Весело
Весело

Google по API: Nano Banana, Gemini TTS и Lyria

Здесь — медиа Google, а не чат. По нашему ключу доступны пять версий Nano Banana для картинок, пять моделей озвучки Gemini TTS, музыка Lyria 3.5 и распознавание речи Gemini 3.5 Transcribe на 85+ языках. Текстовых моделей Gemini у нас нет. Картинки, озвучку и музыку можно сделать и без кода — в Студии на сайте.

  • 13 моделей
  • от 9,00 ₽ за картинку
  • картинки, озвучка текста, музыка, распознавание речи

Обновлено:

Получить ключ Документация

Модели и цены

Картинки

Картинки: цена в рублях за картинку
МодельКачествоЦена
Nano Banana 2.11K–4Kот 9,00 ₽ за картинку
Nano Banana 21K–4Kот 19,00 ₽ за картинку
Nano Banana Pro1K–4Kот 29,00 ₽ за картинку
Nano Banana 2 Lite1Kот 9,00 ₽ за картинку
Nano Banana1Kот 9,00 ₽ за картинку

Озвучка текста

Озвучка: цена в рублях за 1000 знаков или за запись
МодельЗнаков за разЦена
Gemini 3.8 Flash TTSдо 5 000от 9,00 ₽ за озвучку
Gemini 3.8 Flash Lite TTSдо 5 000от 9,00 ₽ за озвучку
Gemini 3.1 Flash TTSдо 5 000от 9,00 ₽ за озвучку
Gemini 2.5 Pro TTSдо 5 000от 9,00 ₽ за озвучку
Gemini 2.5 Flash TTSдо 5 000от 9,00 ₽ за озвучку

Распознавание речи

Распознавание речи: цена в рублях за минуту звука
МодельЗвука за разЦена
Gemini 3.5 Transcribeдо 1 ч0,56 ₽ за минуту звука
Gemini 2.5 Flash (распознавание речи)до 2 ч0,22 ₽ за минуту звука

Музыка

Музыка: цена в рублях за трек
МодельДлина трекаЦена
Lyria 3.5до двух минут19,00 ₽ за трек

Как выбрать

У Google четыре медиазадачи, и у каждой своё семейство моделей.

  • Картинки — Nano Banana, которую по-русски часто ищут как «нано банана». Для новых проектов Google советует Nano Banana 2.1 и называет её основной рабочей моделью для создания и правки картинок, с качеством от 1K до 4K. Nano Banana Pro — выбор для сложных сцен: Google пишет, что она рассуждает над задачей и выводит разборчивый текст для инфографики, меню и схем. Nano Banana 2 Lite Google называет самой быстрой и экономной картиночной моделью Gemini; у нас она рисует в 1K. Рядом — Nano Banana 2 и первая Nano Banana.
  • Озвучка — Gemini TTS. Gemini 3.8 Flash TTS по документации Google знает больше 130 языков, Gemini 3.8 Flash Lite TTS — больше 100, и русский есть у обеих. Прошлые 3.1 Flash, 2.5 Pro и 2.5 Flash остались для программ, где они уже прописаны.
  • Музыка — Lyria 3.5. По описанию Google, она пишет целые песни на пару минут — с вокалом, словами в такт и полной аранжировкой.
  • Распознавание — Gemini 3.5 Transcribe. Это отдельная модель распознавания речи на основе того, как Gemini понимает звук, а не чат.

Через API картинки рисуются только по описанию: своё фото к запросу пока не приложить. В Студии картинок на сайте те же Nano Banana меняют фото по словам. Цены — за картинку по качеству, за текст по длине, за трек и за минуту записи — в таблице моделей на этой странице.

Популярные задачи

Карточки товаров для маркетплейса

Белый фон, мягкая тень, товар крупно — типичная карточка, которую Nano Banana 2.1 рисует по описанию. Пиши по-русски, как объясняешь фотографу: предмет, ракурс, фон, свет. Для ленты маркетплейса хватит 1K или 2K, 4K оставь для печати и баннеров.

Пример запроса: «Карточка товара для маркетплейса: белые кроссовки на светло-сером фоне, мягкая тень, вид сбоку.»

Инфографика, меню и схемы

Когда на картинке много текста, бери Nano Banana Pro. Перечисли блоки по порядку, а надписи дай в кавычках, слово в слово, — модель перенесёт их на картинку. Кириллица тоже работает, но длинные абзацы на картинке читать неудобно: оставь короткие подписи.

Пример запроса: «Постер к фестивалю джаза: саксофон из неоновых линий, надпись «Джаз у моря» крупно сверху.»

Сотни недорогих картинок

Иконки, превью, черновики идей — когда картинок много, а каждая не должна стоить как обложка. Nano Banana 2 Lite Google делала как раз для скорости и экономии. Сделай черновики в Lite, а удачные идеи перерисуй в Nano Banana 2.1 или Pro.

Озвучка роликов и уведомлений на русском

Gemini 3.8 Flash TTS читает русский текст с живой интонацией и понимает метки в угловых скобках — Google советует их для самого чистого звука: <laugh>, <sigh>. У нас двенадцать голосов Google — Kore, Puck, Charon и другие, — а цена зависит от длины текста, до 5 000 знаков за раз. Другие озвучки с русским — в подборке озвучки текста.

Фоновая музыка и джинглы

Для фона в ролике, заставки подкаста или джингла бери Lyria 3.5. Опиши жанр, темп, инструменты и настроение. Если голос не нужен, так и напиши: «без вокала». Если нужен — дай слова: Google пишет, что Lyria 3.5 поёт на языке запроса.

Пример запроса: «Лёгкий лоу-фай для фона ролика о кофейне: пианино, мягкие барабаны, без вокала.»

Расшифровка планёрок

Gemini 3.5 Transcribe сделана для записей, где говорят несколько человек: по документации Google, она различает до восьми говорящих и умеет убирать слова-паразиты. Google честно пишет, что разметка трёх и больше голосов пока экспериментальная. Соседей по задаче мы собрали в подборке распознавания речи.

Как получить ключ Nano Banana API в России

Ключ Google AI Studio и платёжный аккаунт Google не нужны: Nano Banana, Gemini TTS, Lyria и Gemini 3.5 Transcribe работают по нашему ключу.

  1. Войди на veselo.ai и выпусти ключ sk-vsl-… в кабинете API — это и есть твой nano banana api key.
  2. Положи деньги на API-счёт: карта российского банка или СБП.
  3. Картинка — POST https://veselo.ai/v1/images/generations с model: "google/nano-banana-2.1", описанием и quality: "2K"; озвучка — /v1/audio/speech с model: "google/gemini-3.8-flash-tts" и voice: "Kore"; музыка — /v1/audio/music с model: "google/lyria-3.5".

Ответ на картинку и звук ждёт готовый результат в том же запросе. Все поля — в разделах «Картинки», «Озвучка» и «Музыка».

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI. Пример — с моделью Nano Banana 2.1: у других моделей меняется только model.

curl

curl https://veselo.ai/v1/images/generations \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google/nano-banana-2.1",
    "prompt": "Рыжий кот на подоконнике, акварель, мягкий утренний свет"
  }'

Python

from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)

r = client.images.generate(
    model="google/nano-banana-2.1",
    prompt="Рыжий кот на подоконнике, акварель, мягкий утренний свет",
)
print(r.data[0].url)

JavaScript

import OpenAI from 'openai'; // npm i openai

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ', timeout: 600_000, maxRetries: 0 });

const r = await client.images.generate({
  model: 'google/nano-banana-2.1',
  prompt: 'Рыжий кот на подоконнике, акварель, мягкий утренний свет',
});
console.log(r.data[0].url);

В программах: тем же ключом — из любого кода, а без ключа Claude, ChatGPT и Cursor зовут модель по MCP: вход на сайте и кнопка «Разрешить». MCP

Nano Banana 2.1 · Документация раздела

Версии и отличия

  • Nano Banana 2.1 — у Google gemini-nano-banana-2.1, основная модель для новых проектов. Nano Banana 2 — gemini-3.1-flash-image: скорость, 4K и единый вид героя по нескольким фото-образцам — образцы принимает Студия. Nano Banana Pro — gemini-3-pro-image, для сложных задач. Nano Banana 2 Lite — gemini-3.1-flash-lite-image, быстрая и недорогая. Nano Banana — первая, gemini-2.5-flash-image; Google советует переходить с неё на 2 Lite.
  • Gemini 3.8 Flash TTS и 3.8 Flash Lite TTS — нынешнее поколение озвучки. Gemini 3.1 Flash TTS и 2.5 Pro TTS Google называет более ранними предварительными моделями; 2.5 Flash TTS — тоже прошлое поколение.
  • Lyria 3.5 — песни целиком. Короткой модели Lyria для 30-секундных фрагментов у нас нет.
  • Gemini 3.5 Transcribe — распознавание готовых записей; её версия для живой речи у нас не продаётся.
  • Чего здесь нет: чата и текстовых моделей Gemini, видео Veo и голосового режима Gemini Live.

Вопросы и ответы

Есть ли у вас Gemini API для текста?
Нет. Текстовые модели Google — чат Gemini и его версии — мы не продаём. Здесь только картинки, озвучка, музыка и распознавание речи Google, а текстовые задачи закрывают другие модели каталога, например Qwen.
Чем Nano Banana 2.1 отличается от Nano Banana Pro?
По описанию Google, 2.1 — основная рабочая модель: быстро и в хорошем качестве. Pro — для сложных сцен, где нужно рассуждать над композицией и выводить много текста. Для обычной картинки хватит 2.1, для инфографики и меню бери Pro.
Можно ли менять своё фото через Nano Banana API?
Пока нет: через API картинка рисуется только по описанию. Поменять фон, одежду или стиль на своём фото можно в Студии на сайте — туда можно приложить до четырёх фото.
Есть ли на картинках и треках знак Google?
Google пишет, что во все картинки Nano Banana и в весь звук Lyria встроен невидимый знак SynthID — по нему такие файлы можно опознать. На глаз и на слух он незаметен.
Говорит ли Gemini TTS по-русски?
Да. Русский есть в списках языков и Gemini 3.8 Flash TTS, и 3.8 Flash Lite TTS. Голос выбирается из двенадцати голосов Google, а язык модель понимает по самому тексту.
Какой длины трек делает Lyria 3.5?
По описанию Google — песню на пару минут, а длину можно подсказать в описании. Цена у нас — за трек целиком, сколько бы он ни длился.
Какую запись можно отдать Gemini 3.5 Transcribe?
Google называет предел в час записи, а с разметкой говорящих или временем слов — полчаса. У нас есть ещё предел размера файла, поэтому длинную встречу сожми в MP3 или раздели на части.
Нужны ли VPN и зарубежная карта?
Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Сколько стоит запрос, который закончился ошибкой?
Нисколько: ошибка нейросети денег не стоит, удержание на время запроса снимается целиком.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: aistudio.google.com