazioni di composizione per A/B test.

Coerenza dei personaggi

Le mascotte di brand devono apparire identiche in ogni touchpoint. Le campagne richiedono lo stesso personaggio in scenari diversi. I modelli precedenti faticavano (anche se già il Nano Banana base era molto valido). Nano Banana Pro migliora ulteriormente l'identità visiva tra le scene.

Genera un elemento di logo del brand:

# Create brand logo
brand_logo = generate_image(
    prompt="""Abstract geometric ribbon logo. Flowing infinity loop shape with metallic gradient silver to deep purple. Smooth curved surfaces. Elegant minimalist design. Clean white background. Premium brand identity element. Modern corporate aesthetic. No face. No eyes.""",
    filename="ribbon_logo"
)

Usa lo stesso nastro in un'interfaccia app mobile:

# Create chat for editing
chat = client.chats.create(
    model="gemini-3-pro-image-preview",
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio="16:9", image_size="1K"),
    )
)

# Show logo in app interface
app_response = chat.send_message([
    brand_logo,
    """Show this exact ribbon logo in a complete mobile app home screen. Top status bar with time and battery. Logo in header next to app name. Content cards below showing features. Bottom tab navigation with icons and labels. Modern mobile app UI. Gradient purple background. Professional startup app design. Full mobile interface layout."""
])

# Save
for part in app_response.parts:
    if image := part.as_image():
        image.save("ribbon_app.png")

Ora mostra lo stesso nastro sul merchandising fisico:

# Show logo on merchandise
merch_response = chat.send_message([
    brand_logo,
    """Show this exact ribbon logo on brand merchandise collection. Flat lay showing: white tote bag with logo, coffee mug with logo, t-shirt with logo printed on chest, product packaging box with logo. All items arranged together. Premium brand identity mockup. Minimalist aesthetic. Professional product photography. Same ribbon on each item."""
])

# Save
for part in merch_response.parts:
    if image := part.as_image():
        image.save("ribbon_merchandise.png")

Arriviamo ora alla funzione che cambia le carte in tavola di Nano Banana Pro: il grounding fattuale tramite Google Search.

Conoscenza del mondo reale in azione

Quando abiliti il grounding con Search, il modello accede a informazioni aggiornate per un'accuratezza fattuale in materiali educativi, documentazione tecnica e contenuti data-driven in cui la correttezza è critica.

Abilita il grounding con Google Search per contenuti educativi:

# Generate solar energy infographic with Search grounding
image = generate_image(
    prompt="""Educational infographic explaining solar panel energy conversion. Show photovoltaic cells converting to DC power, then inverter converting to AC power for the grid. Clear labels and arrows.""",
    filename="solar_infographic",
    use_google_search=True  # Enable Search for factual accuracy
)

Lo stesso grounding funziona per i diagrammi tecnici:

# Generate neural network diagram with Search grounding
image = generate_image(
    prompt="""Neural network architecture diagram. Left: 4 input nodes labeled "Input 1" "Input 2" "Input 3" "Input 4". Middle: two hidden layers each with 5 nodes labeled "Hidden Layer 1" and "Hidden Layer 2". Right: 3 output nodes labeled "Output 1" "Output 2" "Output 3". Connection lines between all layers. Clean technical illustration. Educational ML diagram. Professional data science aesthetic.""",
    filename="ml_architecture",
    use_google_search=True  # Enable Search for accuracy
)

I creatori di contenuti educativi possono produrre materiali accurati, i technical writer possono visualizzare correttamente sistemi complessi, i team data possono rappresentare statistiche reali e i divulgatori scientifici possono creare diagrammi accurati senza controlli estesi dei fatti.

Queste quattro funzionalità rendono Nano Banana Pro versatile per i flussi di lavoro professionali. Ora confrontiamolo direttamente con il Nano Banana originale per vedere i miglioramenti.