У новому випуску каналу Tech With Tim розробник і контентмейкер Тім показує практичний шлях, як перетворити потужні, але незручні у використанні моделі зображень Nano Banana Pro та Nano Banana 2 на керований інструмент у щоденному робочому середовищі. Він поєднує їх із Claude Code, Google Gemini API, голосовим диктуванням та хмарним робочим простором Skywork, будуючи повноцінний конвеєр автоматизованої генерації зображень.
Цей матеріал зосереджується на трьох ключових речах: як правильно підняти Nano Banana через Gemini API, як не «спалити» бюджет на токени, і як організувати робочий процес за допомогою Claude Code, Whisper Flow та Skywork.
Від сайту Nano Banana до API: чому потрібен Google AI Studio
Базовий сценарій роботи з Nano Banana знайомий більшості користувачів генеративної графіки: відкрити сайт, ввести текстовий промпт, отримати картинку, повторити. Це повільно, незручно для складних проєктів і майже не масштабується.
Щоб перетворити Nano Banana 2 на частину автоматизованого пайплайна, Тім обходить вебінтерфейс і звертається до моделі через Gemini API. Для цього потрібен Google AI Studio — саме він виступає точкою входу до API Google Gemini, через який і доступні моделі зображень, включно з Nano Banana.
Перший крок — створити обліковий запис у Google AI Studio, якщо його ще немає. Після входу користувач потрапляє в playground, де можна тестувати моделі вручну. Але для програмного доступу потрібен API‑ключ. У інтерфейсі AI Studio є окремий розділ «Get API key» (у нижній частині навігації), де створюється новий ключ для проєкту.
Тім радить одразу дати ключу осмислену назву — наприклад, «Gemini API key» або «Claude API key», якщо він буде використовуватися саме з Claude Code. Після створення ключа його можна скопіювати, але важливо не ділитися ним з іншими та не публікувати в коді чи скріншотах.
На цьому етапі багато хто очікує, що можна одразу почати генерувати зображення. Але для Nano Banana через API цього недостатньо: потрібна активна платна підписка.
Платний доступ і ліміти: як не витратити зайве на Nano Banana
Генерація зображень через Gemini API — це не безкоштовна функція. Для виклику Nano Banana з коду потрібно налаштувати білінг у Google AI Studio.
Після створення API‑ключа інтерфейс пропонує перейти до налаштування оплати. Користувач має підключити банківську картку та вказати платіжну адресу. Після цього активується «paid tier» — платний рівень, який дозволяє виконувати запити до моделей зображень. Google зазвичай надає стартові безкоштовні кредити, але Тім прямо підкреслює: розраховувати на повністю безкоштовну роботу з просунутою генерацією зображень не варто. Це платна послуга, і до неї потрібно ставитися як до будь-якого іншого хмарного ресурсу.
Щоб уникнути неприємних сюрпризів, Тім одразу переходить до розділу контролю витрат. У Google AI Studio є можливість встановити spending cap — верхню межу витрат для конкретного проєкту. Він задає ліміт у 10 доларів і рекомендує робити так само всім, хто експериментує з Nano Banana через агентів на кшталт Claude Code або термінальні скрипти.
Логіка проста: коли ви віддаєте API‑ключ у руки автоматизованих інструментів, ви втрачаєте повний ручний контроль над кількістю запитів. Агент може запускати десятки генерацій паралельно, а помилка в налаштуваннях або невдалий цикл легко перетворюється на сотні запитів за короткий час. Spending cap у 10 доларів — це своєрідний запобіжник: навіть якщо щось піде не так, витрати не вийдуть за межі комфортної суми.
Google AI Studio також дозволяє у будь-який момент перевірити поточне використання: скільки вже витрачено, які ліміти діють, які моделі споживають найбільше ресурсів. Для розробників, які інтегрують Nano Banana у робочі процеси, це критично важливо: контроль бюджету стає частиною технічної архітектури, а не лише бухгалтерським питанням.
Безпечний доступ до Gemini: змінна середовища замість «ключа в чаті»
Коли API‑ключ створено і білінг налаштовано, наступне завдання — передати цей ключ у робоче середовище, де запускається код, що викликає Nano Banana через Gemini API. У демонстрації Тіма таким середовищем виступає Claude Code — десктопний застосунок, який він використовує як основний інтерфейс для запуску навичок (skills) і побудови автоматизованих пайплайнів.
Щоб Nano Banana‑skill у Claude Code міг звертатися до Gemini, ключ потрібно зробити доступним для Python‑скрипта, який викликає API. Тім використовує стандартний підхід: експортує ключ як змінну середовища з назвою GEMINI_API_KEY.
Це означає, що в операційній системі задається змінна, яку потім читає скрипт. Такий спосіб має дві важливі переваги. По‑перше, ключ не зберігається в коді або конфігураційних файлах, які можуть потрапити в репозиторій чи лог. По‑друге, один і той самий код можна запускати в різних середовищах (локально, у хмарі, на CI) просто змінюючи значення змінної середовища, не переписуючи сам скрипт.
Тім окремо застерігає від спокуси зробити «по‑швидкому» і просто вставити ключ прямо в чат Claude Code. У такому разі ключ опиняється у середовищі Anthropic, а не лише на вашій машині. Якщо користувач усе ж таки йде цим шляхом, він наполягає: робити це варто тільки з тимчасовим ключем, який буде видалено одразу після експериментів.
Це зауваження добре ілюструє нову реальність роботи з AI‑інструментами: розробники взаємодіють не лише з одним постачальником, а з цілою екосистемою сервісів — Google, Anthropic, сторонні навички, хмарні платформи. Кожен з них має власні політики зберігання даних, і API‑ключі в такій системі стають критичним активом, який потрібно захищати не менше, ніж паролі до продакшн‑баз.
Claude Code як центр керування Nano Banana
Хоча Nano Banana доступний через вебінтерфейс, Тім показує інший підхід: зробити Claude Code центральним «пультом керування» для всієї роботи із зображеннями. Він використовує десктопну версію Claude Code як основний інструмент, де запускає навички, пише запити, переглядає результати й оркеструє весь пайплайн.
У цьому робочому просторі встановлюються спеціальні skills — розширення, які додають Claude Code нові можливості. Для Nano Banana Тім використовує два типи навичок.
Перший — JSON‑промптер для Nano Banana, знайдений на MCP Market. Він орієнтований на створення маркетингових зображень, UI‑макетів, інфографіки та подібних візуалів. Навичка описує, коли її варто застосовувати, а коли ні, і містить схему JSON із полями на кшталт кадрування, освітлення, поверхня, матеріали та інші параметри сцени. Це дозволяє перетворювати прості текстові запити на структуровані, дуже детальні промпти для моделі зображень.
Другий — власний Nano Banana‑skill, який обгортає Python‑скрипт для виклику Gemini 3.1 image generation API. Саме цей скрипт фактично звертається до Nano Banana, використовуючи GEMINI_API_KEY. Навичка підтримує параметри на кшталт референс‑зображень, роздільної здатності та співвідношення сторін, що робить її придатною не лише для генерації «з нуля», а й для редагування існуючих картинок.
Тім встановлює JSON‑промптер глобально в Claude Code, щоб він був доступний усім «агентам», які виявляє система. Для цього він використовує команду npx skillfish add <username>/claude-code-nano-banana-skills у терміналі. Після інсталяції навичка з’являється в інтерфейсі Claude Code, і її можна викликати через слеш‑команди.
Саме десктопна версія Claude Code стає для нього головним робочим середовищем: тут він одночасно керує навичками, пише запити, переглядає JSON‑схеми й запускає генерацію зображень. У результаті користувач працює з Nano Banana не через кілька вкладок браузера, а через один інтерфейс, який уже використовується для коду, тексту й аналітики.
Голос замість клавіатури: Whisper Flow для швидких промптів
Окремий елемент цього робочого процесу — інструмент AI‑диктування Whisper Flow (у відео згадується як Wispr Flow). Тім використовує його для прискорення створення промптів усередині Claude Code.
Замість того щоб вручну набирати довгі, деталізовані описи сцен, він просто проговорює вимоги вголос. Whisper Flow перетворює мовлення на текст, який потім можна передати JSON‑промптеру або безпосередньо Nano Banana‑skill. Це особливо корисно, коли йдеться про складні композиції, де потрібно описати кілька об’єктів, фон, стиль, освітлення, матеріали й інші нюанси.
У поєднанні з JSON‑схемою це створює цікаву зв’язку: людина формулює задум у природній мові, Whisper Flow перетворює його на текст, Claude Code за допомогою JSON‑промптера структурує цей текст у формальний опис, а Nano Banana через Gemini API генерує зображення.
Такий підхід зменшує бар’єр входу для складних промптів. Багатьом користувачам легше проговорити ідею, ніж одразу сформулювати її у вигляді детального текстового опису з десятками параметрів. AI‑диктування перетворює цей «потік свідомості» на матеріал, з яким уже може працювати промптер‑навичка.
Skywork як хмарний аналог локального пайплайна
Частина відео присвячена Skywork — сервісу, який виступає спонсором випуску. Але в контексті Nano Banana він цікавий не лише як рекламна вставка, а як приклад того, як подібні пайплайни можуть працювати в хмарі без локальної конфігурації.
Тім описує Skywork як «zero‑configuration» хмарний AI‑workspace. Користувач отримує виділену хмарну віртуальну машину, готову до роботи «з коробки». Керувати нею можна з браузера або навіть через WhatsApp чи Telegram.
Усередині Skywork є власна система Skills — не прості плагіни, а вбудовані продуктивні інструменти для роботи з документами, слайдами, зображеннями, таблицями, сайтами й навіть багатодоріжковим відео. Ключова ідея — їх можна комбінувати в одному сценарії. У прикладі Тіма один запит запускає одразу кілька навичок: збір даних про інфлюенсерів, побудову бюджетної таблиці та створення презентації.
Ще одна важлива деталь — підтримка різних моделей. У Skywork можна призначати конкретні моделі для різних завдань: GPT 5.4 або 5.5 Pro для складного коду, Claude Opus 4.6 для глибокого аналізу тексту, Gemini 3.1 Pro для генерації зображень і відео. Або ж дозволити системі автоматично маршрутизувати запити до найвідповіднішої моделі.
У контексті Nano Banana це означає, що той самий тип робочого процесу, який Тім демонструє локально через Claude Code, можна відтворити в хмарі без налаштування серверів, Docker‑контейнерів чи VPN. Для команд, які вже витрачають суттєві суми на окремі підписки для дизайну, аналізу даних і створення сайтів, Skywork позиціонується як спосіб об’єднати ці витрати в один сервіс і водночас отримати гнучкіший AI‑стек.
Демо‑сайт і відкриті ресурси: як відтворити пайплайн
Щоб зробити процес налаштування Nano Banana більш прозорим, Тім створює демонстраційний сайт, поки записує вступ до відео. Claude Code у цей час генерує зображення через Nano Banana і збирає з них повноцінний лендінг.
На цьому сайті розміщені приклади картинок, створених за лічені хвилини, а також зібрані всі необхідні посилання для відтворення показаного пайплайна. У описі відео він додає:
- JSON‑skill для Nano Banana з MCP Market,
- документацію Gemini API для генерації зображень,
- сторінку Google AI Studio для створення API‑ключів,
- посилання на завантаження Nano Banana‑skill.
Це дозволяє глядачам не просто подивитися на результат, а й пройти шлях налаштування самостійно: від створення ключа й активації білінгу до встановлення навичок у Claude Code і запуску перших генерацій.
Висновок: Nano Banana як сервіс, а не сайт
У підсумку показаний Тімом підхід змінює спосіб взаємодії з моделями на кшталт Nano Banana 2. Замість того щоб сприймати їх як окремий сайт для «погратися з картинками», він перетворює Nano Banana на сервіс у складі більшого робочого процесу.
Google AI Studio та Gemini API забезпечують технічний доступ і білінг, spending cap захищає від неконтрольованих витрат, змінна середовища GEMINI_API_KEY — від витоку ключів. Claude Code стає центральним інтерфейсом, де навички керують як створенням структурованих JSON‑промптів, так і викликом самої моделі. Whisper Flow прискорює формування складних запитів, а Skywork демонструє, як подібні сценарії можуть масштабуватися в хмарі без локальної інфраструктури.
Усе це разом показує, що сучасна генерація зображень — це вже не про «ввести промпт у віконце», а про побудову керованих, безпечних і економічно прогнозованих AI‑пайплайнів, де Nano Banana — лише один із потужних, але добре інтегрованих компонентів.