Python + nano-banana API 批量给图片添加文字

哈喽，各位！今天咱们来聊一个能让你在朋友圈里“秀操作”的实用技术：用 Python 批量给图片换文字。
你想想，是不是经常遇到这种情况？手头有一大堆产品图，需要把“限时秒杀”统一换成“新品上架”，或者给一系列海报盖上同一个活动水印。要是一张张用 PS 点，点到手抽筋也搞不完啊。

别急，今天的主角——Nano Banana API，就是来解决这个问题的。

这篇文章，我就手把手带你入门，看看怎么用 Python 调用这个强大的 AI 工具，把繁琐的图片编辑工作变成自动化的流水线。准备好了吗？咱们发车！

1. 这是个啥神器？Nano Banana API 能干啥？

直白点说，它是什么？

简单来说，Nano Banana API 是一个背靠 Google Gemini AI 的图片生成服务。你跟它说句话，它就能给你画张图；更牛的是，你给它一张原图，它还能照着你的意思去修改或二次创作。

它最核心的价值，就是让你能用几行代码，就把脑子里的想法变成对图片的实际操作。这意味着啥？意味着那些重复、无聊的图片处理活儿，完全可以扔给程序自动跑，咱们就能解放双手，去做更有创意的事。

都在哪些场景下好用？

光说不练假把式，来看几个接地气的例子，你马上就能明白它的妙处：

• 电商卖货：给成堆的商品图换上新促销语，比如“满 100 减 20”一键换成“第二件半价”。
• App 设计：需要做多语言测试？一键生成各种语言版本的 App 截图，再也不用等设计师了。
• 社媒运营：给一批图片批量加上统一的品牌 Logo 或者活动水印，保持品牌形象一致性。
• 脑洞大开：比如你跟 AI 说“把这张图里的猫换成狗”，它就能帮你实现这个奇思妙想，图片趣味性直接拉满。

2. 动手前的准备：把工具都备齐了

在开始敲代码之前，咱们得先把“兵器”准备好。这一步不难，但特别关键。

你需要准备这些：

• Python：电脑上得装着 Python 3.6 或者更高的版本。
• API 密钥: 去 Defapi 官网注册一个账号，然后生成你的专属密钥。
• requests 库：这是个 Python 库，专门用来发网络请求，超级好用。如果还没装，打开终端（或者 Windows 的命令提示符），敲这行命令就行：

  pip install requests
  

你的 API 密钥，可得看好了！

调用 API 需要一个“通行证”，也就是 API Key。这个 Key 跟你的账户是绑定的，千万不能泄露。

千万别这么干！：直接把 Key 写在代码里，像这样 api_key = "dk-1234567890abcdef"。这样一旦代码传到 GitHub 上或者分享给别人，你的密钥就等于公之于众了，那可就糟了！

这才是专业操作：用环境变量来管理它。这招既安全又专业。

1. 设置环境变量（以 macOS/Linux 为例）：

   export NANO_BANANA_API_KEY="你的真实API密钥"
   

   （Windows 用户可以在系统属性里设置，或者在 PowerShell 里用 $env:NANO_BANANA_API_KEY="你的真实API密钥"）

2. 在 Python 里调用它：
   我们用 os 模块来读取这个 Key，这样代码里就不会出现明文密钥了，安全系数瞬间拉满。

3. 怎么跟 API “聊天”？请求和响应的门道

好了，知道了 API 是啥，环境也配好了，现在我们来深入看看怎么跟它“对话”。API 的交互就像一问一答，你得先搞清楚“怎么问”（请求）和“它怎么答”（响应）。

怎么向 API 发出指令？

Nano Banana API 的“聊天窗口”地址是 https://api.defapi.org/api/image/gen，我们需要用 POST 方法把我们的想法发过去。一个完整的请求包含三个部分：

1. 地址：https://api.defapi.org/api/image/gen
2. 身份证：在请求头（Headers）里加上 Authorization 字段，值就是 Bearer 加上你的 API Key，格式像这样：Bearer <你的API密钥>。
3. 你的需求：这是请求的“正文”，是一个 JSON 格式的数据包，用来告诉 AI 我们想做什么。主要字段有：
   • model：指定用哪个模型，咱们就填 "google/nano-banana"。
   • prompt：这是你的“魔法咒语”！ 用大白话描述你想要的图片效果。比如，“把图片里的文字‘Hello’改成‘你好’，其他别动”。
   • images：一个数组，可以放最多 4 张参考图的网址。AI 会参考这些图的构图和内容来修改。
   • callback_url（可选）：如果你不想傻等，可以给它一个回调地址，任务完成后 API 会主动“打电话”通知你。

怎么听懂 API 的“回答”？

你把请求发过去后，API 会立刻给你一个回复。但这个回复通常不是最终成品图，而是一个“回执单”，告诉你“活儿我收到了”。

• 成功回执：返回的 JSON 数据里 code 会是 0，data 里面会包含一个 task_id。这个 task_id 是你后续查询结果的唯一凭证，一定要收好！

  {"code": 0,"message": "ok","data": {"task_id": "ta12345678-1234-1234-1234-123456789abc"}
  }
  

• 失败回执：如果参数错了或者 Key 不对，code 就会是一个非 0 的数字，message 或 detail 字段会告诉你问题出在哪。

拿到 task_id 之后，我们需要用另一个接口 https://api.defapi.org/api/task/query?task_id=你的任务ID 去轮询查询结果。这个查询接口的回复会告诉你任务的状态（status），比如 pending（排队中）、in_progress（处理中）、success（成功了）或 failed（搞砸了）。如果状态是 success，那 result 字段里就有你梦寐以求的图片链接啦！

4. 上手实操：用 Python 写个图片编辑脚本

理论说再多，不如上手敲一遍！下面我们就严格按照“导入 -> 配置 -> 构建 -> 发送 -> 处理”的思路，用 Python 写一个完整的调用脚本。

import os
import requests
import time
import json# --- 步骤1: 导入所需库 ---
# （已在文件顶部完成）# --- 步骤2: 配置基础信息 ---
# 从环境变量安全地获取 API Key
API_KEY = os.environ.get("NANO_BANANA_API_KEY")
BASE_URL = "https://api.defapi.org"if not API_KEY:raise ValueError("出错了！环境变量 NANO_BANANA_API_KEY 没找到，请先设置一下。")# 设置请求头，附上我们的“身份证”
headers = {"Authorization": f"Bearer {API_KEY}","Content-Type": "application/json"
}# --- 步骤3: 构建我们的“指令单” ---
# 我们的目标是修改一张图片里的文字
# 这里用一张公开的图片作为例子
payload = {"model": "google/nano-banana","prompt": "Change the text 'Body Lotion' to '身体乳'. Keep the style and background the same.","images": ["https://cdn.openai.com/API/docs/images/body-lotion.png"]# callback_url 是可选的，这里我们先不用，用主动查询的方式
}print("🚀 正在向 AI 提交图片生成任务...")# --- 步骤4: 发送指令，拿到回执 ---
try:response = requests.post(f"{BASE_URL}/api/image/gen",headers=headers,data=json.dumps(payload))response.raise_for_status()  # 如果请求失败（比如网络问题），程序会报错并停止task_info = response.json()if task_info.get("code") != 0:print(f"❌ 任务提交失败了: {task_info.get('message')}")exit()task_id = task_info["data"]["task_id"]print(f"✅ 任务提交成功！你的任务ID是: {task_id}")except requests.exceptions.RequestException as e:print(f"❌ 网络请求出错了: {e}")exit()# --- 步骤5: 耐心等待，领取结果 (轮询查询任务状态) ---
print("⏳ 正在查询任务结果，泡杯茶稍等一下...")
query_url = f"{BASE_URL}/api/task/query"
params = {"task_id": task_id}
max_attempts = 30  # 最多查30次，免得无限等下去
attempt = 0while attempt < max_attempts:try:query_response = requests.get(query_url, headers=headers, params=params)query_response.raise_for_status()result_data = query_response.json()if result_data.get("code") != 0:print(f"❌ 查询失败了: {result_data.get('message')}")breaktask_status = result_data["data"]["status"]print(f"   - 第 {attempt + 1} 次查询，当前状态是: {task_status}")if task_status == "success":print("🎉 大功告成！图片已经生成了，链接如下：")# 结果可能有多张图片for item in result_data["data"]["result"]:image_url = item["image"]print(f"    - {image_url}")breakelif task_status == "failed":error_reason = result_data["data"]["status_reason"].get("message", "不知道为啥失败了")print(f"💥 任务搞砸了！失败原因: {error_reason}")breakelse:# 如果还在处理中，就等等再问time.sleep(5)  # 等5秒except requests.exceptions.RequestException as e:print(f"❌ 查询时网络出错了: {e}")breakattempt += 1if attempt == max_attempts:print("⏰ 查询超时了，任务可能还在处理中。你可以稍后用这个 task_id 再来查查看。")

代码讲解

1. 第一步：导入库和准备工作：我们先把需要的库都 import 进来，然后从环境变量里安全地把 API Key 读出来，再把“身份证”（headers）准备好。
2. 第二步：告诉 AI 我们想干嘛：payload 这个字典就是我们发给 AI 的“指令单”。prompt 字段清晰地写明了我们的需求——把 "Body Lotion" 改成 "身体乳"。images 数组里放的是我们要修改的原图链接。
3. 第三步：发送指令，拿到回执：用 requests.post 把指令单发出去。如果一切顺利，我们就能从返回的 JSON 数据里拿到 task_id，这是后续查结果的关键。
4. 第四步：耐心等待，领取结果：这里是一个 while 循环，模拟了现实中的“等待”。我们每隔 5 秒就去问一次 API：“我的活儿干完没？”
   • 如果状态是 success，那太棒了，直接把图片链接打印出来。
   • 如果是 failed，就看看是哪里出了问题，方便我们调试。
   • 如果是 in_progress 这种中间状态，就继续等。
   • 为了防止程序傻等下去，我们还设置了最大尝试次数，超时就自动停止。