Como transformar sua foto em boneco de ação com o Nano Banana do Gemini

O que é esse tal de Nano Banana

Nano Banana é o apelido que pegou para a função de geração e edição de imagens do Gemini, o assistente de IA do Google. O nome oficial na documentação técnica é bem menos divertido: Gemini 2.5 Flash Image, descrito pelo próprio Google como o modelo pioneiro e hoje legado da série Nano Banana. De lá para cá o Google trocou o motor várias vezes por baixo do capô, mas o apelido ficou e virou marca registrada de uma certa estética de foto gerada por IA.

Foi esse recurso que alimentou a febre de transformar foto de perfil em boneco de ação dentro de caixinha de brinquedo, com acessórios do lado, que tomou conta do WhatsApp e do Instagram ao longo dos últimos meses. A pessoa manda uma selfie, pede para a IA criar a versão "miniatura colecionável" dela, e compartilha o resultado no status ou no story.

Por baixo do capô: não é mais um modelo, é uma família

Segundo a documentação oficial do Gemini para desenvolvedores, o que hoje é chamado de Nano Banana na verdade engloba cinco modelos diferentes, cada um com um papel:

Quando você usa o app Gemini no celular para criar o boneco de ação, não escolhe qual desses modelos vai responder: o Google decide isso nos bastidores. A documentação deixa claro que o modelo recomendado hoje para projetos novos é o Nano Banana 2.1, porque melhora a renderização de texto dentro da imagem, mantém a consistência entre edições seguidas numa mesma conversa e já nasceu pensando em resoluções de 1K, 2K e 4K.

O passo a passo para fazer o boneco a partir do celular

Não é preciso instalar nada além do app que você provavelmente já tem instalado ou pode baixar em segundos. O caminho mais simples é:

1. Abra o app Gemini (Android ou iPhone) ou acesse gemini.google.com pelo navegador, logado com uma conta Google.
2. Toque no ícone de anexo (geralmente um clipe ou um sinal de +) e escolha a foto que você quer transformar.
3. Escreva o pedido descrevendo exatamente o resultado que você quer. Um exemplo de prompt que funciona bem para o efeito de boneco de ação: "Transforme esta pessoa em uma figura de ação 3D dentro de uma caixa de brinquedo colecionável, com acessórios do personagem ao lado e o nome dela impresso na embalagem, estilo fotorrealista de miniatura."
4. Espere alguns segundos. O Gemini gera a imagem direto na conversa, como se fosse uma resposta de texto.
5. Se o resultado não ficou bom, não comece de novo: continue a mesma conversa pedindo o ajuste, tipo "deixe o fundo mais claro" ou "troque a cor da roupa". Essa edição em sequência dentro do mesmo chat é chamada de edição multi-turno (múltiplas rodadas) e é o jeito que o próprio Google recomenda para refinar uma imagem, em vez de escrever um prompt gigante de uma vez só.
6. Quando estiver satisfeito, toque em salvar ou baixar a imagem e compartilhe no WhatsApp, no status ou no Instagram.

Onde o recurso trava

Nem todo resultado sai perfeito na primeira tentativa, e vale saber por quê antes de se frustrar.

Fotos com várias pessoas ou pedidos muito complexos tendem a confundir os modelos mais rápidos e baratos. A própria documentação avisa que o Nano Banana 2 Lite, por exemplo, "não é otimizado para múltiplas imagens de referência ou edição sequencial de vários turnos": ele foi pensado para gerar rápido e barato, não para manter consistência numa foto de grupo complicada.

Texto dentro da imagem (o nome bordado na caixinha de brinquedo, por exemplo) ainda é o ponto mais frágil de qualquer gerador de imagem por IA. Os modelos mais simples erram letras ou distorcem palavras; a documentação aponta o Nano Banana 2.1 como o que traz melhoria na renderização de texto dentro da imagem, mantendo a mesma velocidade e custo do modelo Flash.

Direitos sobre a foto importam mais do que parece. A própria documentação do Google avisa que é preciso ter o direito de usar qualquer imagem enviada, e que o serviço não pode gerar conteúdo que infrinja direitos de terceiros ou que engane, assedie ou prejudique alguém. Na prática, isso significa que subir a foto de outra pessoa sem autorização para brincar de boneco de ação é um problema que vai além do resultado ficar bom ou ruim.

Toda imagem gerada carrega uma marca d'água invisível chamada SynthID, criada pelo Google para identificar conteúdo feito por IA mesmo quando ninguém avisa que é gerado. Ela não aparece visualmente na foto, mas pode ser detectada por ferramentas do próprio Google.

Onde isso cobra (e onde é de graça)

O app Gemini no celular ou no navegador é gratuito para quem tem conta Google, tanto no Android quanto no iOS. Como em outros produtos de IA do Google, é comum existirem limites de uso diário e planos pagos para quem quer mais cota ou recursos avançados, mas a documentação oficial da API (voltada a desenvolvedores) não detalha as regras específicas de limite ou assinatura do aplicativo para o público geral.

Quem é desenvolvedor e quer montar o próprio aplicativo usando esses modelos acessa pela API do Gemini, disponível no Google AI Studio. A documentação menciona que migrar do modelo legado (Nano Banana) para o Nano Banana 2 Lite traz preços de API mais baixos, o que indica que o custo varia conforme o modelo escolhido, mas essa página não publica tabela de valores, detalhes sobre cobrança por chamada ou informações sobre uma camada gratuita de testes.

Por que vale entender isso antes de postar

Saber que existe uma família de modelos por trás do mesmo botão explica coisas que confundem bastante gente: por que o mesmo prompt dá resultados diferentes em dias diferentes, por que às vezes a imagem demora mais, e por que uma foto de grupo sai pior que uma selfie sozinha. O recurso é simples de usar, mas não é mágica uniforme: é um conjunto de modelos trocando de lugar sem avisar, cada um com seu limite.

Fonte: Documentação oficial do Gemini API — Gemini 2.5 Flash Image (Google AI for Developers)