Nano Banana Pro

E2X पर Nano Banana Pro Text-to-Image API

Nano Banana Pro वह प्रोडक्ट नाम है जो Google अपने gemini-3-pro-image को देता है, यानी उसकी इमेज फ़ैमिली की सबसे ऊपरी सीढ़ी। हम इसका generation endpoint google/nano-banana-pro/text-to-image के रूप में चलाते हैं — अंदर सिर्फ़ एक prompt जाता है — और 1K तथा 2K पर हम प्रति इमेज $0.075 लेते हैं, जबकि 4K की बिलिंग $0.15 पर होती है। fal.ai बिल्कुल यही request करने के लिए इसका दोगुना माँगता है।

आपके पास पहले से कोई तस्वीर है जिसे आप बदलना चाहते हैं, नए सिरे से बनाना नहीं? Nano Banana Pro edit-image वही मॉडल है, उसी कीमत पर, और आपके references के लिए उसमें एक image_urls field है।

26 अगस्त 2026 की जाँच में हमारा नंबर कहाँ खड़ा 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।

resolution यहाँ हमारा इकलौता बिलिंग फ़ैक्टर है। 1K और 2K, दोनों की कीमत एक ही $0.075 है — अगर bandwidth आपके लिए मायने नहीं रखता तो 1K पर render करने की कोई वजह ही नहीं है — और 4K इसे दोगुना कर देता है।

शून्य से शुरू करने पर Pro tier क्या करता है

बिना किसी आधार के generation करना editing से कठिन समस्या है। composition को थामने के लिए कोई reference नहीं होता, इसलिए मॉडल जो कुछ भी सही करता है वह आपके वाक्य पर उसकी अपनी reasoning से ही निकलता है। तीन capabilities ही ज़्यादातर वज़न उठाती हैं।

ऐसी टाइपोग्राफ़ी जो टिकती है। Pro की कीमत चुकाने की वजह यही है। मॉडल फ़्रेम के भीतर स्टाइल किए हुए, पढ़ने योग्य शब्द बनाता है — हेडलाइन, प्राइस लिस्ट, मेन्यू बोर्ड, chart लेबल, पैकेजिंग की कॉपी — कई भाषाओं में, और उन साइज़ पर भी जहाँ सस्ते मॉडल सिर्फ़ सजावटी लकीरें बना देते हैं। असली स्लोगन वाला पोस्टर एक ही request है, न कि एक request और उसके बाद डिज़ाइन टूल में बिताया गया एक घंटा।

Google Search grounding. मॉडल रचना करते समय live search देख सकता है। किसी खास इमारत, किसी खास वर्दी, या किसी खास व्यंजन को ठीक उसी तरह प्लेट किया हुआ माँगिए जैसे वह पाक-परंपरा उसे प्लेट करती है, और उसके पास अपने priors के अलावा देखने के लिए कुछ और भी होगा। editing के मुक़ाबले text-to-image में यह कहीं ज़्यादा मायने रखता है, क्योंकि editing में सोर्स फ़ोटो पहले ही तय कर देता है कि चीज़ दिखती कैसी है।

असली 4K, 4096×4096 तक। बाद में ऊपर से जोड़ा गया कोई upscale नहीं। हमारा resolution enum lowercase है — 1k, 2k, 4k — और कीमत सिर्फ़ 4k बदलता है।

एक चौथी बात भी जानने लायक है, क्योंकि वह आपके invoice में नहीं, आपके latency ग्राफ़ में दिखती है। मॉडल अंतिम रूप देने से पहले visually reasoning करता है और रास्ते में बीच के "thought images" बनाता है। Google उन्हें लौटाता नहीं, और हम उनके लिए बिल नहीं करते। प्रति request करीब 30 सेकंड का बजट रखिए, फिर यह आँकड़ा चौंकाना बंद कर देगा।

API request: prompt से तैयार फ़्रेम तक

prompt ही इकलौता ज़रूरी field है। dashboard में एक key बनाइए, उसे अपने ही backend के पीछे रखिए, और हमारे submit endpoint पर POST कीजिए।

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google/nano-banana-pro/text-to-image",
    "input": {
      "prompt": "Faroe Islands का एक विंटेज ट्रैवल पोस्टर। स्क्रीन-प्रिंटेड लुक, चार फ़्लैट रंग, बेसाल्ट चट्टानों पर घना कोहरा। नीचे के एक-तिहाई हिस्से में VISIT FAROE शब्द एक condensed sans serif में।",
      "aspect_ratio": "2:3",
      "resolution": "2k"
    }
  }'

आपको वापस एक job ID मिलती है। उसे poll कीजिए, या submit body में हमें एक webhookUrl दीजिए और सूचना हम खुद भेज देंगे:

const headers = {
  Authorization: `Bearer ${process.env.E2X_API_KEY}`,
  "Content-Type": "application/json",
};

const submit = (input) =>
  fetch("https://api.e2x.ai/v1/jobs/submit", {
    method: "POST",
    headers,
    body: JSON.stringify({ model: "google/nano-banana-pro/text-to-image", input }),
  }).then((r) => r.json());

const { data } = await submit({
  prompt:
    "कॉफ़ी सप्लाई चेन का आइसोमेट्रिक इन्फ़ोग्राफ़िक, छह लेबल किए हुए चरण, म्यूटेड अर्थ पैलेट, सभी लेबल पुर्तगाली में और छोटे साइज़ पर भी पढ़ने योग्य।",
  aspect_ratio: "16:9",
  resolution: "4k",
});

let job;
do {
  await new Promise((r) => setTimeout(r, 2500));
  job = await fetch(`https://api.e2x.ai/v1/jobs/${data.jobId}`, { headers })
    .then((r) => r.json());
} while (job.data.status === "pending" || job.data.status === "processing");

if (job.data.status !== "completed") throw new Error(job.data.error?.message);
console.log(job.data.outputs[0].url);

schema की दो बातें लोगों को अक्सर फँसाती हैं। हमारा aspect_ratio default 9:16 है, इसलिए जो request यह field छोड़ देती है वह portrait बनकर लौटती है — इसे हर बार सेट कीजिए। और enum चौड़ा है: 1:1 और 4:5 से लेकर 21:9 तक दस ratio, जो बाद में crop किए बिना ज़्यादातर ad और social फ़ॉर्मैट कवर कर लेते हैं। machine-readable spec में मौजूदा लिस्ट और मौजूदा कीमत रहती है।

हमारे text-to-image मॉडलों में से चुनना

इस फ़ैमिली में Pro सबसे महँगा generator है, और बहुत सारे काम को उसकी ज़रूरत ही नहीं:

शुरुआत Nano Banana 2 से कीजिए। इसकी कीमत Pro के आधे से थोड़ी ही ज़्यादा है, यह टेक्स्ट अच्छा बनाता है, और प्रोडक्ट शॉट, thumbnail तथा एडिटोरियल इमेज में आप शायद ही कभी बता पाएँगे कि फ़ाइल किस tier ने बनाई। Pro पर तब चढ़िए जब इमेज के शब्द ही असली डिलिवरेबल हों — कोई मेन्यू, कोई इन्फ़ोग्राफ़िक, कोई द्विभाषी कैंपेन ऐसेट — या जब क्लाइंट को लंबी भुजा पर 4096 पिक्सल चाहिए।

एक पंक्ति दोबारा देखने लायक है: Nano Banana 2 Lite, legacy Nano Banana से सस्ता भी है और नया भी। Google खुद ओरिजिनल को अपना legacy मॉडल कहता है और उसकी जगह Lite की सिफ़ारिश करता है। अगर आप अब भी पुराने slug को call कर रहे हैं, तो वह मेज़ पर पड़ा हुआ मुफ़्त पैसा है।

टाइपोग्राफ़ी के मामले में GPT Image 2 इकलौता सच्चा प्रतिद्वंद्वी है, और वह एक अलग लुक लेकर आता है — ज़्यादा ठंडा, ज़्यादा शाब्दिक, और transparent background लौटा सकने वाला, जो कोई Gemini इमेज मॉडल नहीं करता। बाकी विकल्प text-to-image कैटेगरी में रहते हैं, और हम जो कुछ भी चलाते हैं वह मॉडल कैटलॉग पेज पर है।

फ़्रेम के भीतर शब्दों को सही कराना

जो string आपको चाहिए, उसे quote कीजिए। उसे उद्धरण चिह्नों में रखिए, हूबहू वही spelling लिखिए, और बताइए कि वह कहाँ जाएगी — "ऊपर की तरफ़ 'HALF PRICE TUESDAY' शब्द, condensed sans, लाल पर सफ़ेद।" टेक्स्ट का वर्णन कीजिए तो मॉडल व्याख्या करेगा; उसे quote कीजिए तो मॉडल उसे उतारेगा।

सीन से पहले टाइप तय कीजिए। जो prompt layout और टाइपोग्राफ़ी से शुरू होते हैं और उसके बाद उसके इर्द-गिर्द की इमेजरी बताते हैं, वे अपनी कॉपी उन prompts से बेहतर संभालते हैं जो टेक्स्ट को आख़िरी उपवाक्य में दबा देते हैं।

फिर उसे काम करने दीजिए। चूँकि यह मॉडल पेंट करने से पहले सोचता है, इसलिए असली संरचनात्मक बंदिशों वाला prompt — तत्व गिनिए, पैलेट का नाम लीजिए, पढ़ने का क्रम तय कीजिए — सचमुच इस्तेमाल होता है। धुँधले विशेषणों का औसत निकाल दिया जाता है।

शिप करने से पहले

हर इमेज पर एक SynthID watermark होता है, जो Google का अगोचर provenance संकेत है। इसे बंद करने के लिए कहीं कोई parameter नहीं है, यहाँ भी नहीं। आगे की चेन में detection टूलिंग उसे देख लेगी, इसलिए अगर कोई कॉन्ट्रैक्ट watermark वाले डिलिवरेबल पर रोक लगाता है, तो पहले वह बात निपटा लीजिए।

अगर आप किसी दूसरे provider से config माइग्रेट कर रहे हैं, तो अपनी aspect ratio की धारणाएँ जाँच लीजिए। हमारा default portrait है, square नहीं, और जिस pipeline ने 1:1 मान लिया था वह चुपचाप 9:16 फ़ाइलें बनाता रहेगा जब तक किसी की नज़र न पड़े।

अक्सर पूछे जाने वाले सवाल

Nano Banana Pro कौन-सा Google मॉडल है?

यह gemini-3-pro-image है, Google की Nano Banana फ़ैमिली का प्रीमियम tier। यह tier माँग भरे visual काम के लिए बना है — इमेज के अंदर पढ़ने योग्य टाइपोग्राफ़ी, search-grounded डिटेल, 4096×4096 तक output — न कि सबसे तेज़ मुमकिन टर्नअराउंड के लिए।

E2X पर Nano Banana Pro text-to-image की कीमत कितनी है?

1K और 2K पर प्रति इमेज $0.075, और 4K पर $0.15। हमारी 26 अगस्त 2026 की जाँच के अनुसार यह fal.ai की दर का आधा है और Google के अपने API से 44% कम। कीमतें बदलती रहती हैं, इसलिए उन पर बजट बनाने से पहले live मॉडल पेज पर पुष्टि कर लीजिए।

क्या यह पढ़ने योग्य टेक्स्ट वाली इमेज बना सकता है?

हाँ, और यही इस tier को चुनने की मुख्य वजह है। यह इमेज के भीतर स्टाइल की हुई हेडलाइन, लेबल और body copy बनाता है, कई भाषाओं में, उन साइज़ पर भी जहाँ ज़्यादातर इमेज मॉडल फ़ेल हो जाते हैं। अपने prompt में शब्दों को घुमा-फिराकर कहने के बजाय उद्धरण चिह्नों में रखिए।

text-to-image और edit-image endpoint में क्या अंतर है?

वही मॉडल, वही $0.075, अलग input। text-to-image सिर्फ़ एक prompt लेता है। Edit-image उसके अलावा references की एक image_urls array भी लेता है, और यही आपको तब चाहिए जब किसी मौजूदा तस्वीर को दोबारा बनाने के बजाय बदलना हो।

एक generation में कितना समय लगता है?

करीब 30 सेकंड। मॉडल composition पर reasoning करते हुए बीच के "thought images" बनाता है — Google उन्हें लौटाता नहीं और हम उनका बिल नहीं करते, लेकिन समय वहीं जाता है। अगर आपके लिए क्वालिटी से ऊपर latency है, तो flash-tier मॉडल कई गुना तेज़ हैं।

क्या Nano Banana Pro की इमेज पर watermark होता है?

हाँ। हर output में SynthID watermark शामिल होता है, जो AI-जनित कंटेंट के लिए Google का अदृश्य मार्कर है। इसे बंद करने का तरीक़ा कोई provider नहीं देता, हम भी नहीं।

क्या Nano Banana 2 के मुक़ाबले Nano Banana Pro लेना सही रहता है?

सिर्फ़ कभी-कभी। Nano Banana 2 की कीमत $0.075 के मुक़ाबले $0.04 है और वह ज़्यादातर फ़ोटोग्राफ़िक तथा इलस्ट्रेटिव काम में अच्छा टिकता है। Pro के लिए तब भुगतान कीजिए जब इमेज में ऐसी कॉपी हो जिसे कोई सचमुच पढ़ेगा, जब आपको search-grounded सटीकता चाहिए, या जब output को 4K होना ही है।

कौन-से aspect ratio सपोर्ट किए जाते हैं?

दस: 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 और 21:9। हमारा default 9:16 है, इसलिए जब तक आपको portrait output ही न चाहिए, यह field स्पष्ट रूप से सेट कीजिए।