nanobanana

nanobanana skill の概要

nanobanana は何に使うものか

nanobanana は、Google の gemini-3-pro-image-preview モデルをコマンドラインから実用的に使うための軽量ラッパーです。画像生成にも既存画像の編集にも対応しており、まずはフルアプリを作り込む前に、再現しやすくスクリプト化できる形で画像を作りたい人、プロンプト違いを比較したい人、複数の出力をまとめて生成したい人に向いています。

nanobanana を導入すべき人

nanobanana skill が特に合うのは、次のようなユーザーです。

• すでに Python と環境変数に慣れている開発者
• 再現性のある画像生成コマンドを使いたい AI 運用担当者
• スタイル・アスペクト比・出力サイズを比較検証したいプロンプトテスター
• テキストからの画像生成と、既存画像の編集をどちらも使いたいユーザー

一方で、チャット UI 上でたまに単発の画像生成をするだけなら、必要なセットアップはやや重く感じるはずです。

実際に片付けたい仕事

多くのユーザーが欲しいのは、抽象的な意味での「画像モデル」ではありません。ざっくりしたクリエイティブの目的を、実際に使える成果物に変える手段です。たとえば商品画像、風景、マスコット、コンセプトイラスト、あるいは既存画像の編集版などです。nanobanana for Image Generation が役立つのは、その仕事に対して CLI からまっすぐ到達できるからです。プロンプト入力、任意の元画像入力、アスペクト比の指定、さらに 2K / 4K 出力まで一通り押さえられています。

nanobanana が汎用プロンプト入力と違う点

差別化ポイントは、秘密のプロンプトではありません。中心にあるのはワークフローの簡略化です。

• 生成と編集に特化した専用スクリプト
• --ratio と --size の明示的な指定
• 環境変数ベースの API セットアップ
• scripts/batch_generate.py によるバッチ生成
• references/prompts.md にまとまった具体的なスタイル別プロンプト例

そのため、汎用チャットツールで毎回その場しのぎのプロンプトを手打ちするよりも、nanobanana の運用のほうが安定しやすいのが特徴です。

導入前に確認したいこと

導入判断で見るべき点はシンプルです。

• GEMINI_API_KEY が必要です。
• Python 3.10+ が必要です。
• google-genai と pillow が必要です。
• ローカルスクリプトの実行に抵抗がないほうが向いています。
• 画像品質はプロンプトの具体性に大きく左右されます。

これは手軽なノーコンフィグの Web アプリではなく、実務寄りの skill です。

nanobanana skill の使い方

nanobanana のインストール要件

nanobanana install を試す前に、以下を確認してください。

• Python 3.10+
• 有効な GEMINI_API_KEY
• Google API へ接続できるネットワーク環境
• Python パッケージ google-genai と pillow

依存関係のインストール:

pip install google-genai pillow

API キーの設定:

export GEMINI_API_KEY="your_api_key_here"

キーの取得先は https://aistudio.google.com/apikey です。

skills 環境に skill をインストールする

skills システムを使っている場合は、次のコマンドで skill を追加します。

npx skills add ReScienceLab/opc-skills --skill nanobanana

インストール後は、まず次のファイルから読むのがおすすめです。

• skills/nanobanana/SKILL.md
• skills/nanobanana/scripts/generate.py
• skills/nanobanana/references/prompts.md
• skills/nanobanana/scripts/batch_generate.py

この順番で見ていくと、「自分に使えるのか？」から「具体的にどのコマンドを打てばいいのか？」まで最短で把握できます。

テキストから画像を作る nanobanana の基本的な使い方

基本コマンドは、プロンプトを渡して generate スクリプトを実行する形です。

python3 <skill_dir>/scripts/generate.py "a cute robot mascot, pixel art style" -o robot.png

テキストだけから始めるなら、この使い方が基本です。出力パスは省略できますが、指定しておくとあとで自動命名ファイルを探し回らずに済みます。

nanobanana で既存画像を編集する

画像編集では、プロンプトと入力画像の両方を指定します。

python3 <skill_dir>/scripts/generate.py "make the background blue" -i input.jpg -o output.png

元画像を活かしながら、狙った変更だけを加えたいときに適したワークフローです。プロンプトではシーン全体を言い直すより、変えたい内容を中心に書くほうが有効です。大きく作り替えたい場合だけ、全体の再記述を検討してください。

アスペクト比と出力サイズを選ぶ

この skill は、次のような一般的なアスペクト比に対応しています。
1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9

例:

python3 <skill_dir>/scripts/generate.py "cinematic landscape at sunrise" --ratio 21:9 -o landscape.png

高解像度で出したい場合:

python3 <skill_dir>/scripts/generate.py "professional product photo of headphones" --size 4K -o product.png

アスペクト比はワークフローの早い段階で決めるのが重要です。単なるトリミングではなく、構図そのものに影響します。

プロンプト検証をするならバッチ生成を使う

scripts/batch_generate.py は、メインスクリプトの次に判断材料として重要なファイルです。1つのプロンプトから複数パターンを生成できます。

例:

python3 <skill_dir>/scripts/batch_generate.py "pixel art logo" -n 20 -d ./logos -p logo

並列生成にも対応しています。

python3 <skill_dir>/scripts/batch_generate.py "landscape concept art" -n 20 --parallel 5

1枚の決定版を狙うというより、スタイルの方向性を探りたいときに特に便利です。

nanobanana がうまく働く入力とは

「かっこいい画像を作って」のような曖昧な指示は、たいてい弱すぎます。より良い入力には、次の要素が含まれます。

• 主題が明確
• 意図するスタイルがある
• 光やカメラに関する手がかりがある
• 構図のヒントがある
• 品質や用途に関する意図がある

より良いプロンプト:

Professional product photo of wireless headphones on marble surface, soft studio lighting, 85mm lens, sharp focus, minimalist background

弱いプロンプト:

headphones advertisement

前者のほうがモデルに与える制御信号が多く、無難で凡庸な出力になりにくくなります。

ラフな発想を完成度の高いプロンプトにする

実用的な nanobanana guide としては、プロンプトを次の順で組み立てるのがおすすめです。

1. 主題を書く
2. ビジュアルの種類を指定する
3. シーンや構図の情報を足す
4. 光やムードを加える
5. 必要なときだけ品質の手がかりを加える

リポジトリのプロンプトリファレンスにあるテンプレート:

Digital illustration of {subject}, {style} style, {colors} color palette, {mood} atmosphere

例:

Digital illustration of an underwater research base, retro-futurist style, cyan and amber palette, mysterious atmosphere, detailed windows, glowing marine life

本格利用の前に読んでおきたいリポジトリ内ファイル

表面的な nanobanana の使い方 以上を知りたいなら、次を確認してください。

• SKILL.md: 前提条件とコマンドパターン
• references/prompts.md: プロンプト構造とカテゴリ別の具体例
• scripts/generate.py: 対応ファイル形式、有効なアスペクト比、サイズ指定
• scripts/batch_generate.py: 並列実行、待機、命名ルール
• .claude-plugin/plugin.json: パッケージングの前提

リポジトリのルートをざっと眺めるより、この skill は読むべき箇所がかなり絞られています。

実運用での制約とトレードオフ

スクリプトから見えてくる重要な制約は次のとおりです。

• 入力画像の編集は、ローカルにファイルが存在していることが前提です
• 非対応形式や存在しない画像ファイルは、生成前の段階で失敗します
• アスペクト比とサイズは、あらかじめ決められた有効値に限定されます
• ワークフローは Google の preview image model に依存するため、モデル更新で挙動が変わる可能性があります
• バッチ生成は処理量を増やせますが、そのぶん API 使用量やレート制限の圧力も高まります

高度な画像パイプライン制御、ノードベース編集、あるいはフル機能のホスト型 UI が必要なら、この skill は意図的に守備範囲を絞っています。

nanobanana skill の FAQ

nanobanana は初心者にも向いているか

はい。基本的なターミナル操作と Python パッケージのインストールに抵抗がなければ扱えます。nanobanana skill は API クライアントをゼロから自作するより簡単ですが、一般消費者向けアプリというより、あくまで開発者寄りのツールです。

通常のチャットプロンプトではなく nanobanana を使うべき場面は

次のような要件があるなら nanobanana を使う価値があります。

• 出力ファイルを保存したい
• 同じ条件で繰り返し実行したい
• ローカルファイルを使った画像編集をしたい
• バッチ生成をしたい
• アスペクト比やサイズを明示的に指定したい

気軽な試行なら通常のチャットプロンプトでも十分ですが、出力管理や再現性が重要になる場面では、この skill のほうが向いています。

nanobanana は生成と編集の両方に対応しているか

はい。対応しているのは次の機能です。

• プロンプトからの text-to-image 生成
• -i / --input を使った画像編集
• アスペクト比の制御
• 2K と 4K の出力設定
• 別スクリプトによるバッチ生成

単発のプロンプトを書くだけで済ませず、あえて導入する主な理由はこの組み合わせにあります。

nanobanana for Image Generation だけで本番運用に足りるか

コンセプト生成、アセット案出し、プロンプト探索、バッチ作成の実験といった、本番周辺のワークフローには十分役立ちます。ただし、それ単体で完結したプロダクト用パイプラインではありません。レビュー、選定、保存、必要に応じた後処理は、別途自分で用意する必要があります。

nanobanana が向かないケースは

次の条件が必要なら、nanobanana install は見送ったほうがよいでしょう。

• ブラウザ中心のノーコード体験
• 完全に管理された GUI ワークフロー
• 複雑な多段編集のオーケストレーション
• 長期的に安定したモデル挙動への強い保証
• 外部 API に依存しない画像生成

この skill の強みは、薄くて実務的なスクリプト層にあります。

nanobanana skill を改善する方法

まずはプロンプトの具体性を上げる

nanobanana の結果を最も手早く改善する方法は、プロンプトを具体的にすることです。"cool" や "beautiful" のような形容詞に頼るのではなく、主題、スタイル、構図、ライティングを入れてください。

弱い例:

a nice city

より強い例:

Aerial photograph of a dense coastal city at golden hour, dramatic shadows, high dynamic range, realistic urban detail, cinematic composition

出力タイプに合わせてプロンプトの書き方を変える

目的ごとに使う言葉を切り替えましょう。

• pixel art: 限られた色数、くっきりしたピクセル感、レトロゲーム風を入れる
• photorealistic: レンズ、ライティング、フォーカス、素材感のリアルさを入れる
• illustration: 画風、配色、空気感、筆致やレンダリング感を入れる

この合わせ込みは、references/prompts.md の中でも特に実践的なポイントです。

画像編集では変えたい部分だけを書く

編集ワークフローでは、書きすぎるユーザーが少なくありません。入力画像をすでに渡しているなら、まずは変更したい点だけを具体的に指示してください。

Replace the gray wall with a warm blue studio backdrop while keeping the product position and lighting consistent

全体を大きく再解釈したいのでなければ、画像全体を最初から書き直すより、こちらのほうがうまくいくことが多いです。

バッチ生成で広く探ってから絞り込む

nanobanana の運用で有効な反復手順は次のとおりです。

1. 1つのプロンプトテーマで 6〜20 バリエーション生成する
2. 出力の中で良かった要素を見つける
3. その勝ち筋を軸にプロンプトを書き直す
4. スタイル記述を絞るか、アスペクト比を変えて再実行する

出力を見る前に、抽象的なプロンプトを延々と磨き続けるより効率的です。

よくある失敗パターンを把握しておく

典型的な品質問題には次のようなものがあります。

• プロンプトが曖昧すぎる
• 主題に対してアスペクト比が合っていない
• スタイル指定を詰め込みすぎて矛盾している
• 編集プロンプトが意図せずシーン全体の作り直しを要求している
• 4K にすれば弱いコンセプトも改善すると考えてしまう

良くない出力の大半は、魔法のキーワード不足ではなく、指示の質に起因します。

アスペクト比は後回しではなく創作上の制御として使う

より良い nanobanana for Image Generation の結果を得るには、次の目安が有効です。

• 1:1: アイコン、アバター、商品切り抜き
• 9:16: 縦長のモバイル向けシーン
• 16:9 または 21:9: シネマティックな風景
• 4:5: ポスター寄りの構図

アスペクト比を誤ると、画面が窮屈になったり、逆に余白を持て余したりしやすくなります。

スクリプトを直接確認して判断の精度を上げる

skill の説明が分かりにくいと感じたら、評価する前に実際にスクリプトを見て実行してみてください。scripts/generate.py と scripts/batch_generate.py は短く、対応オプション、失敗パターン、命名ルールを確認しやすい構成です。このリポジトリでは、高レベルの説明だけに頼るより、スクリプトを直接確認したほうが安心して判断できます。

最初の出力が惜しいときの次の一手

全部をやり直す必要はありません。1回に変えるのは 1 要素ずつにしてください。

• 主題の詳細
• スタイル表現
• ライティング指定
• アスペクト比
• 編集指示の範囲

そうすると、モデルがどの指示に反応しているか学びやすくなり、今後の nanobanana guide の勘所も早く育ちます。