Guide BananaBanana : 13 modèles IA, tarifs et fonctions

BananaBanana est une plateforme de génération d'images, de vidéos et de voix par IA à l'usage (pay-as-you-go) qui fait tourner treize modèles de quatre éditeurs sur un seul solde en USD : six modèles d'images (trois niveaux de Nano Banana, deux niveaux de GPT Image 2.5 et Qwen Image 3.0 Pro), sept modèles vidéo (trois niveaux de Veo 3.1, deux générations de Gemini Omni Flash, Wan 3.0 et Grok Imagine Video 1.5), plus Gemini 3.1 Flash TTS pour la voix. Pas d'abonnement, pas de carte enregistrée. Vous rechargez en crypto ou par carte et payez au résultat.

En résumé, si vous comparez les options :

• Images : de $0.03 à $0.20 l'unité, selon le modèle et la résolution (de 512px à 4K).
• Vidéo sans son : à partir de $0.10 pour un clip de 4 secondes en 720p sur Veo 3.1 Lite.
• Vidéo avec son : à partir de $0.18 sur Veo Lite, ou $0.20 pour un clip de 4 secondes en 480p sur Wan 3.0, où la bande-son est gratuite. Gemini Omni Flash se facture à la seconde, de $0.03 en 360p à $0.30 en 4K.
• Voix : $0.01 les 200 caractères, 30 voix, un ou deux interlocuteurs.
• Dépôts : plus de 20 cryptomonnaies et stablecoins dès $1, ou carte, PayPal et SEPA dès $20. Sans abonnement, rien à résilier.
• Contrôles : seed, prompt négatif, images et clips de référence, première et dernière images, extension de clip. L'essentiel de l'API brute dans une interface web, et les mêmes modèles via MCP pour les agents.
• Les nouveaux comptes reçoivent un solde de départ de $0.20, et les générations qui échouent sont remboursées automatiquement.

Nous avons publié la première version de cet article le jour du lancement, quand la plateforme tournait sur sept modèles Google et que le texte tenait en six puces et une promesse. Voici l'édition de septembre 2026 : treize modèles, quatre éditeurs, et chaque exemple ci-dessous généré via notre propre pipeline pour cet article.

Que pouvez-vous créer sur BananaBanana ?

Des images, de courts clips vidéo et de l'audio parlé, dans à peu près toutes les variantes utiles.

Les images vont du brouillon rapide en 512px à l'export 4K, dans dix formats, du carré 1:1 au cinémascope 21:9. Vous pouvez joindre des images de référence quand un produit ou un personnage doit rester cohérent sur toute une série (jusqu'à 14 sur Nano Banana 2 et GPT Image 2.5, trois sur Qwen). Une image bon marché sort en quelques secondes ; les meilleurs modèles demandent plutôt une demi-minute.

La vidéo se divise désormais en trois philosophies. La famille Veo 3.1 mise sur le contrôle : une durée exacte de 4, 6, 7 ou 8 secondes, une résolution jusqu'en 4K et une bande-son que vous pouvez couper. Omni Flash est le modèle conversationnel : toujours avec du son, de 3 à 10 secondes facturées à la seconde, et vous itérez en décrivant les changements en langage courant. Le duo le plus récent joue la durée ou la parole : Wan 3.0 rend jusqu'à 30 secondes d'une seule traite, et Grok Imagine Video 1.5 synchronise les lèvres sur une réplique que vous avez écrite.

Une différence plus discrète avec la plupart des sites « wrapper » : on expose presque toute la surface de paramètres de chaque API au lieu d'une simple zone de prompt. Seed, prompt négatif, option d'amélioration du prompt, dix formats, références de sujet, première et dernière images, extension de clip, interrupteur audio. Si vous avez déjà laissé tomber un outil parce qu'il cachait le seul réglage dont vous aviez besoin, sachez que ça nous est arrivé aussi, et c'est pour ça que notre générateur ne le fait pas.

Autour des modèles, il y a tout ce qui est ennuyeux mais indispensable : l'historique des générations dans votre profil, les remboursements automatiques quand un fournisseur plante, une interface traduite en 15 langues, et un serveur MCP pour que Claude, Cursor ou votre propre agent puissent appeler les mêmes modèles avec le même solde.

Modèles d'images Nano Banana : Lite, standard et Pro

Les trois modèles d'images de Google sont de la même famille et se répartissent nettement les rôles. Lite, c'est pour le volume ; Nano Banana 2, pour la marge en résolution ; Pro, pour les visuels que les gens vont vraiment regarder de près.

Plutôt que de décrire la différence, voici le même prompt passé dans les trois modèles : une bouteille photoréaliste de soda à la banane sur un comptoir de marché mouillé par la pluie au crépuscule, avec une étiquette en papier indiquant « BANANA SODA ».

Lite ($0.03) réussit l'ambiance et le lettrage du titre, puis abandonne discrètement les petites lignes : le texte sous le logo n'est qu'un charabia décoratif. Pour une illustration où personne ne zoome, ça passe généralement très bien.

Nano Banana 2 ($0.06 en 1K) livre une étiquette entièrement lisible, jusqu'à un « EST. 1974 » inventé et une mention de contenance, et cadre une scène de rue plus large. En revanche, l'ardoise-menu qu'il a ajoutée en arrière-plan est massacrée.

Pro ($0.11) l'emporte sur la typographie et la lumière : lettres rétro nettes avec ombre portée, écriture cursive lisible en dessous. Détail amusant : même Pro a mal orthographié son propre slogan inventé, en « Small Balch ». Les modèles d'images ont fait d'énormes progrès avec le texte ; la relecture, elle, reste votre boulot.

Nous avons aussi fait tourner Lite en production pendant une semaine et raconté dans quels cas le modèle bon marché suffit, si l'angle budget vous intéresse en détail.

GPT Image 2.5 et Qwen Image 3.0 Pro : les autres modèles d'images

Trois modèles d'images viennent désormais d'ailleurs que chez Google, et ils sont là parce que les gens réclamaient sans cesse un deuxième avis sur le même prompt.

Même prompt de soda à la banane, deux prises de plus.

Flare ($0.05) est le seul modèle de toute la sélection à avoir tout écrit correctement, petites lignes comprises : « Real Banana Flavor, Since 1932 », plus un petit régime de bananes que personne n'avait demandé et un bokeh de marché mouillé qui passe pour une vraie photo. Il lui a fallu 36 secondes, c'est le prix de cette précision. Sunburst est la même famille de modèles réglée pour coller encore plus au prompt ; je le sors quand une mise en page doit respecter un brief, pas pour un premier jet.

Qwen ($0.04) a répondu en neuf secondes avec le titre le plus affirmé des cinq et la bouteille la plus propre, puis a fait comme Lite sur les petites lignes : deux lignes de non-sens très convaincant. Son vrai point fort, c'est le texte en chinois, japonais, coréen et autres écritures où les modèles Google trébuchent encore, et c'est le modèle le moins cher ici à proposer seed et prompt négatif. Pas de 4K, en revanche.

Vidéo Veo 3.1 : Standard, Fast et Lite

Les trois niveaux de Veo partagent les mêmes contrôles dans notre générateur ; la différence de prix achète de la qualité, surtout visible dans la physique et les mouvements fins. D'après la documentation Veo de Google, la famille gère l'audio natif, l'image vers vidéo et des résolutions jusqu'en 4K, ce qui correspond à ce que nous voyons via l'API, avec une précision côté plateforme : Veo 3.1 Lite plafonne à 1080p.

Les prix ci-dessous vont d'un clip de 4 secondes à un clip de 8 secondes :

Le clip ci-dessus, c'est Veo 3.1 Fast : un travelling avant muet de 6 secondes sur une table de petit-déjeuner à l'heure dorée, généré pour cet article. Coût : $0.52 en 720p. Regardez la vapeur et le rideau ; ce genre de mouvement crédible, c'est ce qui distingue Veo des modèles vidéo moins chers, et Fast en garde l'essentiel pour un tiers du prix de Standard.

Un clip arrive en général en quelques minutes. Quand la capacité est saturée, la plateforme relance l'opération d'elle-même et affiche le compteur de tentatives pendant que vous attendez. Si elle n'arrive toujours pas à livrer, vous êtes remboursé. Même règle quand le filtre de sécurité mange des résultats : un blocage total rembourse tout, un blocage partiel rembourse au prorata.

Ma règle empirique après des mois d'utilisation : Lite pour les storyboards et les brouillons pour les réseaux sociaux, Fast au quotidien, Standard quand l'eau, le tissu ou les collisions doivent être crédibles, ou quand le cahier des charges exige de la 4K. Veo a aussi la plus grande allonge : un clip terminé se prolonge de 7 secondes à la fois, jusqu'à 148 secondes avec une continuité totale.

Omni Flash : la vidéo avec son que vous modifiez en discutant

Gemini Omni Flash, c'est l'électron libre. Google a sorti la première génération en juin 2026 et Omni 1.1 en août ; les deux tournent ici, avec la 1.1 par défaut. Il génère toujours une bande-son, dure de 3 à 10 secondes (vous choisissez la longueur à la seconde près) et se facture à la seconde : $0.03 en 360p, $0.10 en 720p, $0.15 en 1080p et $0.30 en 4K. Un brouillon de trois secondes revient donc à $0.09, et dix secondes pleines en 720p à $1.00. Il accepte des images en entrée : une image de départ, une dernière image facultative et jusqu'à trois clips de référence pour un personnage ou un produit. La génération 1.0 reste disponible en 4, 6, 8 ou 10 secondes, en 720p ou 1080p, si vous préférez son rendu.

Activez le son pour celle-ci. Le clip des pancakes est une seule génération Omni Flash : un prompt texte décrivant du sirop d'érable versé sur une pile de pancakes, une consigne explicite « single continuous shot, no scene cuts » (Omni adore monter des plans supplémentaires si on ne le précise pas), plus une ligne « Audio: » demandant le léger filet de sirop sur l'ambiance calme d'une cuisine. Aucun travail audio séparé. J'ai demandé les 10 secondes complètes.

Une leçon de prompting tirée de ce clip : Omni conserve ce qui se passe déjà dans la première image et laisse tomber en silence les actions prévues pour plus tard. Mes premiers essais demandaient de retourner un pancake « vers le milieu du clip » et ont donné dix secondes de néant trois fois de suite. La version qui a marché décrit le sirop comme déjà en train de couler dès la toute première image, et jusqu'à la fin du clip. Écrivez l'action au présent continu, pas comme une chronologie.

La fonction qui justifie le prix, c'est l'édition. Chaque vidéo terminée a un bouton de modification, pas seulement celles d'Omni : décrivez un changement (« passe en scène de nuit, garde tout le reste identique »), repayez les secondes, et le modèle refait le clip avec votre correction en conservant l'essentiel de l'original. Vos propres fichiers fonctionnent aussi : un clip Veo ou une vidéo de téléphone peut être restylé par Omni ; le résultat a toujours la même durée que la source. Omni 1.1 sait aussi prolonger : chaque étape ajoute 3 à 10 secondes au dernier clip, jusqu'à environ 40 secondes au total. Nous avons décortiqué le modèle dans un test de l'API Omni Flash à part, et une page dédiée détaille ce que la 1.1 a changé.

Wan 3.0 et Grok Imagine Video 1.5 : plans longs et clips qui parlent

Ces deux-là sont arrivés en septembre et comblent les manques que laissent les modèles Google.

Wan 3.0 est le seul modèle de la plateforme qui rend une demi-minute en une passe, et sa bande-son ne coûte rien de plus, ce qui en fait le moyen le moins cher d'obtenir ici de la vidéo avec son. Le hic se situe en haut de gamme : 30 secondes en 1080p coûtent $6.00, la génération unique la plus chère que nous vendions. Les clips de référence sont facturés eux aussi : une référence de 15 secondes plus une sortie de 15 secondes coûtent comme 30 secondes.

La barque à lanterne est une génération Wan 3.0 faite pour cet article : dix secondes en 720p, $1.00, un seul prompt demandant un plan de suivi continu le long d'un ruisseau en forêt au crépuscule, avec des lucioles, et une ligne « Audio: » pour l'eau et les grillons. Il a livré toute la prise sans une coupe, exactement ce qu'il faut négocier avec Omni. La flamme de la bougie est un poil trop immobile à mon goût. Mettez le son : le ruisseau est généré, pas tiré d'une banque sonore.

Grok, c'est celui qui parle. Le clip de la barista dure six secondes en 720p ($0.84) : j'ai écrit sa réplique entre guillemets dans le prompt, et le modèle a rendu un visage qui parle, avec des mouvements de bouche calés sur les mots. C'est la fonction sur laquelle on bâtit des pubs façon UGC, et nous avons un guide dédié à la vidéo UGC par IA autour de ça. Deux remarques honnêtes tirées des logs : les images de référence ne fonctionnent qu'en 720p (une première image fonctionne aussi en 1080p), et ce clip est revenu en 1280×704 au lieu de 720 lignes pile. Personne ne le remarquera sur un téléphone. Un client qui compte les pixels, peut-être.

Synthèse vocale : 30 voix, un centime les 200 caractères

Gemini 3.1 Flash TTS transforme du texte en WAV 24 kHz pour $0.01 par tranche de 200 caractères entamée : une lecture de 60 secondes, environ 900 caractères, coûte donc cinq centimes. Vous choisissez l'une des 30 voix ou montez un dialogue entre exactement deux voix, et vous dirigez l'interprétation en mots simples : « chaleureux, posé, léger sourire », plus des balises en ligne comme [whispers] ou [laughs] là où vous les voulez. Ça tourne dans le même générateur que les images et la vidéo, et via MCP sous le nom generate_speech.

C'est une seule génération : 150 caractères, la voix Kore, une note de style d'une ligne demandant un narrateur détendu plutôt qu'un ton de pub. Coût : un centime. Je ne l'utiliserais pas pour un livre audio, mais pour la voix off d'un clip produit, ça bat largement l'attente qu'un freelance ouvre sa boîte mail.

Comment fonctionnent les paiements et les remboursements ?

Votre solde est en USD et ne baisse que quand une génération réussit. Sur le web, les dépôts en crypto passent par 0xProcessing : BTC, ETH, SOL, TON, BNB, LTC, TRX, XRP, DOGE et BCH, plus les stablecoins USDT, USDC, DAI et TUSD sur les réseaux ERC-20, BEP-20, Solana, TON et Base. Ça fait plus de 20 options, et en pratique, la plupart de nos utilisateurs choisissent des stablecoins sur des réseaux peu coûteux comme TON ou Solana. Il existe un guide complet du dépôt en crypto si vous faites votre premier virement. Les cartes, le solde PayPal et les virements SEPA passent eux par PayPal Checkout, à partir de $20 par paiement.

L'inscription demande juste un e-mail et s'accompagne de $0.20 de crédit, de quoi faire six images Lite avant de décider quoi que ce soit. Si quelqu'un vous a partagé un code promo, activez-le une fois et chacun de vos dépôts reçoit +10% de bonus. Le montant du dépôt ajoute son propre bonus sur les recharges en crypto : 5% dès $50 et 10% dès $100, et les deux se cumulent : $100 en crypto avec un code actif créditent $120.

Rien n'est conservé

Payer par carte est possible, mais la carte ne touche jamais notre plateforme : vous cliquez sur le bouton PayPal et les coordonnées se saisissent dans la fenêtre de PayPal. Rien n'est stocké ensuite, et rien ne se renouvelle. Si vous vous êtes déjà abonné à un outil d'IA pour un seul projet avant de payer quatre mois d'inactivité parce que la résiliation se cachait trois menus plus loin, vous savez exactement pourquoi ça compte. Un solde déposé vous appartient jusqu'à ce que vous le dépensiez ; quand il est épuisé, rien ne continue à vous facturer pour le simple fait d'exister. Le compromis, dit franchement : la voie carte commence à $20 par paiement, alors que la crypto démarre à environ $1. Un virement de $10 en stablecoin sur TON coûte quelques centimes de frais et prend environ cinq minutes la première fois, quelques secondes ensuite.

Nous avons expliqué pourquoi vous n'avez jamais besoin d'enregistrer une carte et comment le paiement à l'image se compare aux abonnements dans des articles séparés. La logique de remboursement mérite d'être détaillée ici, parce que les API génératives échouent plus souvent qu'on ne le dit. Une génération qui se termine en échec est remboursée intégralement et automatiquement. Aucun ticket au support. Les grilles tarifaires complètes sont sur la page des tarifs.

Programme de parrainage : de 5% à 15% de chaque dépôt

Vous pouvez créer jusqu'à trois codes promo dans votre profil. Toute personne qui active votre code reçoit +10% sur chacun de ses dépôts, et vous touchez une commission sur ces dépôts : 5% au départ, 10% dès que vos filleuls dépassent $1,000 de recharges au total, 15% au-delà de $2,000. Le code reste rattaché au compte de l'acheteur, donc le bonus et votre commission s'appliquent automatiquement à chaque dépôt, pas seulement au premier.

Deux réserves honnêtes. Vous ne pouvez pas activer votre propre code, et les inscriptions venant du même réseau que le vôtre ne comptent pas pour les commissions ; les contrôles anti-fraude sont stricts, et c'est voulu.

FAQ

Combien coûte la génération d'images par IA sur BananaBanana ?

De $0.03 par image (Nano Banana 2 Lite en 1K, ou Nano Banana 2 en 512px) jusqu'à $0.20 pour une image 4K sur Nano Banana Pro. GPT Image 2.5 va de $0.05 à $0.18, Qwen Image 3.0 Pro de $0.04 à $0.08. Pas d'abonnement : vous payez chaque image depuis un solde prépayé.

Existe-t-il un essai gratuit ?

Chaque nouveau compte démarre avec $0.20 de crédit, de quoi faire six images sur le modèle le moins cher ou un clip Wan 3.0 de 4 secondes avec son. Aucune carte n'est demandée à l'inscription, juste un e-mail.

Ai-je besoin d'une carte bancaire ou d'un abonnement ?

Pas besoin de carte pour commencer : vous vous inscrivez avec un e-mail et recevez $0.20 de solde. Ensuite, vous rechargez un solde en USD quand vous le souhaitez, en crypto dès $1 environ ou par carte, PayPal ou SEPA dès $20, et vous payez à la génération. Il n'y a pas de formule d'abonnement, un solde inutilisé n'expire pas, et rien ne peut vous prélever automatiquement.

Quelles cryptomonnaies BananaBanana accepte-t-elle ?

BTC, ETH, SOL, TON, BNB, LTC, TRX, XRP, DOGE, BCH, ainsi que les stablecoins USDT, USDC, DAI et TUSD sur les réseaux ERC-20, BEP-20, Solana, TON et Base.

Puis-je générer des vidéos par IA avec du son ?

Oui, de quatre façons. Les modèles Veo 3.1 ont un interrupteur audio (un clip de 4 secondes avec son démarre à $0.18 sur Veo Lite), Wan 3.0 inclut sa bande-son gratuitement dès $0.20, Gemini Omni Flash génère toujours de l'audio dès $0.03 la seconde, et Grok Imagine Video 1.5 synchronise sur les lèvres le dialogue que vous écrivez, dès $0.56 le clip.

Que se passe-t-il si une génération échoue ?

Le prix complet est automatiquement remboursé sur votre solde. Pour la vidéo, la plateforme relance d'abord d'elle-même les erreurs de capacité ; si un filtre de sécurité bloque une partie du résultat, la partie non livrée est remboursée au prorata.