Panduan BananaBanana: 13 Model AI, Harga, Fitur
Tur lengkap BananaBanana: tiga belas model AI untuk gambar dan video plus text to speech, harga mulai $0.03, tanpa langganan, kripto atau kartu, referral.
BananaBanana adalah platform pembuatan gambar, video, dan suara AI dengan sistem bayar sesuai pemakaian (pay-as-you-go) yang menjalankan tiga belas model dari empat vendor lewat satu saldo USD: enam model gambar (tiga tingkat Nano Banana, dua tingkat GPT Image 2.5, dan Qwen Image 3.0 Pro), tujuh model video (tiga tingkat Veo 3.1, dua generasi Gemini Omni Flash, Wan 3.0, dan Grok Imagine Video 1.5), ditambah Gemini 3.1 Flash TTS untuk suara. Tanpa langganan, tanpa kartu tersimpan. Cukup isi saldo dengan kripto atau kartu, lalu bayar per hasil.
Versi singkatnya, jika Anda sedang membandingkan pilihan:
- Gambar berkisar $0.03 hingga $0.20 per gambar, tergantung model dan resolusi (512px hingga 4K).
- Video tanpa suara mulai dari $0.10 untuk klip 4 detik 720p di Veo 3.1 Lite.
- Video dengan suara mulai dari $0.18 di Veo Lite, atau $0.20 untuk klip 4 detik 480p di Wan 3.0, yang soundtrack-nya gratis. Gemini Omni Flash ditagih per detik, dari $0.03 di 360p sampai $0.30 di 4K.
- Suara (speech): $0.01 per 200 karakter, 30 suara, satu atau dua pembicara.
- Deposit: 20+ mata uang kripto dan stablecoin mulai $1, atau kartu, PayPal, dan SEPA mulai $20. Tanpa langganan, tidak ada yang perlu dibatalkan.
- Kontrol: seed, negative prompt, gambar dan klip referensi, frame awal dan akhir, perpanjangan klip. Hampir seluruh fungsi API mentah ada di UI web, dan model yang sama tersedia lewat MCP untuk agen.
- Akun baru mendapat saldo awal $0.20, dan generasi yang gagal di-refund otomatis.
Kami menerbitkan versi pertama tulisan ini di hari peluncuran, saat platform baru menjalankan tujuh model Google dan tulisannya cuma berisi enam poin dan sebuah janji. Ini edisi September 2026: tiga belas model, empat vendor, dan setiap sampel di bawah ini dibuat lewat pipeline kami sendiri khusus untuk artikel ini.
Apa saja yang bisa dibuat di BananaBanana?
Gambar, klip video pendek, dan audio suara, dalam hampir semua variasi praktis dari masing-masing.
Gambar bisa berupa draf cepat 512px hingga ekspor 4K, dalam sepuluh rasio aspek dari kotak 1:1 hingga sinematik 21:9. Anda bisa melampirkan gambar referensi saat produk atau karakter harus tetap konsisten di satu seri (hingga 14 di Nano Banana 2 dan GPT Image 2.5, tiga di Qwen). Gambar murah jadi dalam beberapa detik; model teratas butuh hampir setengah menit.
Video sekarang terbagi menjadi tiga filosofi. Keluarga Veo 3.1 memberi Anda kendali: durasi pasti 4, 6, 7, atau 8 detik, resolusi hingga 4K, dan soundtrack yang bisa dimatikan. Omni Flash adalah yang conversational: selalu dengan suara, 3 sampai 10 detik yang ditagih per detik, dan Anda menyempurnakan hasil dengan menjelaskan perubahan dalam bahasa sehari-hari. Pasangan terbaru memilih durasi panjang atau bicara: Wan 3.0 merender hingga 30 detik dalam satu take, dan Grok Imagine Video 1.5 melakukan lip-sync pada dialog yang Anda tulis.
Satu perbedaan yang jarang disadari dibanding kebanyakan situs wrapper: kami membuka hampir seluruh parameter setiap API, bukan cuma satu kotak prompt. Seed, negative prompt, tombol peningkatan prompt, sepuluh rasio aspek, referensi subjek, frame awal dan akhir, perpanjangan klip, saklar audio. Kalau Anda pernah meninggalkan sebuah tool karena ia menyembunyikan satu-satunya pengaturan yang Anda butuhkan, kami juga pernah mengalaminya, dan itulah kenapa generator kami tidak menyembunyikan apa pun.
Di sekitar model ada hal-hal membosankan tapi penting: riwayat generasi di profil Anda, refund otomatis saat penyedia gagal, antarmuka dalam 15 bahasa, dan server MCP supaya Claude, Cursor, atau agen Anda sendiri bisa memanggil model yang sama dari saldo yang sama.
Model gambar Nano Banana: Lite, standar, dan Pro
Tiga model gambar Google ini satu keluarga dan pembagiannya jelas. Lite untuk volume, Nano Banana 2 untuk ruang resolusi, Pro untuk aset yang benar-benar akan diperhatikan orang.
| Nano Banana 2 Lite | Nano Banana 2 | Nano Banana Pro | |
|---|---|---|---|
| Harga per gambar | $0.03 (hanya 1K) | $0.03 di 512px, $0.06 di 1K, $0.09 di 2K, $0.13 di 4K | $0.11 di 1K dan 2K, $0.20 di 4K |
| Kecepatan di pipeline kami | sekitar 4 detik | kira-kira 2–4× lebih lambat | 20–40 detik |
| Keunggulan | draf, aset massal | resolusi, teks yang andal, hingga 4 gambar per prompt | tipografi, adegan kompleks |
Daripada menjelaskan bedanya, ini prompt yang sama di ketiga model: botol soda pisang fotorealistis di atas meja pasar yang basah oleh hujan saat senja, dengan label kertas bertuliskan "BANANA SODA".
Lite ($0.03) menangkap suasana dan huruf judul dengan tepat, lalu diam-diam menyerah di tulisan kecilnya: baris kecil di bawah logo cuma coretan dekoratif tanpa arti. Untuk ilustrasi yang tidak akan di-zoom siapa pun, biasanya itu tidak masalah.
Nano Banana 2 ($0.06 di 1K) menghasilkan label yang terbaca penuh, sampai "EST. 1974" karangannya sendiri dan tanda volume, dan membingkai pemandangan jalan yang lebih luas. Tapi papan menu yang ia tambahkan di latar belakang berantakan.
Pro ($0.11) unggul di tipografi dan cahaya: huruf retro tajam dengan drop shadow, tulisan script di bawahnya terbaca. Detail lucu: bahkan Pro salah mengeja tagline karangannya sendiri jadi "Small Balch". Model gambar sudah jauh lebih baik soal teks; proofreading tetap tugas Anda.
Kami juga menjalankan Lite di produksi selama seminggu dan menuliskan kapan model murah sudah cukup, kalau Anda ingin sisi hemat anggarannya lebih dalam.
GPT Image 2.5 dan Qwen Image 3.0 Pro: model gambar lainnya
Tiga model gambar sekarang datang dari luar Google, dan mereka ada karena orang terus meminta pendapat kedua untuk prompt yang sama.
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst | Qwen Image 3.0 Pro | |
|---|---|---|---|
| Harga per gambar | $0.05 di 1K, $0.11 di 2K, $0.18 di 4K | sama dengan Flare | $0.04 di 1K, $0.08 di 2K |
| Karakter | tingkat cepat dari 2.5 buatan OpenAI | tingkat presisi, lebih lambat | spesialis teks dari Alibaba |
| Tambahan | hingga 14 gambar referensi | hingga 14 gambar referensi | seed, negative prompt, 3 referensi, teks dalam gambar di 12 bahasa |
| Tidak ada | seed, Relaxed Filter | seed, Relaxed Filter | 4K |
Prompt soda pisang yang sama, dua percobaan lagi.
Flare ($0.05) satu-satunya model di seluruh jajaran ini yang menulis semua kata dengan benar, termasuk tulisan kecilnya: "Real Banana Flavor, Since 1932", plus seikat kecil pisang yang tidak diminta siapa pun dan bokeh pasar basah yang terlihat seperti foto asli. Waktunya 36 detik, itulah harga dari presisi tersebut. Sunburst berasal dari keluarga model yang sama, disetel agar lebih patuh lagi pada prompt; saya memakainya saat layout harus persis sesuai brief, bukan untuk draf pertama.
Qwen ($0.04) selesai dalam sembilan detik dengan judul paling tebal dari kelimanya dan botol paling bersih, lalu melakukan hal yang sama seperti Lite di tulisan kecil: dua baris omong kosong yang meyakinkan. Kekuatan sebenarnya ada di teks bahasa Mandarin, Jepang, Korea, dan aksara lain yang masih membuat model Google tersandung, dan ini model termurah di sini yang punya seed dan negative prompt. Tapi tidak ada 4K.
Video Veo 3.1: Standard, Fast, dan Lite
Ketiga tingkat Veo punya kontrol yang sama di generator kami; selisih harga membeli kualitas output, yang paling terlihat di fisika dan gerakan halus. Menurut dokumentasi Veo dari Google, keluarga ini mendukung audio native, image-to-video, dan resolusi hingga 4K, dan itu sesuai dengan yang kami lihat lewat API, dengan satu catatan platform: Veo 3.1 Lite mentok di 1080p.
Harga di bawah adalah rentang dari klip 4 detik sampai 8 detik:
| Model | Tanpa suara, 720p/1080p | Dengan audio, 720p/1080p | 4K |
|---|---|---|---|
| Veo 3.1 | $0.70–1.40 | $1.50–3.00 | $1.50–3.00 tanpa suara, $2.20–4.40 dengan audio |
| Veo 3.1 Fast | $0.35–0.70 | $0.50–1.00 | $1.10–2.20 tanpa suara, $1.30–2.60 dengan audio |
| Veo 3.1 Lite | $0.10–0.20 di 720p, $0.17–0.34 di 1080p | $0.18–0.36 di 720p, $0.28–0.56 di 1080p | tidak tersedia |
Klip di atas adalah Veo 3.1 Fast: dolly-in 6 detik tanpa suara di atas meja sarapan saat golden hour, dibuat untuk tulisan ini. Biayanya $0.52 di 720p. Perhatikan uap dan tirainya; gerakan yang meyakinkan seperti itulah yang membedakan Veo dari model video yang lebih murah, dan Fast mempertahankan sebagian besarnya dengan sepertiga harga Standard.
Klip biasanya jadi dalam beberapa menit. Saat kapasitas sedang padat, platform memulai ulang operasinya sendiri dan menampilkan penghitung percobaan ulang selama Anda menunggu. Kalau tetap tidak berhasil, uang Anda kembali. Kebijakan yang sama berlaku kalau filter keamanan memakan hasilnya: blokir penuh di-refund seluruhnya, blokir sebagian di-refund secara proporsional.
Patokan saya setelah berbulan-bulan menjalankan ini: Lite untuk storyboard dan draf media sosial, Fast untuk pemakaian sehari-hari, Standard saat air, kain, atau tabrakan harus terlihat benar, atau saat spesifikasi pengiriman meminta 4K. Veo juga punya jangkauan terpanjang: klip yang sudah jadi bisa diperpanjang 7 detik sekali jalan, hingga 148 detik dengan kontinuitas penuh.
Omni Flash: video bersuara yang diedit lewat chat
Gemini Omni Flash adalah yang paling beda. Google merilis generasi pertamanya pada Juni 2026 dan Omni 1.1 pada Agustus; keduanya berjalan di sini, dengan 1.1 sebagai default. Model ini selalu menghasilkan soundtrack, berdurasi 3 sampai 10 detik dengan panjang yang Anda tentukan sendiri dalam detik bulat, dan ditagih per detik: $0.03 di 360p, $0.10 di 720p, $0.15 di 1080p, dan $0.30 di 4K, jadi draf tiga detik seharga $0.09 dan sepuluh detik penuh 720p seharga $1.00. Ia menerima gambar input: frame awal, frame akhir opsional, dan hingga tiga klip referensi untuk karakter atau produk. Generasi 1.0 tetap tersedia di 4, 6, 8, atau 10 detik, 720p atau 1080p, kalau Anda lebih suka tampilannya.
Nyalakan suaranya untuk yang satu ini. Klip pancake ini satu kali generasi Omni Flash: satu prompt teks yang menggambarkan sirup maple dituang ke tumpukan pancake, instruksi tegas "single continuous shot, no scene cuts" (Omni senang menyisipkan shot tambahan kalau Anda tidak menulis ini), plus baris "Audio:" yang meminta suara lembut tetesan sirup di atas suasana dapur yang tenang. Tanpa kerja audio terpisah. Saya meminta 10 detik penuh.
Satu pelajaran prompting dari pembuatan klip ini: Omni mempertahankan apa pun yang sudah terjadi di frame pertama dan diam-diam membuang aksi yang dijadwalkan mulai belakangan. Draf pertama saya meminta pancake dibalik "sekitar pertengahan klip" dan tiga kali berturut-turut hasilnya sepuluh detik tanpa kejadian apa-apa. Versi yang berhasil menggambarkan sirup sudah mengalir sejak frame pertama dan terus mengalir sepanjang klip. Tulis aksinya sebagai sesuatu yang sedang berlangsung, bukan sebagai linimasa.
Fitur yang membuat harganya sepadan adalah editing. Setiap video yang sudah jadi punya tombol edit, bukan hanya video Omni: jelaskan perubahan ("make it night, keep everything else the same"), bayar lagi untuk detiknya, dan model merender ulang klip dengan koreksi Anda sambil mempertahankan sebagian besar aslinya. Unggahan Anda sendiri juga bisa, jadi klip Veo atau video dari ponsel bisa diubah gayanya lewat Omni; hasilnya selalu kembali dengan panjang yang sama dengan sumbernya. Omni 1.1 juga bisa memperpanjang: setiap langkah menambahkan 3 sampai 10 detik ke klip terakhir, hingga total sekitar 40 detik. Kami membedah model ini di ulasan API Omni Flash tersendiri, dan ada halaman khusus tentang apa yang berubah di 1.1.
Wan 3.0 dan Grok Imagine Video 1.5: take panjang dan klip yang bicara
Dua model ini datang pada September dan mengisi celah yang ditinggalkan model Google.
| Wan 3.0 | Grok Imagine Video 1.5 | |
|---|---|---|
| Durasi | 4, 6, 8, 10, 15, 20, atau 30 dtk | bilangan bulat apa pun dari 4 sampai 15 dtk |
| Harga | $0.05/dtk di 480p, $0.10/dtk di 720p, $0.20/dtk di 1080p | $0.14/dtk di 720p, $0.25/dtk di 1080p |
| Klip termurah | $0.20 (4 dtk, 480p, sudah termasuk suara) | $0.56 (4 dtk, 720p) |
| Audio | aktif secara default, gratis, bisa dimatikan | selalu aktif, dengan dialog lip-sync |
| Input | frame awal dan akhir, hingga 10 gambar referensi, hingga 5 klip referensi | frame awal atau hingga 7 referensi (referensi hanya di 720p) |
| Rasio aspek | 16:9, 9:16 | 16:9, 9:16, 1:1, 3:2, 2:3 |
Wan 3.0 satu-satunya model di platform yang merender setengah menit dalam sekali jalan, dan soundtrack-nya tidak dikenai biaya tambahan, jadi inilah cara termurah mendapatkan video bersuara di sini. Kekurangannya ada di ujung atas: 30 detik 1080p seharga $6.00, generasi tunggal termahal yang kami jual. Klip referensi juga ditagih, jadi referensi 15 detik plus output 15 detik biayanya seperti 30 detik.
Perahu lentera ini generasi Wan 3.0 untuk tulisan ini: sepuluh detik di 720p, $1.00, satu prompt yang meminta satu tracking shot tanpa putus menyusuri sungai hutan saat senja dengan kunang-kunang, dan baris "Audio:" untuk suara air dan jangkrik. Ia memberikan seluruh take tanpa satu potongan pun, persis hal yang harus dibujuk dulu dari Omni. Nyala lilinnya menurut saya sedikit terlalu stabil. Nyalakan suaranya; suara sungai itu hasil generasi, bukan stok.
Grok adalah yang bisa bicara. Klip barista ini enam detik di 720p ($0.84): saya menulis kalimatnya dalam tanda kutip di dalam prompt, dan model mengembalikan wajah yang berbicara dengan gerakan mulut sesuai kata-katanya. Fitur inilah yang dipakai orang untuk membuat iklan bergaya UGC, dan kami punya panduan video UGC AI tersendiri tentang itu. Dua catatan jujur dari log: gambar referensi hanya berfungsi di 720p (frame awal juga jalan di 1080p), dan klip ini kembali dalam 1280×704, bukan 720 baris sungguhan. Di ponsel tidak akan ada yang sadar. Klien yang teliti sampai ke piksel mungkin sadar.
Text to speech: 30 suara, satu sen per 200 karakter
Gemini 3.1 Flash TTS mengubah teks menjadi WAV 24 kHz seharga $0.01 per 200 karakter yang dimulai, jadi narasi 60 detik sekitar 900 karakter cuma lima sen. Anda memilih satu dari 30 suara atau menyusun dialog antara tepat dua suara, dan mengarahkan cara bicaranya dengan kata-kata biasa: "warm, unhurried, slight smile", plus tag inline seperti [whispers] atau [laughs] di tempat yang Anda mau. Fitur ini berjalan di generator yang sama dengan gambar dan video, dan lewat MCP sebagai generate_speech.
Itu satu kali generasi: 150 karakter, suara Kore, catatan gaya satu baris yang meminta narator santai, bukan nada iklan. Biayanya satu sen. Saya tidak akan memakainya untuk buku audio, tapi untuk voiceover klip produk, ini jauh lebih baik daripada menunggu freelancer membuka inbox-nya.
Bagaimana cara kerja pembayaran dan refund?
Saldo Anda dalam USD dan hanya berkurang saat generasi berhasil. Deposit kripto di web diproses oleh 0xProcessing: BTC, ETH, SOL, TON, BNB, LTC, TRX, XRP, DOGE, dan BCH, plus stablecoin USDT, USDC, DAI, dan TUSD di jaringan ERC-20, BEP-20, Solana, TON, dan Base. Itu lebih dari 20 pilihan, dan dalam praktiknya kebanyakan pengguna kami memilih stablecoin di jaringan murah seperti TON atau Solana. Ada panduan lengkap deposit kripto kalau Anda baru akan mengirim transfer pertama. Kartu, saldo PayPal, dan transfer SEPA lewat PayPal Checkout, mulai $20 per pembayaran.
Daftar cukup dengan email dan langsung dapat kredit $0.20, cukup untuk enam gambar Lite sebelum Anda memutuskan apa pun. Kalau ada yang membagikan kode promo kepada Anda, aktifkan sekali dan setiap deposit Anda mendapat bonus +10%. Besar deposit juga memberi bonus tersendiri, untuk top-up kripto: 5% untuk $50+ dan 10% untuk $100+, dan keduanya bisa digabung: $100 dalam kripto dengan kode aktif menjadi saldo $120.
Tidak ada yang tersimpan
Membayar dengan kartu bisa, tapi kartunya tidak pernah menyentuh platform kami: Anda menekan tombol PayPal dan detailnya dimasukkan di jendela PayPal sendiri. Tidak ada yang disimpan setelahnya, dan tidak ada yang diperpanjang otomatis. Kalau Anda pernah berlangganan tool AI untuk satu proyek lalu membayar empat bulan menganggur karena tombol batal tersembunyi tiga menu ke dalam, Anda tahu persis kenapa ini penting. Saldo yang sudah didepositkan tetap milik Anda sampai dipakai; saat habis, tidak ada yang terus menagih Anda. Konsekuensinya, terus terang saja: jalur kartu mulai dari $20 per pembayaran, sedangkan kripto mulai sekitar $1. Transfer stablecoin $10 di TON memakan biaya beberapa sen dan sekitar lima menit untuk pertama kali, setelah itu hitungan detik.
Kami membahas kenapa Anda tidak perlu kartu tersimpan dan perbandingan bayar per gambar dengan langganan di tulisan terpisah. Logika refund layak dijelaskan di sini, karena API generatif lebih sering gagal daripada yang diiklankan. Generasi yang berakhir dengan status gagal di-refund penuh secara otomatis. Tanpa tiket dukungan. Daftar harga lengkap ada di halaman harga.
Program referral: 5% hingga 15% dari setiap deposit
Anda bisa membuat hingga tiga kode promo di profil Anda. Siapa pun yang mengaktifkan kode Anda mendapat +10% di setiap deposit yang mereka lakukan, dan Anda mendapat komisi dari deposit tersebut: 5% di awal, 10% setelah total top-up referral Anda melewati $1,000, dan 15% setelah $2,000. Kode tetap melekat di akun pembeli, jadi bonus dan komisi Anda berlaku otomatis di setiap deposit, bukan hanya yang pertama.
Dua catatan jujur. Anda tidak bisa mengaktifkan kode Anda sendiri, dan pendaftaran dari jaringan yang sama dengan Anda tidak dihitung untuk komisi; pemeriksaan penipuan sengaja dibuat ketat.
FAQ
Berapa biaya membuat gambar AI di BananaBanana?
Mulai $0.03 per gambar (Nano Banana 2 Lite di 1K, atau Nano Banana 2 di 512px) hingga $0.20 untuk gambar 4K di Nano Banana Pro. GPT Image 2.5 berkisar $0.05 sampai $0.18, Qwen Image 3.0 Pro $0.04 sampai $0.08. Tidak ada langganan; Anda membayar per gambar dari saldo prabayar.
Apakah ada uji coba gratis?
Setiap akun baru dimulai dengan kredit $0.20, cukup untuk enam gambar di model termurah atau satu klip Wan 3.0 berdurasi 4 detik dengan suara. Tidak perlu detail kartu untuk mendaftar, cukup email.
Apakah saya perlu kartu kredit atau langganan?
Untuk mulai, tidak perlu kartu: Anda mendaftar dengan email dan mendapat saldo $0.20. Setelah itu Anda mengisi saldo USD kapan pun mau, dengan kripto mulai sekitar $1 atau dengan kartu, PayPal, atau SEPA mulai $20, dan membayar per generasi. Tidak ada paket langganan, saldo yang belum terpakai tidak kedaluwarsa, dan tidak ada yang bisa menagih Anda otomatis.
Mata uang kripto apa saja yang diterima BananaBanana?
BTC, ETH, SOL, TON, BNB, LTC, TRX, XRP, DOGE, BCH, dan stablecoin USDT, USDC, DAI, serta TUSD di jaringan ERC-20, BEP-20, Solana, TON, dan Base.
Bisakah saya membuat video AI dengan suara?
Bisa, dengan empat cara. Model Veo 3.1 punya tombol audio (klip 4 detik dengan suara mulai $0.18 di Veo Lite), Wan 3.0 menyertakan soundtrack gratis mulai $0.20, Gemini Omni Flash selalu menghasilkan audio mulai $0.03 per detik, dan Grok Imagine Video 1.5 melakukan lip-sync pada dialog yang Anda tulis, mulai $0.56 per klip.
Apa yang terjadi jika generasi gagal?
Harga penuh dikembalikan ke saldo Anda secara otomatis. Untuk video, platform lebih dulu mencoba ulang sendiri saat terjadi error kapasitas; jika filter keamanan memblokir sebagian output, bagian yang tidak terisi di-refund secara proporsional.