เจาะลึก Nano Banana Pro ขั้นสุดของ AI สายอาร์ต ! (ฉบับลงโค้ด)

วันนี้ตื่นเต้นเป็นพิเศษเพราะมีของเล่นใหม่ (ที่ไม่ได้มาเล่น ๆ ครับ) อันนี้เรียกว่าผมใช้บ่อยจริงงงง ชอบมากกกก เลยอยากมาอัปเดตให้ทุกคนได้ฟังกัน โดยเฉพาะชาว Developer ที่ทำงานกับ AI Image Generation เพราะวันนี้ Google Cloud เขาปล่อยของแรงอย่าง Nano Banana Pro ออกมาครับ

🍌 Nano Banana Pro คืออะไร ?

พูดง่ายๆ Nano Banana Pro คือโมเดล Text-to-Image Generation รุ่นล่าสุดที่ถูกออกแบบมาเพื่องานระดับ Enterprise และ Professional Developers โดยเฉพาะครับ

ภาพประกอบจาก Google ที่แสดงให้เห็นความสามารถที่รวมทุกวัตถุและยังคง identity ของมัน

ถ้าเทียบกับรุ่นก่อนๆ ที่อาจจะเก่งเรื่องภาพทั่วไป เจ้าตัว Pro นี้ถูกเทรนมาให้เข้าใจ Context ที่ซับซ้อนขึ้นมาก โดยเฉพาะเรื่อง Photorealism (ความสมจริง), Lighting/Composition Control (การคุมแสงเงาต่าง ๆ) และ Text Rendering (การใส่ข้อความในภาพ) ที่เป็นยาขมของ AI มาตลอด เพราะเจอภาษาไทยทีไร .. ตายทุกที คือพวกเราจะรู้ทันทีว่าภาพนี้สร้างขึ้นจาก AI .. ไม่จำเป็นอย่าเทสระบบ อย่าเล่นกับภาษาไทยอะไรทำนองนี้ แต่ว่าตัวนี้ฉีกกฎเลย ภาษาไทยเรียกว่าแทบจะตรงเป๊ะ ทำมาออกได้ดีเลยครับ

ดีกว่า Nano Banana ตัวเดิมไหม ?

Nano Banana ตัวเดิมหรือชื่อจริงคือ Gemini 2.5 Flash Image เทียบกับรุ่นน้อง Nano Banana Pro ที่คลานตามมาหรือชื่อจริง Gemini 3 Pro Image หลายคนอาจจะสงสัย เหมือนเวลาเราเลือกเมล็ดกาแฟแหละครับ ว่ากาแฟเหมือนกันแต่มีคั่วหลายระดับเหลือเกิน ผมสรุปให้เห็นภาพง่าย ๆ แบบนี้ครับ

มุมการใช้งานต่าง ๆ

Nano Banana เหมือนกล้วยหอมที่ซื้อง่ายตามร้าน กินง่าย อร่อย เหมาะกับใช้งานทั่วไป เช่น สร้างภาพประกอบ Social Media เร็วๆ
ดังนั้น Nano Banana Pro ก็คือกล้วยคัดพิเศษเกรดส่งออกครับ ให้คุณภาพที่สูงขึ้นมาโดยเฉพาะ Resolution & Texture เข้าใจ Prompt ยาว ๆ ได้ดีกว่า และที่สำคัญคือ “Instruction Following” หรือการทำตามคำสั่งเป๊ะ ๆ ไม่หลุด Theme ครับ

มุม Performance

Nano Banana คือ Gemini 2.5 Flash Image แน่นอน Flash จะเน้น “ความเร็ว” และ “ประหยัด” เหมาะกับงานที่ต้องเจนภาพจำนวนมหาศาลแบบ Real-time
Nano Banana Pro คือ Gemini 3.0 Pro Image ด้วยความ Pro จึงเน้น Quality ครับ งานพวก Billboard, ปกนิตยสาร หรือ Game Assets (สายทำเกมก็เอา AI พวกนี้ไปสร้างตัวละครบ้าง, ฉากบ้างครับ) งานก็จบครบเนี๊ยบกริบ ระดับ 2K, 4K แน่นอน แต่แลกกับ Latency นิดนึงเพราะมันคิดเยอะ ทำภาพให้สวยถูกใจแน่นอนครับ

ใช้ Nano Banana Pro ได้ที่ไหนบ้าง ?

สายนักพัฒนาอย่างเราสามารถใช้ได้ผ่าน

Vertex AI Model Garden: สำหรับ Enterprise ที่ต้องการความปลอดภัยของข้อมูล และ Integration เข้ากับ App ขององค์กร
Google AI Studio: สำหรับ Dev ที่อยากลองของ เข้าไปเทส Prompt เร็ว ๆ ได้เลย
API: แน่นอนว่าเรียกผ่าน Code ได้โดยตรง (เดี๋ยวผมโชว์โค้ดให้ดูข้างล่างครับ)

Gemini 3 Pro Image บน Vertex AI Model Garden

แต่ถ้าเป็นสาย Business หรือบุคคลทั่วไป สามารถใช้ได้บน

Gemini Enterprise อันนี้ของดีเลยครับ โมเดลอะไรฉลาดๆ Agent เทพๆ จะมาใส่ตัวนี้หมด
NotebookLM ด้วย Nano Banana อันนี้สร้าง infographic เทพเลยครับ
Workspace เช่น Gemini App, Vids, Google Slides

Nano Banana Pro บน Gemini Enterprise

เทคนิคการ Prompt ฉบับ Nano Banana Pro

จากที่ผมลองเล่นดู โมเดลตัวนี้ชอบความชัดเจนครับ อารมณ์คุยกับคนรัก เราต้องพูดตรงๆ ถูกไหมครับ ผลลัพธ์จะดีกว่าการพูดอ้อม ๆ

Structure Matters: แบ่งโครงสร้าง Prompt ให้ชัดเจน [Subject] + [Action/Context] + [Art Style/Medium] + [Lighting/Mood]
Parameter Tuning: ตัว Pro ยอมให้เราปรับ aspect_ratio และ safety_settings ได้ละเอียดขึ้น
Text Rendering: ถ้าอยากให้มีตัวหนังสือ ให้ใส่ในเครื่องหมายคำพูดชัดๆ เช่น text "Special Offer" โมเดลตัวนี้เก่งเรื่องสะกดคำผิดน้อยลงเยอะครับ

นี่คือเทคนิคพื้นฐานครับเวลา Prompt ให้ทุกคนจำง่าย ๆ แต่จริง ๆ มันมีเทคนิคที่ลึกขึ้นอีก ผมเลยอยากเขียนเป็นอีกหัวข้อ เพื่อให้ Blog นี้เป็น Blog ที่ดีที่สุดที่ทุกคนมาเปิดอ่านแล้วเข้าใจ ไม่ต้องอ่านหลายที่ครับ

ลงลึกเทคนิคไม่ลับฉบับ Nano Banana Pro จาก Google Cloud

มาครับ ผมสรุปสูตรลับการ Prompt จาก Google มาให้ครับ ถ้าอยากได้งานเนี๊ยบแบบไม่ต้องมานั่งแก้ทีหลัง ลองใช้ Checklist นี้ดู

1. สูตรตั้งต้น: 5 องค์ประกอบที่ “ต้องมี”

อย่าเพิ่งรีบพิมพ์แค่สิ่งที่เห็นครับ มันต้องจินตนาการลึกๆ แบบว่าเราเป็นผู้กำกับหนัง แล้วสั่ง AI ตามโครงสร้างนี้

Style (สไตล์ภาพ): อยากได้แนวไหน ? 3D Animation, Film Noir, Watercolor หรือ Photorealistic

Subject (ตัวเอก): ใคร? ทำอะไร? อย่าบอกแค่ “หุ่นยนต์” แต่ให้ระบุไปเลยว่า “หุ่นยนต์บาริสต้าทำกาแฟแววตาสีฟ้าสะท้อนแสงแบบอุลตร้าแมน”

Action (การกระทำ): กำลังทำอะไร ? ชงกาแฟ ? ร่ายเวทมนตร์ ? หรือกำลังวิ่ง ?

Location (สถานที่): ฉากหลังคือที่ไหน? คาเฟ่บนดาวอังคาร? หรือห้องสมุดเก่าๆ?

Composition (มุมกล้อง): เรื่องนี้สำคัญมากครับ! สั่งได้เลยว่าขอ Extreme close-up, Wide shot หรือ Portrait

ตัวอย่าง infographic ที่ต้องใส่เรื่องราวอย่างละเอียด เพื่อควบคุมผลลัพธ์

2. เทคนิคขั้นเทพ: สั่งงานแบบ Director

Nano Banana Pro รุ่นนี้ เข้าใจศัพท์เทคนิคเยอะขึ้นมากครับ ลองใส่พวกนี้ลงไปดู:

Camera & Lighting: ระบุค่า f-stop ได้เลยนะครับ เช่น shallow depth of field (f/1.8) หรือจัดแสงแบบ Golden hour backlighting งานจะดูแพงขึ้นทันที
Text Integration: อันนี้ทีเด็ด! สั่งให้ใส่ Text ลงไปในภาพได้แม่นยำขึ้นมาก (รองรับหลายภาษา รวมถึงแปลภาษาในภาพได้ด้วย) แค่บอกว่า The headline "URBAN EXPLORER" rendered in bold, white sans-serif font
Multi-Image Input (อันนี้ว้าวสุด!): เราสามารถ Input รูปอ้างอิงได้สูงสุดถึง 14 รูป! (ขึ้นอยู่กับ Platform ว่าใช้ผ่านอะไร) เอาไว้คุม Character Consistency, ท่าทาง (Pose), หรือสไตล์ภาพ ให้คงที่ได้ แม้จะเจน รูปใหม่ก็ตาม

ตัวอย่าง เช่น ถ้าเราสั่งแค่ “A white cat barista dripping coffee” ภาพที่ได้อาจจะดูแบนๆ เหมือนการ์ตูนทั่วไป แต่ถ้าเราใช้ เทคนิคที่ 2 (Director Style) โดยใส่รายละเอียดเรื่อง Lighting (การจัดแสง) และ Camera (มุมกล้อง/เลนส์) เข้าไป ผลลัพธ์จะดูแพงขึ้นมาทันที เหมือนหลุดออกมาจากนิตยสาร Kinfolk เลยครับ

A close-up cinematic shot of a fluffy white cat barista wearing a textured black apron, focused on pouring hot water from a copper gooseneck kettle into a V60 coffee dripper.
Lighting: Warm golden hour sunlight streaming through a window, creating rim lighting on the cat's fur and illuminating the rising steam.
Camera: Shot with a 85mm portrait lens at f/1.8 aperture, shallow depth of field with a creamy bokeh background of a rustic cafe shelf. Sharp focus on the cat's paws and the coffee bloom.
Style: Hyper-realistic, 8k resolution, National Geographic photography style.

แสงและเงามาเต็มใช่ไหมครับ

ภาพนี้มีการใส่ Spec แบบตากล้องเข้าไปคือ

Lens & Aperture (85mm, f/1.8): การระบุค่า f-stop ต่ำๆ จะสั่งให้ AI ทำภาพหน้าชัดหลังเบลอ (Bokeh) โดยอัตโนมัติ ทำให้ตัวน้องแมวและกาแฟเด่นเด้งออกมาจากฉากหลังครับ
Lighting (Rim lighting, Golden hour): แสงริมไลท์ (แสงที่กระทบขอบวัตถุ) จะช่วยขับให้ขนแมวดูฟูและมีมิติ ไม่จมไปกับฉากหลัง ส่วนแสงสีทองช่วยสร้าง Mood ที่ดูอบอุ่น น่ากินกาแฟสุดๆ
Action Detail (Copper gooseneck kettle, V60): การระบุอุปกรณ์เจาะจง (กาดริปทองแดง, ถ้วย V60) ช่วยให้ภาพดูสมจริงขึ้นเพราะเป็นอุปกรณ์ที่สายกาแฟที่มีราคา และดู Professionalในสายตาคอกาแฟครับ

3. ฟีเจอร์ลับสำหรับสาย Commercial

Branding & Mockup: เราสามารถ “Drape” (ห่อหุ้ม) ลวดลาย โลโก้ หรือ Artwork ลงบนพื้นผิว 3D เช่น เสื้อผ้า หรือ Packaging ได้เนียนกริบ โดยที่แสงเงาและ Texture ยังอยู่ครบ

Translation & Localization: สั่งให้เปลี่ยนภาษาบนป้ายโฆษณาในภาพ จากอังกฤษเป็นเกาหลีได้เลย โดยที่ Mood & Tone ของภาพไม่เปลี่ยน

ข้อควรระวัง (จากใจคนทำงานจริง)

ถึงจะเก่งขึ้นมาก แต่ก็ยังมีจุดที่ต้อง Double Check นะครับ:

Small Details: ตัวหนังสือเล็กๆ หรือรายละเอียดถี่ยิบมากๆ อาจจะยังมีเพี้ยนบ้าง ต้องไปทำหลังกล้องอีกที หรือจริง ๆ หากปรับภาพที่มีข้อความไทยเยอะมาก ๆ ยิ่งปรับ ยิ่งเจนใหม่ จะยิ่งเพี้ยน ควรทำให้ Perfect ในครั้งเดียว
Fact Check: ถ้าให้เจนฯ Diagram วิทยาศาสตร์ หรือแผนที่ประวัติศาสตร์ อย่าลืมตรวจสอบความถูกต้องของข้อมูลด้วยนะครับ เพราะ AI เก่งศิลปะ แต่อาจจะไม่ใช่นักวิชาการเสมอไปครับ
Complex Blends: การสั่งให้แก้ภาพที่ซับซ้อนมาก ๆ (Complex Edges) บางทีอาจจะยังมี Artifact หรือรอยต่อให้เห็นบ้างครับ

ตัวอย่าง Use Case ที่น่าสนใจ

ในฐานะที่ผมใช้ประจำเลย คิดว่าสายที่เป็น FMCG จะได้ประโยชน์ค่อนข้างสูงครับ ที่เราต้องปรับอะไรบ่อยๆ ตามสไตล์ผู้บริโภค เช่น

Dynamic E-commerce: สร้างภาพสินค้าใน Background ที่ต่างกันตามเทศกาลโดยอัตโนมัติ โดยที่ตัวสินค้าหลักยังคงเดิม (Product Preservation)
Marketing Automation: สร้าง Banner โฆษณาที่มี Text โปรโมชั่นแปะมาเลยแบบไม่ต้องใช้ Photoshop ต่อ อันนี้ผมจะบอกทีมมาร์เกตติ้งที่บ้านแล้วว่า ลองใช้น้องกล้วยปรับดูนะจะได้งานเสร็จเร็ว ๆ
Game Development: เจน Concept Art หรือ Texture พื้นผิวความละเอียดสูง
Presentation: ทำ Slide ส่งเจ้านาย เวลามี concept ต่างๆ หรือกลยุทธ์ใหม่ๆ ให้เจ้านายได้เห็นภาพ โดยเฉพาะการ mockup story board

ตัวอย่าง Code: Python (Gemini API)

เรามาลองเรียกใช้ Nano Banana Pro แบบเบสิคกันบ้างครับ คือสร้างรูปภาพเลยด้วย Python SDK บน Vertex AI ครับ

1. สร้างรูปภาพจาก Prompt

ตัวอย่างโค้ดบน Colab Enterprise

from google import genai
from google.genai.types import GenerateContentConfig, Modality
from PIL import Image
from io import BytesIO
# 1. กรณี Run บน Colab Enterprise จะมี Env ที่ set ไว้แล้ว
# ผมแค่เพิ่ม vertexai=True ให้รู้ว่า Gen AI Lib นี้ใช้ Vertex AI ไม่ได้ใช้ API Key นะ
client = genai.Client(vertexai=True)
# 2. เลือกโมเดล Nano Banana Pro
# (ชื่อโมเดลอาจมีการเปลี่ยนแปลงตาม version ล่าสุดใน doc นะครับ)
model = "gemini-3-pro-image-preview"
# 3. กำหนด Prompt
prompt = """
         A futuristic cityscape of Bangkok at sunset, 
         cyberpunk style, neon lights with text "Tangerine City" on a billboard, 
         hyper-realistic, 8k resolution, cinematic lighting.
        """
# 4. Generate Image
print("กำลังปลูกกล้วย... เอ้ย กำลังเจนรูปครับ รอสักครู่...")
response = client.models.generate_content(
    model=model,
    contents=(prompt),
    config=GenerateContentConfig(
        response_modalities=[Modality.TEXT, Modality.IMAGE],
    ),
)
# 5. Print Text และ Save รูปภาพ (กรณีที่ model return มาเป็น image object)
for part in response.candidates[0].content.parts:
    if part.text:
        print(part.text)
    elif part.inline_data:
        image = Image.open(BytesIO((part.inline_data.data)))
        image.save("tangerine-city.png")
        print("ได้รูปแล้วครับ! สวยกริบ")
    else:
        print("อ้าว รูปไม่มา หรือติด Safety Filter ครับเช็กด่วน")

ผลลัพธ์จากการรัน

2. สร้าง Text พร้อมรูปภาพประกอบ

ทีนี้มาเล่นกับ Text บ้าง ปกติเรามักจะสร้างภาพทีนึงและสร้างข้อความทีนึงแล้วแปะรวมกัน แต่ตัว Nano Banana Pro จะทำหน้าที่ Content Creator + Graphic Designer คือเขียนเนื้อหาแล้ววาดรูปประกอบไปด้วยเสร็จสรรพเราเรียกว่า Interleaved generation

กำลังปลุกน้องมาเขียนบทความนะครับ

from google import genai
from google.genai.types import GenerateContentConfig, Modality
from PIL import Image
from io import BytesIO
import os
# 1. Setup Client
client = genai.Client(vertexai=True)
# 2. เตรียม Folder สำหรับเก็บผลงาน
output_dir = "tanjai_infographic"
if not os.path.exists(output_dir):
    os.makedirs(output_dir)
# 3. สั่งงานน้อง Gemini ให้สวมบทบาทและเจนฯ เนื้อหาพร้อมรูป
# จุดสำคัญคือ Prompt ต้องบอกชัดเจนว่าให้ "Create images to go alongside text"
print("กำลังปลุกน้องแทนใจ (TanjAI) ให้มาเขียนบทความ... รอแป๊บนะครับ...")
response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=(
        "Create a fun and engaging illustrated blog post about '3 Steps to Start Data Analytics for Business'."
        "The narrator is 'TanjAI' (Thai name: แทนใจ), a friendly, Orange mascot from the company 'Tangerine'. "
        "TanjAI is Female Orange and looks helpful and smart."
        "Please generate the content in this structure:"
        "1. Introduction by TanjAI."
        "2. Step 1: Data Collection (Generate an image of TanjAI gathering data blocks)."
        "3. Step 2: Data Analysis (Generate an image of TanjAI looking at a hologram chart)."
        "4. Step 3: Action (Generate an image of TanjAI high-fiving a business person)."
        "5. Conclusion."
        "Create images to go alongside the text as you generate the guide with Thai."
    ),
    # Config นี้คือพระเอกครับ บอกโมเดลว่า Output ขอทั้ง Text และ Image ผสมกันมาเลย
    config=GenerateContentConfig(response_modalities=[Modality.TEXT, Modality.IMAGE]),
)
# 4. Save ผลลัพธ์ลงไฟล์ .md และแยกไฟล์รูปออกมา
print("เสร็จแล้ว! กำลังบันทึกไฟล์ลงเครื่องครับ...")
with open(f"{output_dir}/tanjai_data_story.md", "w", encoding="utf-8") as fp:
    image_count = 0
    for part in response.candidates[0].content.parts:
        if part.text is not None:
            # ส่วนที่เป็น Text ก็เขียนลงไฟล์ Markdown ปกติ
            fp.write(part.text)
            
        elif part.inline_data is not None:
            # ส่วนที่เป็น Image จะมาเป็น inline data (bytes) เราต้องแปลงและเซฟ
            image_count += 1
            image_filename = f"tanjai-step-{image_count}.png"
            image_path = os.path.join(output_dir, image_filename)
            
            image = Image.open(BytesIO((part.inline_data.data)))
            image.save(image_path)
            
            # เขียน Syntax Markdown เพื่อแสดงรูปในไฟล์บทความ
            fp.write(f"\n\n![Step {image_count} Image]({image_filename})\n\n")
print(f"เรียบร้อยครับ! ดูผลงานได้ที่ folder '{output_dir}' ")

ผลลัพธ์น้องที่ได้ทั้งเรื่องราวของน้อง TanjAI และภาพประกอบสวยงาม

และนี่คือผลลัพธ์ของไฟล์ tanjai_data_story.md นะครับ ส่วนรูปภาพก็จะอยู่ใน folder tanjai_infographic

ตัวอย่าง md file ที่ gen มา

3. Edit รูปภาพด้วย Prompt พร้อมใส่ข้อความ

อันนี้ว่าเด็ดแล้ว แต่ผมอยากจะโชว์ตัวที่เด็ดจริงๆ คือ Image Editing ครับ ลักษณะคือแก้รูปเดิมด้วย Prompt .. คือสมมติว่ามีโจทย์ชีวิตจริงแบบนี้

“พี่ตั๋งคะ รูปน้องแทนใจที่เจน มาเมื่อกี๊สวยนะ แต่แคมเปญเดือนหน้าเราอยากได้ธีม Manga ญี่ปุ่น เอาแบบลายเส้นการ์ตูนช่องเลยนะคะ!”

ถ้าเป็นเมื่อก่อนคงต้องส่งบรีฟไปฝ่าย Art วาดใหม่หมด แต่วันนี้ด้วย gemini-3-pro-image-preview ผมไม่วาดรูปแล้ว เขียน Python ดีกว่า ให้เป็นสไตล์ใหม่โดยที่ Identity ของตัวละครยังอยู่ครบครับ ว่าแล้วก็ไม่พูดพร่ำทำเพลง ลงโค้ดกันเลย

from google import genai
from google.genai.types import GenerateContentConfig, Modality
from PIL import Image
from io import BytesIO
import os
# 1. Setup Client
client = genai.Client(vertexai=True)
# 2. เตรียมรูป Input (สมมติว่าเป็นรูปน้องแทนใจที่เราเจนฯ เก็บไว้จากโค้ดที่แล้ว)
# ถ้ายังไม่มีรูป ลองหารูปหุ่นยนต์สีส้มๆ มาตั้งชื่อว่า tanjai_original.png ดูนะครับ
input_image_path = "/content/tanjai_infographic/tanjai-step-1.png"
if not os.path.exists(input_image_path):
    print(f"หาไฟล์ {input_image_path} ไม่เจอครับ! ฝากเช็ค path นิดนึงนะ")
else:
    image = Image.open(input_image_path)
    
    # 3. กำหนด Prompt ภาษาไทยตามโจทย์
    # เทคนิค: ใส่รายละเอียดสไตล์ให้ชัดเจน (Black and white, Inking, Screen tone) 
    # เพื่อให้ได้ฟีล Manga จริงๆ
    prompt_instruction = (
        "เปลี่ยนภาพนี้ให้ลายเส้นเป็นมังงะญี่ปุ่น (Japanese Manga) ขาว-ดำ "
        "มีการแบ่งช่องแบบอ่านจากซ้ายไปขวา (Left-to-right reading direction) "
        "โดยตัวละครหลักยังคงเป็น 'TanjAI' ตัวเดิม "
        "กำลังทำท่าทางมุ่งมั่นเหมือนตัวเอกในการ์ตูนโชเน็น"
        "เป็นเรื่องราวของ TanjAI หรือ น้องแทนใจ ส้มน้อยที่เก่งกาจในเรื่อง AI Agent และ Data Analytics"
        "กำลังนำเสนอ Solution ด้าน Data Analytics & AI ด้วยเทคโนโลยี Google Cloud ให้กับลูกค้า"
    )
    print("กำลังส่งน้องแทนใจไปเข้าคอร์สนักเขียนการ์ตูนญี่ปุ่น... รอสักครู่ครับ...")
    # 4. เรียกใช้ Model โดยส่ง List ที่มีทั้ง [Image, Text] เข้าไป
    response = client.models.generate_content(
        model="gemini-3-pro-image-preview",
        
        # นี่คือความเจ๋งครับ เราโยน Image Object ผสมกับ Text Prompt ได้เลย
        contents=[image, prompt_instruction],
        
        config=GenerateContentConfig(
            response_modalities=[Modality.TEXT, Modality.IMAGE]
        ),
    )
    # 5. Save รูปผลลัพธ์
    output_dir = "output_manga"
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)
    for i, part in enumerate(response.candidates[0].content.parts):
        # บางที Model อาจจะตอบกลับมาเป็น Text บรรยายก่อนรูป
        if part.text:
            print(f"Gemini Comment: {part.text}")
            
        # ส่วนที่เป็นรูปภาพ
        elif part.inline_data:
            manga_image = Image.open(BytesIO((part.inline_data.data)))
            save_path = f"{output_dir}/tanjai_manga_style.png"
            manga_image.save(save_path)
            print(f"เรียบร้อย! ได้รูปมังงะแล้วครับ เซฟอยู่ที่: {save_path}")

input image คือ tanjai-step-1.png ที่สร้างขึ้นจากโค้ดก่อนหน้า

ตัวอย่างการรัน image editing ครับ

และนี่คือยอดมนุษย์แทนใจและเหล่าพลังวิเศษ เวทมนตร์ แห่ง Google Cloud ของเขาครับ

Prompt น่ารักมากครับ ถ้าเรายิ่งละเอียด ระดับ context ก็จะได้ภาพที่ตรงใจ ขนาดที่ผมไม่ได้ลงรายละเอียดมากนัก แต่ก็มีภาพ Data Pipeline ประกอบด้วย น่าจะเป็นการทำ Data Tranfrom จาก BigQuery ตามฉบับ Lakehouse .. เยี่ยมจริง ๆ

💰 เปรียบเทียบราคา (Price Comparison)

เรื่องเงินๆ ทองๆ สำคัญเสมอครับ (หัวหน้าชอบถาม 😂)

สรุปคือ: ถ้าเอางานเนี๊ยบ ยอมจ่าย Pro คุ้มกว่าการเจนฯ ตัวธรรมดา 5 รูปก็อาจ make sense เคสนี้ผมว่าพวกเราต้องทดลองครับ ว่าแต่ละ use case ใช้อันไหนเหมาะสมกว่า เพราะมันไม่มีถูกมีผิด ทุกอย่างเราต้องทดลองครับ (นี่มันแนวคิด Data Scientist เลย 🤣 ทุก model ต้องทดลอง)

บทสรุป

Nano Banana Pro ถือเป็นการก้าวกระโดดที่น่าสนใจมากสำหรับ Google Cloud ครับ มันปิดช่องว่างเรื่องคุณภาพงานศิลป์ที่ AI เคยทำได้ไม่ดี โดยเฉพาะเรื่อง Text ในภาพ ใครที่กำลังมองหา Solution ด้าน Gen AI Image ไปใส่ใน App ของตัวเอง ตัวนี้คือ Must Try ครับ

ถ้าใครสนใจอยากลองเอา Nano Banana Pro ไปปรับใช้ในองค์กร หรืออยากปรึกษาเรื่อง Architecture บน Google Cloud ทักมาคุยกับพวกเราที่ Tangerine ได้เลยนะครับ เราพร้อมช่วยแกะเปลือกเรื่องยาก ๆ ให้กลายเป็นเรื่องกล้วย ๆ สำหรับคุณครับ

ไว้เจอกันใหม่บทความหน้าครับ ! 👋

BLOGS

เจาะลึก Nano Banana Pro ขั้นสุดของ AI สายอาร์ตที่ Dev ต้องร้องว้าว ! (ฉบับลงโค้ด)

🍌 Nano Banana Pro คืออะไร ?

ดีกว่า Nano Banana ตัวเดิมไหม ?

มุมการใช้งานต่าง ๆ

มุม Performance

ใช้ Nano Banana Pro ได้ที่ไหนบ้าง ?

เทคนิคการ Prompt ฉบับ Nano Banana Pro

ลงลึกเทคนิคไม่ลับฉบับ Nano Banana Pro จาก Google Cloud

1. สูตรตั้งต้น: 5 องค์ประกอบที่ “ต้องมี”

2. เทคนิคขั้นเทพ: สั่งงานแบบ Director

3. ฟีเจอร์ลับสำหรับสาย Commercial

ข้อควรระวัง (จากใจคนทำงานจริง)

ตัวอย่าง Use Case ที่น่าสนใจ

ตัวอย่าง Code: Python (Gemini API)

1. สร้างรูปภาพจาก Prompt

2. สร้าง Text พร้อมรูปภาพประกอบ

3. Edit รูปภาพด้วย Prompt พร้อมใส่ข้อความ

💰 เปรียบเทียบราคา (Price Comparison)

บทสรุป

สอบถามข้อมูลเพิ่มเติม

Bring the best technology for customer’s success

แชร์

🍌 Nano Banana Pro คืออะไร ?

ดีกว่า Nano Banana ตัวเดิมไหม ?

มุมการใช้งานต่าง ๆ

มุม Performance

ใช้ Nano Banana Pro ได้ที่ไหนบ้าง ?

เทคนิคการ Prompt ฉบับ Nano Banana Pro

ลงลึกเทคนิคไม่ลับฉบับ Nano Banana Pro จาก Google Cloud

1. สูตรตั้งต้น: 5 องค์ประกอบที่ “ต้องมี”

2. เทคนิคขั้นเทพ: สั่งงานแบบ Director

3. ฟีเจอร์ลับสำหรับสาย Commercial

ข้อควรระวัง (จากใจคนทำงานจริง)

ตัวอย่าง Use Case ที่น่าสนใจ

ตัวอย่าง Code: Python (Gemini API)

1. สร้างรูปภาพจาก Prompt

2. สร้าง Text พร้อมรูปภาพประกอบ

3. Edit รูปภาพด้วย Prompt พร้อมใส่ข้อความ

💰 เปรียบเทียบราคา (Price Comparison)

บทสรุป

แชร์

สอบถามข้อมูลเพิ่มเติม

บทความที่เกี่ยวข้อง

Bring the best technology for customer’s success