nano-banana-edit

Nano Banana Edit — RunComfy の Pro Pack

runcomfy.com · 編集エンドポイント · GitHub

Google Nano Banana 2 Edit — Gemini ファミリーのフラッシュ階層画像モデルにおける、画像から画像への編集エンドポイントです。RunComfy Model API でホストされています。バッチ編集や複数画像を参照したバリエーション生成では、1 回の呼び出しにつき最大 20 枚の入力画像を使用できます。

npx skills add agentspace-so/runcomfy-skills --skill nano-banana-edit -g

このモデルを選ぶ場面（他のモデルとの比較）

希望すること	使用するモデル
被写体の同一性を保ちながら、背景や服装を変更する	Nano Banana Edit
1 回のバッチで最大 20 枚の画像を一貫性を保って編集する	Nano Banana Edit
空間的な表現で「X のみ」に編集範囲を限定する	Nano Banana Edit
画像内の多言語テキスト（看板、ラベル）を編集する	GPT Image 2 edit
参照画像 1 枚を使って、特定箇所を正確に編集する（「彼女が今 X を持っている」など）	Flux Kontext
新しい画像を一から生成する	Nano Banana 2 t2i（関連スキル）

ユーザーが「nano banana edit」または「nano banana で編集」と明示した場合は、いずれの場合もこちらに振り分けてください。

前提条件

1. RunComfy CLI — npm i -g @runcomfy/cli
2. RunComfy アカウント — runcomfy login を実行すると、ブラウザーでデバイスコード認証が開始されます。
3. CI / コンテナー — runcomfy login の代わりに RUNCOMFY_TOKEN=<token> を設定します。

エンドポイントと入力スキーマ

google/nano-banana-2/edit

フィールド	型	必須	デフォルト	備考
prompt	string	はい	—	編集指示です。保持したい要素から始め、変更内容で締めくくります。
image_urls	array	はい	—	公開されていて取得可能な HTTPS URL を 1～20 個指定します。
number_of_images	int	いいえ	1	1 回の呼び出しにつき 1～4 枚を出力します。
seed	int	いいえ	—	再現性を確保します。
aspect_ratio	enum	いいえ	auto	auto（入力に合わせる）または固定比率です。バッチの一貫性を保つには固定します。
resolution	enum	いいえ	1K	0.5K / 1K / 2K / 4K。
output_format	enum	いいえ	png	png / jpeg / webp。
safety_tolerance	int	いいえ	4	1（厳格）～6（寛容）。
limit_generations	bool	いいえ	—	true の場合、各ラウンドの出力を 1 枚に制限します。
enable_web_search	bool	いいえ	false	Web 検索による根拠付けです（追加コスト／レイテンシーが発生します）。

呼び出し方

被写体の同一性を保ったまま、1 枚の画像の背景を変更する：

runcomfy run google/nano-banana-2/edit \
  --input '{
    "prompt": "Keep the subject identity, pose, and clothing unchanged. Convert the background into a rainy neon cyberpunk street.",
    "image_urls": ["https://.../portrait.jpg"]
  }' \
  --output-dir <absolute/path>

フレーミングを固定したバッチ編集：

runcomfy run google/nano-banana-2/edit \
  --input '{
    "prompt": "Replace the watermark in the bottom-right with the text \"AURA\" in clean white sans-serif. Keep everything else exactly as in the input.",
    "image_urls": ["https://.../sku-1.jpg", "https://.../sku-2.jpg", "https://.../sku-3.jpg"],
    "aspect_ratio": "1:1",
    "resolution": "1K"
  }' \
  --output-dir <absolute/path>

対象を指定した空間編集（「左側のオブジェクトのみ」）：

runcomfy run google/nano-banana-2/edit \
  --input '{
    "prompt": "Remove the leftmost object only. Keep the right two objects, the table, and the lighting unchanged.",
    "image_urls": ["https://.../still-life.jpg"]
  }' \
  --output-dir <absolute/path>

プロンプトの作成 — 実際に効果のある方法

保持したい要素を先に、変更内容を最後に記述します。 常に "Keep [identity / pose / clothing / brand / framing] unchanged." から始めます。その後、変更内容を簡潔な 1 文で述べます。モデルは冒頭で指定された内容を優先します。末尾に記した保持指示は無視されがちです。

空間的な表現で編集範囲を限定します。 「背景のみ」「左側のオブジェクト」「右上隅」「見出しの上」など、具体的な空間範囲は反映されやすくなります。「もっと X にする」は曖昧で、意図からずれることがあります。

バッチの一貫性 — 一連の画像を編集する場合は、aspect_ratio と resolution を固定します。バッチ全体で同じプロンプトの文法を使い、出力同士が別々のリミックスではなく、一連の作品として見えるようにします。

少しずつ繰り返します。 1 回の編集で意図からずれる場合は、2 回に分けます。パス 1 では背景のみを変更し、パス 2 で被写体の服装を変更します。解像度が同程度であれば、総コストは変わらず、よりきれいに編集できます。

複数画像を使ったバリエーション — 最大 20 枚の入力画像を渡すと、一貫性のあるバッチを生成できます。SKU ギャラリー、A/B テスト、キャラクターシートのバリエーションに便利です。

避けるべきパターン：

• 長く複合的な指示（「A と B と C と D を変更する」など）— 指定範囲を増やすほど、意図からずれやすくなります。
• 受動態で書かれた編集指示（「背景を変更する必要があります」など）— 命令形で指示してください。
• 保持したい要素を指定しない — モデルが顔やブランドを微妙に書き換えることがあります。
• 入力と一致しないアスペクト比 — トリミングや引き伸ばしの原因になります。

効果を発揮する用途

ユースケース	Nano Banana Edit が適している理由
SKU ギャラリー — 背景を変えて同じ商品を表示	20 点を一括処理しても、商品の同一性が保たれ、構図も固定されます
インフルエンサー／広報担当者の背景差し替え	編集後も人物の同一性がしっかり保たれます
対象を指定したオブジェクトの削除／追加	空間的な指示が尊重されます
広告クリエイティブの A/B バリエーション	シードを固定し、number_of_images で複数枚を生成できます
ブランドアセットのローカライズ	テキスト／配色を差し替えながら、同じ構図を維持できます

サンプルプロンプト（良好な結果が得られることを確認済み）

背景の差し替え（ページの例）：

Keep the subject identity unchanged. Convert the background into a rainy
neon cyberpunk street.

指定したテキストの置換：

Keep the bottle, label, and lighting exactly as in the input.
Replace only the brand text on the label from "ALPHA" to "AURA",
same font weight, centered, white on black.

複数画像を一括処理する際の一貫性：

For each input image: keep the subject's pose and identity unchanged.
Convert the background to a soft warm-grey studio sweep with subtle
floor shadow. Center the subject at the same fraction of frame as the
input.

制限事項

• 1 回の呼び出しにつき入力画像は 1～20 枚 — 1 枚目がメイン画像として扱われ、それ以降は補助的な手がかりとして使われます。
• 1 回の呼び出しにつき出力は 1～4 枚。
• 長く複雑なプロンプトでは結果がぶれます — 複数回に分けて処理してください。
• ウェブ検索を有効にすると遅延とコストが増加します — 必要な場合にのみ有効にしてください。
• 画像内の多言語テキスト編集では、GPT Image 2 edit の方が優れています。

終了コード

code	意味
0	成功
64	CLI 引数が不正です
65	入力 JSON が不正です／スキーマが一致しません
69	上流の 5xx エラー
75	再試行可能：タイムアウト／429
77	サインインしていないか、トークンが拒否されました

詳細なリファレンス：docs.runcomfy.com/cli/troubleshooting。

仕組み

このスキルは、スキーマに一致する JSON ボディを指定して runcomfy run google/nano-banana-2/edit を実行します。CLI は https://model-api.runcomfy.net/v1/models/google/nano-banana-2/edit に POST リクエストを送信し、リクエストの状態を確認して結果を取得した後、.runcomfy.net／.runcomfy.com の URL を --output-dir にダウンロードします。Ctrl-C を押すと、終了前にリモートリクエストをキャンセルします。

セキュリティとプライバシー

• トークンの保存：runcomfy login は API トークンを ~/.config/runcomfy/token.json にモード 0600（所有者のみ読み取り／書き込み可能）で保存します。CI／コンテナーでファイルを完全に介さずに済ませるには、RUNCOMFY_TOKEN 環境変数を設定してください。
• 入力の境界：ユーザープロンプトは、--input を介して CLI に JSON 文字列として渡されます。CLI はプロンプトをシェル展開せず、JSON ボディを HTTPS 経由で Model API に直接送信します。プロンプトの内容によるシェルインジェクションの可能性はありません。
• サードパーティーのコンテンツ：指定した画像／マスク／動画の URL を取得するのは、手元のマシン上の CLI ではなく、RunComfy モデルサーバーです。外部 URL は信頼できないものとして扱ってください。画像ベースのプロンプトインジェクションは、画像編集／動画編集モデル全般における既知のリスクです。
• 外部接続先：model-api.runcomfy.net（リクエストの送信）および *.runcomfy.net／*.runcomfy.com（生成された出力のダウンロード許可リスト）のみです。テレメトリーやコールバックはありません。
• 生成ファイルのサイズ上限：悪意のある出力や、モデルが制御不能になった場合の出力によるディスク容量の枯渇を防ぐため、CLI は 2 GiB を超える単一ファイルのダウンロードを中止します。