Nano Banana API से पूरे सेट में एक जैसी इमेज बनाना

एक अच्छी इमेज बनाना लगभग सुलझ चुका सवाल है। बीसवीं ऐसी इमेज बनाना जो पहली उन्नीस के साथ ही खड़ी लगे — प्रोजेक्ट वहीं मरते हैं।

फ़ासला prompt लिखने के हुनर का नहीं है। बात यह है कि "consistency" एक ही शब्द ओढ़े तीन अलग इंजीनियरिंग समस्याएँ हैं, और जो तरकीब एक को ठीक करती है वह बाक़ी दो के लिए कुछ नहीं करती। हम Nano Banana मॉडल अपने API पर चलाते हैं, और यही वह request है जिसे लोग सबसे ज़्यादा बार ग़लत करते हैं — इसलिए नहीं कि मॉडल यह नहीं कर सकते, बल्कि इसलिए कि references बिना label के भीतर जाती हैं और मॉडल को अंदाज़ा लगाना पड़ता है कि हर एक किसलिए थी।

तीन समस्याएँ, एक नहीं

prompt लिखने से पहले इन्हें अलग कीजिए। ये अलग तरह से फ़ेल होती हैं और इनकी कीमत भी अलग है।

कैरेक्टर consistency. कई फ़्रेमों में वही इंसान — वही चेहरा, वही डील-डौल, वही बाल, और चौथे फ़्रेम में बैठा हो या उन्नीसवें में चलता हुआ, पहचान में वही एक व्यक्ति। यह पहचान की समस्या है: मॉडल को एक चेहरा उन compositions के आर-पार ढोना है जो उसने कभी देखी ही नहीं।

प्रोडक्ट fidelity. मिलती-जुलती बोतल नहीं। वही बोतल। ढक्कन का ठीक वही अनुपात, label की वही जगह, हरे का वही शेड। Fidelity पहचान से ज़्यादा सख़्त है — चेहरे में गुंजाइश होती है, क्लाइंट की पैकेजिंग में नहीं।

Style consistency. पूरा सेट एक सेट की तरह पढ़ा जाए — वही colour grade, वही lens का मिज़ाज, वही रोशनी की गुणवत्ता, वही grain। किसी चीज़ को दोहराने की ज़रूरत नहीं; बर्ताव को दोहराना है।

ज़्यादातर briefs को इनमें से दो एक साथ चाहिए होती हैं और वे उन्हें एक ही निर्देश की तरह माँगती हैं। "इसे consistent बनाओ" ऐसी माँग नहीं है जिस पर कोई API अमल कर सके। "इमेज 1 इंसान है, इमेज 2 बोतल है, इमेज 3 सिर्फ़ colour grading है" — यह है।

असली फ़ीचर रोल-बँटवारा है

Nano Banana Pro 14 reference इमेज तक लेता है। Nano Banana 2 भी लेता है, लगभग आधी कीमत पर। फ़र्क़ गिनती का नहीं है। Pro उस बजट को रोल के हिसाब से बाँटता है:

कुल चौदह, पर बँटे हुए। यह बँटवारा ही reference इमेज को सुझाव से निर्देश में बदलता है।

सोचिए कि इसके बिना क्या होता है। आप मॉडल को चौदह तस्वीरें और एक वाक्य थमाते हैं, और वह गद्य से अनुमान लगाता है कि कौन-सी तस्वीर बचाने लायक़ चेहरा है, कौन-सी हूबहू दोहराने लायक़ प्रोडक्ट, और कौन-सी सिर्फ़ मिज़ाज के लिए है। वह अक्सर ग़लत अनुमान लगाता है। निशानी यह होती है कि प्रोडक्ट आपकी पैकेजिंग की जगह "आपकी पैकेजिंग की शैली में" निकलता है, या चेहरा mood board की grade पहने हुए आता है।

बँटवारे के साथ आप पूछ नहीं रहे, घोषित कर रहे हैं। कौन के लिए पाँच slots, क्या के लिए छह, कैसा दिखे इसके लिए तीन। तीन दौर की compositing की जगह एक ही request में एक ad composite।

26 अगस्त 2026 की हमारी कीमत पर Pro प्रति request $0.075 का है, $0.15 की लिस्ट कीमत के मुक़ाबले। एक और जानने लायक़ बात: Pro पर 1K और 2K की कीमत एक ही है। hero assets के लिए 2K ले लीजिए। वह मुफ़्त है।

prompt में references पर label लगाना

रोल-बँटवारा ढाँचे का काम करता है। prompt अर्थ का काम करता है, और उसे इतना साफ़ होना पड़ता है कि लगभग बदतमीज़ी लगे। references उसी क्रम में पहुँचती हैं जिस क्रम में आप भेजते हैं, इसलिए उन्हें स्थिति से पुकारिए और बताइए कि हर एक किसलिए है — यह भी कि वह किसलिए नहीं है। ज़्यादातर prompt आख़िरी वाली बात पर ही रिसते हैं।

इमेज 1 और इमेज 2 एक ही महिला हैं — उनका चेहरा, बालों की लंबाई और डील-डौल
बिलकुल वैसा ही रखिए। इमेज 3 प्रोडक्ट है: बोतल की शक्ल, ढक्कन का अनुपात और
label का artwork हूबहू दोहराइए, उसे दोबारा styled मत कीजिए। इमेज 4 सिर्फ़
colour grading और रोशनी का मिज़ाज है — उससे कोई चीज़, कोई मुद्रा या कोई
composition मत उठाइए।

इमेज 1-2 वाली महिला को इमेज 3 वाली बोतल थामे हुए दिखाइए, खिड़की के पास कैफ़े
की मेज़ पर बैठी हुई, तीन-चौथाई कोण से, इमेज 4 की grade से मेल खाती गरम दोपहर
की रोशनी में।

चार चीज़ें इस prompt को चलाती हैं, और उनमें से कोई पाँचवाँ विशेषण नहीं है:

• हर reference का हिसाब है। कोई इमेज बिना बताए हुए काम के भीतर नहीं जाती।
• style reference के साथ साफ़-साफ़ मनाही है। उसके बिना कोई mood board अपना फ़र्नीचर आपके दृश्य में रिसा देता है।
• पहचान वाले शब्द ठोस हैं — चेहरा, बालों की लंबाई, डील-डौल — "उन जैसी दिखती है" नहीं।
• प्रोडक्ट वाला निर्देश कहता है "दोबारा styled मत कीजिए", और यही वाक्यांश fidelity को प्रेरणा से अलग करता है।

हम यहाँ prompt की आम बनावट पर नहीं जाएँगे; वह prompting गाइड है। यह ख़ास तौर पर इस बारे में है कि मॉडल को बताया कैसे जाए कि आपकी references किसलिए हैं।

request

Consistency का काम एडिटिंग है, जनरेशन नहीं, इसलिए वह image_urls के साथ edit-image slug पर जाता है।

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer $E2X_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google/nano-banana-pro/edit-image",
    "input": {
      "prompt": "इमेज 1 और इमेज 2 एक ही महिला हैं - उनका चेहरा, बालों की लंबाई और डील-डौल बिलकुल वैसा ही रखिए। इमेज 3 प्रोडक्ट है: बोतल की शक्ल, ढक्कन का अनुपात और label का artwork हूबहू दोहराइए, उसे दोबारा styled मत कीजिए। इमेज 4 सिर्फ़ colour grading और रोशनी का मिज़ाज है, उससे कोई चीज़ या composition मत उठाइए। महिला को बोतल थामे हुए दिखाइए, खिड़की के पास कैफ़े की मेज़ पर बैठी हुई, तीन-चौथाई कोण से, गरम दोपहर की रोशनी में।",
      "image_urls": [
        "https://cdn.example.com/refs/model-face-front.jpg",
        "https://cdn.example.com/refs/model-face-three-quarter.jpg",
        "https://cdn.example.com/refs/bottle-front.jpg",
        "https://cdn.example.com/refs/grade-warm-afternoon.jpg"
      ],
      "aspect_ratio": "4:5",
      "resolution": "2K"
    }
  }'

Submit एक job ID लौटाता है; उसे poll कीजिए या webhookUrl भेजिए। Pro को क़रीब 30 सेकंड लगते हैं क्योंकि वह रचते हुए बीच में "thought images" बनाता है — Google वे लौटाता नहीं और हम उनका बिल नहीं बनाते। aspect_ratio साफ़-साफ़ सेट कीजिए, क्योंकि Pro का डिफ़ॉल्ट 9:16 है। पूरे पैरामीटर की सैर Nano Banana Pro API ट्यूटोरियल में है।

सस्ते टियर कहाँ उतरते हैं

हम आपको एक टियर नीचे उतारना पसंद करेंगे, बजाय इसके कि ऐसे काम के लिए Pro बेचें जिसे उसकी ज़रूरत नहीं।

Nano Banana 2 $0.04 पर वही 14 references लेता है, बिना रोल-बँटवारे के। style consistency के लिए यह सचमुच ठीक है, जहाँ हर reference वही काम कर रही है और अलग करने को कुछ है ही नहीं। एक palette और एक रोशनी का मिज़ाज साझा करते छह ब्लॉग headers को Pro नहीं चाहिए। उन्हें एक अच्छी style reference और एक जमा हुआ prompt टेम्पलेट चाहिए। Nano Banana 2, 4K तक भी जाता है, जिसे Lite छू ही नहीं सकता।

Nano Banana 2 Lite $0.0238 का है और वॉल्यूम के लिए बना है, fidelity के लिए नहीं। इसे तब उठाइए जब आपको एक जैसी शक्ल वाली चार सौ इमेज चाहिए और उनमें से कोई क्लाइंट का चेहरा या पैकेजिंग नहीं ढोती। यह सिर्फ़ 1K है, बिना resolution पैरामीटर के — उसे भेजना error है, चुपचाप नज़रअंदाज़ी नहीं।

legacy Nano Banana 3 reference इमेज पर रुक जाता है, जो एक ही फ़्रेम में कैरेक्टर और प्रोडक्ट दोनों के लिए काफ़ी नहीं है, और Google उसे 2 अक्टूबर 2026 को रिटायर कर रहा है — उस मॉडल की पूरी कहानी अलग पोस्ट है। उस पर कोई consistency प्रोजेक्ट शुरू मत कीजिए।

मोटा नियम: सिर्फ़ style वाला काम Nano Banana 2 या Lite पर जाता है। जिस भी काम में कोई ख़ास इंसानी चेहरा या कोई ख़ास भौतिक प्रोडक्ट सही-सलामत बचना है, वह Pro पर जाता है। $0.04 और $0.075 का फ़ासला उसी पल मायने रखना बंद कर देता है जब कोई क्लाइंट पूरा batch इसलिए ठुकरा देता है कि label ग़लत था।

कीमतें और प्रोडक्ट की शर्तें समय के साथ बदल सकती हैं; खरीद का फ़ैसला लेने से पहले हर provider की मौजूदा कीमत जाँच लें। Google Batch या Flex प्राइसिंग किसी स्टैंडर्ड on-demand API request के सीधे बराबर नहीं है, क्योंकि उसमें scheduling, उपलब्धता और प्रोसेसिंग की शर्तें अलग होती हैं; इसलिए उसे इस तुलना में शामिल नहीं किया गया है। यह एक सीमित दायरे की तुलना है — यह दावा नहीं किया जा रहा कि E2X हर कॉन्फ़िगरेशन में दुनिया का सबसे सस्ता विकल्प है।

एक बार canonical reference सेट बो दीजिए

यहाँ जो आदत सबसे तेज़ी से अपनी क़ीमत वसूल करती है, उसका API से कोई लेना-देना नहीं है।

reference सेट एक बार, सोच-समझकर बनाइए और हमेशा के लिए उसी को दोहराइए। "जो भी तस्वीरें आस-पास पड़ी थीं" नहीं — एक तय, versioned, स्टोर किया हुआ सेट जिससे हर request खींचती है। कैरेक्टर के लिए: तटस्थ रोशनी में उसी चेहरे के कई कोण — सामने, तीन-चौथाई, प्रोफ़ाइल — और डील-डौल के लिए एक पूरे शरीर का शॉट। प्रोडक्ट के लिए: आगे, पीछे, और label का एक डिटेल crop। Style के लिए: एक या दो इमेज जो grade ढोती हों और ध्यान भटकाने वाला कुछ न हो।

फिर उसे जमा दीजिए। URLs को कहीं स्थायी रखिए — अपने bucket में, किसी अस्थायी लिंक पर नहीं — और प्रोजेक्ट भर हर request में वही array भेजिए।

यह prompt tuning से ज़्यादा मायने रखता है क्योंकि drift संचयी होता है। फ़्रेम 4 से फ़्रेम 5 बनाइए और फ़्रेम 5 से फ़्रेम 6, और छोटी-छोटी ग़लतियाँ जुड़ते-जुड़ते फ़्रेम 20 तक एक अलग इंसान बन जाती हैं। हर फ़्रेम को उसी canonical सेट पर लंगर डालने का मतलब है कि हर generation मूल से एक क़दम दूर खिसकता है, बीस क़दम नहीं। एक पंखा, न कि एक ज़ंजीर।

एक जुड़ी हुई आदत: अगर सेट में आपकी बनाई इमेज हैं, तो स्रोत फ़ाइलें सँभालकर रखिए। किसी भी इमेज API की delivery URLs की मियाद ख़त्म होती है, इसलिए अपने assets डाउनलोड करके ख़ुद स्टोर कीजिए — जनरेशन अपने-आप कैसे चलाएँ में पूरा चक्र है।

एक hero बनाइए, फिर उससे वेरिएंट निकालिए

प्रति डॉलर सबसे ज़्यादा काम लायक़ output देने वाला workflow "बीस इमेज बनाओ" नहीं है। वह है "एक इमेज बीस बार बनाओ"।

Pro पर एक hero शॉट बनाइए और उसे सही कीजिए — composition, रोशनी, चेहरा, प्रोडक्ट। कुछ कोशिशें जला दीजिए; $0.075 पर खोजबीन सस्ती है।

फिर बनाना बंद कीजिए और एडिट करना शुरू कीजिए। मंज़ूर हुए hero को अपने canonical सेट के साथ reference की तरह वापस भीतर डालिए और वह बदलाव माँगिए जो आप चाहते हैं: अलग कोण, अलग background, अलग crop, मॉडल कैमरे के बजाय दूसरी तरफ़ देखती हुई। हर वेरिएंट किसी ऐसी चीज़ पर लंगर डाले होता है जो पहले ही समीक्षा पास कर चुकी है, न कि पासे की एक नई चाल पर।

एडिट करना दोबारा बनाने से एक ऐसी वजह से बेहतर है जिसे चूक जाना आसान है। दोबारा बनाना हर चीज़ का फ़ैसला दोबारा करता है; हर वह पैरामीटर फिर से दाँव पर आ जाता है जिससे आप ख़ुश थे। एडिट वह सब थामे रखता है जिसका आपने ज़िक्र नहीं किया। एक दोपहर चेहरा ठीक करने में लगाने के बाद उसका फ़ैसला बीस बार दोबारा कराना आख़िरी चीज़ है जो आप चाहेंगे।

दो व्यावहारिक बातें। hero को वापस जोड़ते वक़्त reference की गिनती पर नज़र रखिए — hero, पाँच इमेज का कैरेक्टर सेट और एक प्रोडक्ट मिलाकर चौदह में से सात पहले ही हो गए। और मंज़ूर हुए hero का prompt इमेज के बग़ल में सहेज लीजिए; वेरिएंट आमतौर पर वही prompt होता है जिसमें दो clause बदले हों, और उसे याद से दोबारा लिखना वही drift वापस ले आता है जिसे हटाने के लिए आपने अभी पैसा दिया।

वह हिस्सा जिसे कोई reference सेट ठीक नहीं करता

Google अपने मॉडलों से निकली हर इमेज में SynthID ठोंक देता है। वह अदृश्य है, फ़ाइल के भीतर सफ़र करता है, और वह ऐसी सेटिंग नहीं है जिसे कोई खोलता हो — क्योंकि वह सेटिंग है ही नहीं। यहाँ यह ज़्यादातर पोस्टों से ज़्यादा मायने रखता है: consistency प्रोजेक्ट क्लाइंट के प्रोजेक्ट होते हैं, और क्लाइंट के contract में AI-जनित assets पर कोई शर्त हो सकती है। उस शर्त को reference सेट शूट करने से पहले सुलझाइए, बीस मंज़ूर फ़्रेम किसी डेक में बैठ जाने के बाद नहीं।

Consistency का काम लगभग हमेशा एडिटिंग होता है, इसलिए पहले image-to-image मॉडल वाली शेल्फ़ देखिए, और अगर brief आगे बढ़े तो कैटलॉग में वीडियो वाला हिस्सा भी है।

अक्सर पूछे जाने वाले सवाल

AI से बनी कई इमेजों में मैं वही कैरेक्टर कैसे बनाए रखूँ?

एक canonical reference सेट बनाइए — तटस्थ रोशनी में उसी चेहरे के कई कोण, और डील-डौल के लिए एक पूरे शरीर का शॉट — उसे स्थायी रूप से स्टोर कीजिए, और हर request में वही इमेज भेजिए। Nano Banana Pro के character slots इस्तेमाल कीजिए, जो 5 पहचान इमेज तक थामते हैं, और prompt में बताइए कि कौन-सी इमेज वह इंसान हैं। हर फ़्रेम का लंगर पिछले फ़्रेम पर नहीं, मूल सेट पर डालिए, वरना ग़लतियाँ जुड़ते-जुड़ते बीसवें फ़्रेम तक अलग चेहरा बना देती हैं।

Nano Banana API कितनी reference इमेज लेता है?

Nano Banana Pro 14 लेता है, रोल के हिसाब से बँटी हुई: 5 तक कैरेक्टर इमेज, 6 तक ऑब्जेक्ट इमेज, और 3 तक स्टाइल references। Nano Banana 2 भी 14 लेता है पर बिना रोल-बँटवारे के। Nano Banana 2 Lite reference-भारी काम के बजाय वॉल्यूम के लिए बना है, और legacy Nano Banana 3 पर रुक जाता है।

कैरेक्टर consistency और प्रोडक्ट fidelity में क्या फ़र्क़ है?

कैरेक्टर consistency का मतलब है कि एक इंसान कई इमेजों में पहचानने लायक़ बना रहे — वही चेहरा, बाल और डील-डौल, थोड़े बहुत फ़र्क़ की गुंजाइश के साथ। प्रोडक्ट fidelity का मतलब है कि चीज़ हूबहू दोहराई जाए: label का सटीक artwork, ढक्कन का अनुपात और रंग, कोई restyling नहीं। Pro इन्हें अलग reference slots में सँभालता है क्योंकि इन्हें अलग-अलग सख़्ती चाहिए, और prompt में बताना चाहिए कि कौन-सी इमेज कौन-सी है।

एक जैसी इमेजों के लिए मुझे Nano Banana Pro लेना चाहिए या Nano Banana 2?

जब ज़रूरत शैली की हो — palette, रोशनी और बर्ताव साझा करती इमेज, जिनमें बचाने लायक़ कोई ख़ास चेहरा या प्रोडक्ट न हो — तब $0.04 वाला Nano Banana 2 लीजिए। जब कोई ख़ास चेहरा या भौतिक प्रोडक्ट सही-सलामत बचना हो, तब $0.075 वाला Nano Banana Pro, क्योंकि रोल-अलग reference बजट ही मॉडल को बताता है कि कौन-सी कौन है। एक ठुकराए हुए batch के सामने कीमत का यह फ़ासला छोटा है।

Nano Banana prompt में reference इमेज पर label कैसे लगाऊँ?

उन्हें उसी क्रम में स्थिति से पुकारिए जिस क्रम में आप उन्हें image_urls में भेजते हैं, और बताइए कि हर एक किसलिए है। "इमेज 1 और 2 एक ही महिला हैं, उनका चेहरा और डील-डौल बचाइए; इमेज 3 प्रोडक्ट है, उसे हूबहू दोहराइए; इमेज 4 सिर्फ़ colour grading है, उससे कोई चीज़ या composition मत उठाइए।" मनाही निर्देशों जितनी ही मायने रखती है, क्योंकि बिना शर्त वाली style reference अपनी चीज़ें और composition आपके दृश्य में रिसा देगी।

मौजूदा इमेज एडिट करना बेहतर है या नई बनाना?

एक बार आपके पास मंज़ूर इमेज आ जाए, तो एडिट कीजिए। दोबारा बनाना हर तत्व का फ़ैसला दोबारा करता है, उन तत्वों समेत जिनसे आप ख़ुश थे; एडिट वह सब थामे रखता है जिसका आपने ज़िक्र नहीं किया। कारगर workflow यह है: एक ध्यान से बनाया hero, और फिर उससे निकाले गए वेरिएंट, अपनी canonical references के साथ edit-image endpoint के ज़रिए।

मेरी बनाई इमेज मूल कैरेक्टर से क्यों भटक जाती हैं?

लगभग हमेशा इसलिए कि हर नई इमेज किसी तय reference सेट से नहीं, पिछली इमेज से बनाई गई। इससे ग़लतियाँ संचयी हो जाती हैं — फ़्रेम 3 में थोड़ा गोल जबड़ा फ़्रेम 4 का आधार बन जाता है, और फ़्रेम 20 तक वह अलग इंसान है। हर request का लंगर उन्हीं स्टोर किए canonical इमेजों पर डालिए, ताकि हर output मूल से बीस नहीं, एक क़दम दूर हो।