# Python调用Nano-Banana API教程：批量生成产品拆解图代码实例 ## 1. 项目简介 Nano-Banana产品拆解引擎是一款专门为产品拆解和平铺展示风格设计的轻量级图像生成系统。这个工具深度融合了Nano-Banana专属的Turbo LoRA微调权重，专门针对Knolling平铺、爆炸图、产品部件拆解等视觉风格进行了优化强化。 想象一下，你是一个产品设计师或者电商运营人员，需要为新产品制作详细的拆解展示图。传统方法需要请专业设计师花费数小时甚至数天时间，而使用Nano-Banana，只需要几分钟就能生成高质量的产品拆解图像，大大提升了工作效率。 ## 2. 核心功能特点 ### 2.1 专属拆解风格还原 Nano-Banana最大的特点是能够精准还原官方产品拆解风格。它融合了专门的LoRA权重，能够生成部件排布整齐、标注清晰的拆解图像。无论是Knolling平铺风格（所有零件整齐排列），还是爆炸图（零件按拆解顺序悬浮展示），都能很好地呈现。 ### 2.2 参数精准调节 这个工具支持两个关键参数的精细调节：LoRA权重（0.0-1.5范围）和CFG引导系数（1.0-15.0范围）。官方推荐使用0.8的LoRA权重和7.5的CFG系数，这个组合在大多数情况下都能产生最佳效果。 ## 3. 环境准备与安装 在开始编写代码之前，我们需要先准备好Python环境。确保你已经安装了Python 3.7或更高版本。 首先安装必要的依赖库： ```bash pip install requests pillow python-dotenv ``` 这些库的作用分别是： - `requests`：用于发送HTTP请求到Nano-Banana API - `pillow`：用于处理生成的图像 - `python-dotenv`：用于管理环境变量（可选，但推荐使用） ## 4. 基础API调用方法 让我们从最简单的API调用开始。首先你需要获取API的访问地址，这通常在部署Nano-Banana服务时会提供。 ```python import requests import base64 from PIL import Image import io import json class NanoBananaClient: def __init__(self, base_url): self.base_url = base_url.rstrip('/') self.generate_url = f"{self.base_url}/generate" def generate_image(self, prompt, lora_weight=0.8, cfg_scale=7.5, steps=30, seed=-1): """生成单张产品拆解图""" payload = { "prompt": prompt, "lora_weight": lora_weight, "cfg_scale": cfg_scale, "steps": steps, "seed": seed } try: response = requests.post(self.generate_url, json=payload, timeout=60) response.raise_for_status() result = response.json() if result.get("status") == "success": image_data = base64.b64decode(result["image"]) return Image.open(io.BytesIO(image_data)) else: print(f"生成失败: {result.get('message', '未知错误')}") return None except requests.exceptions.RequestException as e: print(f"请求出错: {e}") return None # 使用示例 if __name__ == "__main__": # 替换为你的Nano-Banana服务地址 client = NanoBananaClient("http://localhost:7860") prompt = "智能手机拆解图，Knolling平铺风格，包括屏幕、电池、主板、摄像头等部件" image = client.generate_image(prompt) if image: image.save("手机拆解图.png") print("图像生成成功！") ``` 这段代码展示了如何调用Nano-Banana API生成单张产品拆解图。我们创建了一个简单的客户端类，包含生成图像的基本方法。 ## 5. 批量生成产品拆解图 在实际工作中，我们往往需要批量生成多个产品的拆解图。下面是一个完整的批量处理示例： ```python import os import time from datetime import datetime class BatchNanoBananaProcessor: def __init__(self, base_url, output_dir="output"): self.client = NanoBananaClient(base_url) self.output_dir = output_dir os.makedirs(output_dir, exist_ok=True) def process_product_list(self, product_list, batch_delay=2): """批量处理产品列表""" results = [] for i, product in enumerate(product_list): print(f"处理第 {i+1}/{len(product_list)} 个产品: {product['name']}") # 生成图像 image = self.client.generate_image( prompt=product["prompt"], lora_weight=product.get("lora_weight", 0.8), cfg_scale=product.get("cfg_scale", 7.5), steps=product.get("steps", 30), seed=product.get("seed", -1) ) if image: # 生成文件名 timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") filename = f"{product['name']}_{timestamp}.png" filepath = os.path.join(self.output_dir, filename) # 保存图像 image.save(filepath) results.append({ "product": product["name"], "filepath": filepath, "status": "success" }) print(f"✓ 已保存: {filename}") else: results.append({ "product": product["name"], "filepath": None, "status": "failed" }) print(f"✗ 生成失败: {product['name']}") # 添加延迟，避免服务器过载 if i < len(product_list) - 1: time.sleep(batch_delay) return results # 批量处理示例 if __name__ == "__main__": processor = BatchNanoBananaProcessor("http://localhost:7860", "product_explosions") # 定义要处理的产品列表 products = [ { "name": "智能手机", "prompt": "智能手机完整拆解，Knolling平铺风格，包括屏幕总成、锂电池、主板、摄像头模块、扬声器、振动马达，白色背景，专业产品摄影", "lora_weight": 0.8, "cfg_scale": 7.5 }, { "name": "笔记本电脑", "prompt": "笔记本电脑爆炸图，展示键盘、主板、散热系统、电池、内存条、固态硬盘，灰色背景，技术感强", "lora_weight": 0.7, "cfg_scale": 8.0 }, { "name": "数码相机", "prompt": "数码相机部件拆解，展示镜头组、图像传感器、快门机构、电路板，黑色背景，专业摄影风格", "lora_weight": 0.9, "cfg_scale": 7.0 } ] results = processor.process_product_list(products) print(f"批量处理完成，成功: {sum(1 for r in results if r['status'] == 'success')}/{len(products)}") ``` 这个批量处理器可以处理多个产品，为每个产品生成拆解图，并自动保存到指定目录。 ## 6. 高级功能与技巧 ### 6.1 参数优化建议 根据产品类型的不同，你可能需要调整参数来获得最佳效果： ```python # 不同产品类型的参数建议 parameter_presets = { "electronics": {"lora_weight": 0.8, "cfg_scale": 7.5, "steps": 30}, "mechanical": {"lora_weight": 0.7, "cfg_scale": 8.0, "steps": 35}, "precise": {"lora_weight": 0.9, "cfg_scale": 7.0, "steps": 40}, "creative": {"lora_weight": 0.6, "cfg_scale": 9.0, "steps": 25} } def get_optimal_parameters(product_type, complexity="medium"): """根据产品类型和复杂度获取优化参数""" base_params = parameter_presets.get(product_type, parameter_presets["electronics"]) # 根据复杂度调整 complexity_adjustments = { "simple": {"steps": max(20, base_params["steps"] - 10)}, "medium": {}, "complex": {"steps": base_params["steps"] + 10, "cfg_scale": base_params["cfg_scale"] + 1.0} } adjusted_params = base_params.copy() adjusted_params.update(complexity_adjustments.get(complexity, {})) return adjusted_params ``` ### 6.2 提示词编写技巧 好的提示词是生成高质量拆解图的关键： ```python def build_product_prompt(product_name, product_type, style="knolling", include_parts=None): """构建产品拆解提示词""" style_keywords = { "knolling": "Knolling平铺风格，整齐排列", "exploded": "爆炸图风格，部件悬浮展示", "technical": "技术图解风格，带标注线" } part_keywords = { "electronics": "电路板、芯片、连接器、电池", "mechanical": "齿轮、轴承、螺丝、外壳", "consumer": "外壳、屏幕、按键、电池" } style_desc = style_keywords.get(style, "Knolling平铺风格") part_desc = include_parts if include_parts else part_keywords.get(product_type, "所有部件") prompt = f"{product_name}拆解图，{style_desc}，展示{part_desc}，白色背景，专业产品摄影，高清细节" return prompt # 示例 prompt = build_product_prompt("无线耳机", "electronics", style="exploded", include_parts="耳机单元、电池、充电盒、电路板") print(prompt) ``` ## 7. 错误处理与重试机制 在实际批量处理中，网络波动或服务器暂时不可用可能导致失败。添加重试机制可以提高成功率： ```python def generate_with_retry(client, prompt, max_retries=3, retry_delay=5, **kwargs): """带重试机制的图像生成""" for attempt in range(max_retries): try: image = client.generate_image(prompt, **kwargs) if image: return image elif attempt < max_retries - 1: print(f"第{attempt+1}次尝试失败，{retry_delay}秒后重试...") time.sleep(retry_delay) except Exception as e: print(f"第{attempt+1}次尝试异常: {e}") if attempt < max_retries - 1: time.sleep(retry_delay) print(f"所有{max_retries}次尝试均失败") return None ``` ## 8. 总结 通过本教程，你学会了如何使用Python调用Nano-Banana API来批量生成产品拆解图。关键要点包括： 1. **基础调用**：学会了简单的API调用方法，生成单张产品拆解图 2. **批量处理**：掌握了批量处理多个产品的技巧，适合实际工作场景 3. **参数优化**：了解了如何根据不同产品类型调整参数获得最佳效果 4. **错误处理**：添加了重试机制，提高批量处理的成功率 实际使用时，你可以根据具体需求调整代码。比如电商公司可以用来自动生成商品拆解图，教育机构可以用来制作教学材料，设计公司可以快速呈现产品内部结构。 记得开始时使用官方推荐的参数组合（LoRA权重0.8，CFG系数7.5），然后根据生成效果微调。复杂的机械产品可能需要更多生成步数，而简单的电子产品可能不需要太高的CFG系数。 --- > **获取更多AI镜像** > > 想探索更多AI镜像和应用场景？访问 [CSDN星图镜像广场](https://ai.csdn.net/?utm_source=mirror_blog_end)，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。