Gemini Nano Banana 2.1 - MixRoute API

Gemini Nano Banana 2.1は、画質、テキスト描画、参照の一貫性、横長画像を重視した、画像生成および会話形式の編集モデルです。gemini-nano-banana-2.1を使用してください。チャット専用のGeminiモデルで代用しないでください。

モデル情報

フィールド	説明
`model`	gemini-nano-banana-2.1
`input limit`	131,072トークン
`output limit`	32,768トークン
`input / output`	テキスト、画像、動画、PDFの入力。画像とテキストの出力。ネイティブ音声出力はありません。
`image output`	1K（デフォルト）、2K、または4K。Nano Banana 2の512ティアは適用されません。

これらはモデルの仕様です。ルートの利用可否、課金、ファイルアクセス、リクエストサイズの上限は、選択したチャネルに依存します。画像出力には、以下のネイティブGeminiエンドポイントを使用します。 POST https://api.mixroute.ai/v1/models/gemini-nano-banana-2.1:generateContent POST https://api.mixroute.ai/v1/models/gemini-nano-banana-2.1:streamGenerateContent?alt=sse

画像を生成

curl --request POST "https://api.mixroute.ai/v1/models/gemini-nano-banana-2.1:generateContent" \
  --header "Authorization: Bearer $MIXROUTE_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Generate a clean product photograph of a red ceramic mug on a plain white background. No text."
        }
      ]
    }
  ],
  "generationConfig": {
    "responseModalities": [
      "TEXT",
      "IMAGE"
    ],
    "imageConfig": {
      "aspectRatio": "1:1",
      "imageSize": "1K"
    },
    "thinkingConfig": {
      "thinkingLevel": "MINIMAL"
    }
  }
}'

このエンドポイントでは、サイズとアスペクト比にネイティブのgenerationConfig.imageConfigフィールドを使用します。リクエストボディにmetadata、asset、OpenAIのsize/nフィールド、またはmodelフィールドを追加しないでください。モデルはURLで選択します。

リクエストフィールド

フィールド	説明
`contents`	partsを含む、必須のuser/modelターン。
`contents[].parts[].text`	プロンプトまたは編集指示。
`contents[].parts[].inlineData`	入力画像オブジェクト：mimeTypeと生のBase64データ。data-URIプレフィックスは付けません。
`contents[].parts[].fileData`	ネイティブのfileUri/mimeType参照。リソースはルートのアカウントからアクセスできる必要があります。
`generationConfig.responseModalities`	画像出力には[“TEXT”,“IMAGE”]または[“IMAGE”]を使用してください。
`generationConfig.imageConfig.aspectRatio`	1:1や16:9などの、ネイティブのアスペクト比文字列。
`generationConfig.imageConfig.imageSize`	1K、2K、または4K。大文字と小文字を区別します。デフォルトは1Kです。
`generationConfig.thinkingConfig.thinkingLevel`	MINIMAL、MEDIUM（デフォルト）、またはHIGH。
`generationConfig.thinkingConfig.includeThoughts`	任意の思考要約パート。最終画像を保存するときは、thought=trueのパートをスキップしてください。
`generationConfig.maxOutputTokens`	画像とテキストを合わせた出力バジェットで、最大32,768です。バジェットが小さすぎると、完全な画像を生成できない場合があります。
`tools`	ルートで有効化されている場合、ネイティブのGoogle Searchグラウンディングを利用できます。この画像モデルは関数呼び出しに対応していません。
`safetySettings`	ネイティブのcategory/threshold設定。プロバイダーとアカウントのポリシーが適用されます。

制限

アスペクト比には1:1、1:4、4:1、1:8、8:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9があります。
参照画像は最大14枚で、モデルのガイダンスでは最大4体のキャラクターと10個のオブジェクトに対応します。これらは入力の上限であり、完全な一貫性を保証するものではありません。
Vertexのインライン画像入力は、1枚あたり7 MBが上限です。PNG、JPEG、WebP、HEIC、HEIFに対応しています。その他のリクエスト制限がより厳しい場合があります。
非対応のサンプリング／ランダム性のフィールドtemperature、topP、topK、seed、logprobsは省略してください。
音声生成、任意の関数呼び出し、構造化されたJSON出力には対応していません。

編集と複数ターンでの使用

{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Change the mug color to blue while preserving its shape and the white background."
        },
        {
          "inlineData": {
            "mimeType": "image/png",
            "data": "BASE64_IMAGE_DATA"
          }
        }
      ]
    }
  ],
  "generationConfig": {
    "responseModalities": [
      "TEXT",
      "IMAGE"
    ],
    "imageConfig": {
      "aspectRatio": "1:1",
      "imageSize": "1K"
    },
    "thinkingConfig": {
      "thinkingLevel": "MINIMAL"
    }
  }
}

BASE64_IMAGE_DATAを、元のバイト列をBase64でエンコードしたものに置き換えてください。会話形式の編集では、前のcandidate.content全体をモデルのターンとして保持し、その後に次のユーザーのターンを追加します。すべてのthoughtSignature値を厳密に保持し、画像の履歴をテキストだけに置き換えないでください。

出力の読み取り

candidates[].content.parts[]を種類ごとに処理します。思考以外のinlineDataパートは、そのMIMEタイプとBase64デコード後のバイト列を使用して保存し、テキストパートは別途読み取ります。レスポンスに画像がない場合は、promptFeedbackとfinishReasonを確認する必要があります。HTTPの成功だけでは、画像が出力されたとは限りません。ストリーミングではJSONのstreamフラグではなく、同じボディでstreamGenerateContent?alt=sseを使用します。SSEのdataイベントを解析し、各JSONイベント内の画像パートとテキストパートを処理してください。画像の生成と編集 | 画像のストリーミング