Гайд по BananaBanana: 13 AI-моделей, цены, возможности

BananaBanana — платформа для генерации изображений, видео и речи с оплатой по факту: тринадцать моделей от четырёх разработчиков работают с одного баланса в долларах. Шесть моделей для картинок (три уровня Nano Banana, два уровня GPT Image 2.5 и Qwen Image 3.0 Pro), семь видеомоделей (три уровня Veo 3.1, два поколения Gemini Omni Flash, Wan 3.0 и Grok Imagine Video 1.5) и Gemini 3.1 Flash TTS для озвучки. Подписки нет, карту привязывать не нужно. Пополняете баланс криптой или картой и платите за каждый результат.

Если коротко и вы сравниваете варианты:

• Картинки стоят от $0.03 до $0.20 за штуку — в зависимости от модели и разрешения (от 512px до 4K).
• Видео без звука — от $0.10 за 4-секундный ролик в 720p на Veo 3.1 Lite.
• Видео со звуком — от $0.18 на Veo Lite или $0.20 за 4 секунды в 480p на Wan 3.0, где звук ничего не стоит. Gemini Omni Flash тарифицируется посекундно: от $0.03 в 360p до $0.30 в 4K.
• Озвучка — $0.01 за 200 символов, 30 голосов, один или два диктора.
• Пополнение: больше 20 криптовалют и стейблкоинов от $1 или карта, PayPal и SEPA от $20. Подписки нет, отменять нечего.
• Настройки: seed, негативный промпт, референсные картинки и клипы, первый и последний кадр, продление ролика. Почти все параметры API — в веб-интерфейсе, а те же модели для агентов доступны через MCP.
• Новый аккаунт получает стартовые $0.20, а деньги за неудачные генерации возвращаются автоматически.

Первую версию этого текста мы выложили в день запуска: тогда на платформе было семь моделей Google, а сам пост состоял из шести пунктов и обещания. Перед вами выпуск сентября 2026 года — тринадцать моделей, четыре разработчика, и каждый пример ниже сгенерирован через наш собственный пайплайн специально для этой статьи.

Что можно делать на BananaBanana?

Картинки, короткие видеоролики и озвучку — почти во всех вариантах, которые нужны на практике.

Картинки — от быстрых черновиков в 512px до экспорта в 4K, в десяти соотношениях сторон, от квадратного 1:1 до киношного 21:9. Если товар или персонаж должен оставаться узнаваемым во всей серии, прикрепите референсы (до 14 у Nano Banana 2 и GPT Image 2.5, три у Qwen). Дешёвая картинка готова за несколько секунд, топовым моделям нужно около полуминуты.

У видео теперь три подхода. Семейство Veo 3.1 — про контроль: точная длительность 4, 6, 7 или 8 секунд, разрешение до 4K и звук, который можно выключить. Omni Flash — про диалог: звук всегда, от 3 до 10 секунд с оплатой за секунду, а правки вы вносите, описывая их обычными словами. Самая новая пара берёт длиной или речью: Wan 3.0 рендерит до 30 секунд за один проход, а Grok Imagine Video 1.5 синхронизирует губы с репликой, которую вы написали.

Менее заметное отличие от большинства сервисов-обёрток: вместо одного поля для промпта мы открываем почти все параметры каждого API. Seed, негативный промпт, переключатель улучшения промпта, десять соотношений сторон, референсы объекта, первый и последний кадр, продление клипа, выключатель звука. Если вы когда-нибудь бросали сервис, потому что он прятал ту самую нужную настройку, — мы тоже так делали. Поэтому наш генератор ничего не прячет.

Вокруг моделей — скучные, но важные вещи: история генераций в профиле, автоматический возврат денег, если провайдер не справился, интерфейс на 15 языках и MCP-сервер, через который Claude, Cursor или ваш собственный агент вызывают те же модели с того же баланса.

Модели Nano Banana для картинок: Lite, стандартная и Pro

Три модели Google для изображений — одно семейство, и роли у них разведены чётко. Lite — для объёма, Nano Banana 2 — для запаса по разрешению, Pro — для картинок, которые будут разглядывать всерьёз.

Вместо того чтобы описывать разницу, прогоним один и тот же промпт через все три модели: фотореалистичная бутылка бананового лимонада на мокром от дождя прилавке рынка в сумерках, на бумажной этикетке — «BANANA SODA».

Lite ($0.03) попадает в настроение и в крупные буквы, а мелкий текст тихо сдаёт: строчка под логотипом — декоративная абракадабра. Для иллюстрации, которую никто не будет увеличивать, обычно этого хватает.

Nano Banana 2 ($0.06 в 1K) выдаёт этикетку, которую можно прочитать целиком, вплоть до выдуманного «EST. 1974» и отметки объёма, и берёт в кадр больше улицы. Правда, доска с меню, которую модель дорисовала на фоне, вышла кривой.

Pro ($0.11) выигрывает по шрифтам и свету: чёткие ретро-буквы с тенью, читаемая рукописная строка под ними. Забавная деталь: даже Pro написал собственный выдуманный слоган с ошибкой — «Small Balch». С текстом модели стали справляться намного лучше, но вычитка по-прежнему на вас.

Мы неделю гоняли Lite в продакшене и отдельно разобрали, где дешёвой модели хватает, — если интересна экономия, там подробно.

GPT Image 2.5 и Qwen Image 3.0 Pro: другие модели для картинок

Три модели для изображений теперь не от Google. Они появились потому, что пользователи постоянно просили «второе мнение» по тому же промпту.

Тот же промпт с банановым лимонадом, ещё два варианта.

Flare ($0.05) — единственная модель во всей подборке, у которой верно написано каждое слово, включая мелкий шрифт: «Real Banana Flavor, Since 1932». Бонусом — маленькая гроздь бананов, о которой никто не просил, и размытый мокрый рынок на фоне, который смотрится как настоящее фото. Ушло 36 секунд — такова цена этой точности. Sunburst — то же семейство, настроенное ещё строже следовать промпту; я беру его, когда макет должен точно совпасть с ТЗ, а не для первого черновика.

Qwen ($0.04) вернул результат за девять секунд — с самым жирным заголовком из пяти и самой аккуратной бутылкой, а потом повторил трюк Lite с мелким текстом: две строчки убедительной бессмыслицы. Настоящая сила Qwen — текст на китайском, японском, корейском и других письменностях, на которых модели Google всё ещё спотыкаются. И это самая дешёвая модель здесь с seed и негативным промптом. Только 4K нет.

Видео на Veo 3.1: Standard, Fast и Lite

У трёх уровней Veo в нашем генераторе одинаковые настройки; разница в цене покупает качество, и заметнее всего она в физике и мелких движениях. Согласно документации Google по Veo, семейство поддерживает нативный звук, генерацию видео из картинки и разрешение до 4K. Через API мы видим то же самое, с одной оговоркой по платформе: Veo 3.1 Lite ограничен 1080p.

Цены ниже — диапазон от 4-секундного до 8-секундного ролика:

Ролик выше — Veo 3.1 Fast: 6 секунд без звука, камера плавно наезжает на стол с завтраком в золотой час. Сгенерирован для этого поста, стоил $0.52 в 720p. Посмотрите на пар и занавеску: именно такое правдоподобное движение отличает Veo от дешёвых видеомоделей, и Fast сохраняет большую его часть за треть цены Standard.

Обычно ролик готов за несколько минут. Когда мощностей не хватает, платформа сама перезапускает операцию и показывает счётчик попыток, пока вы ждёте. Если результат так и не получился, деньги возвращаются. То же правило, когда фильтр безопасности съедает результат: при полной блокировке возвращается всё, при частичной — пропорционально.

Моё практическое правило после нескольких месяцев работы с ними: Lite — для раскадровок и черновиков для соцсетей, Fast — на каждый день, Standard — когда должны правдоподобно выглядеть вода, ткань или столкновения, или когда в ТЗ прописан 4K. И у Veo самый длинный хронометраж: готовый ролик продлевается шагами по 7 секунд, до 148 секунд без потери непрерывности.

Omni Flash: видео со звуком, которое правят в чате

Gemini Omni Flash стоит особняком. Первое поколение Google выпустил в июне 2026 года, Omni 1.1 — в августе; у нас работают оба, по умолчанию 1.1. Модель всегда генерирует звук, делает ролики от 3 до 10 секунд — длину вы задаёте сами, в целых секундах, — и считает оплату посекундно: $0.03 в 360p, $0.10 в 720p, $0.15 в 1080p и $0.30 в 4K. Трёхсекундный черновик выходит в $0.09, полные десять секунд в 720p — в $1.00. На вход принимает картинки: стартовый кадр, при желании последний кадр и до трёх референсных клипов для персонажа или товара. Поколение 1.0 по-прежнему доступно — 4, 6, 8 или 10 секунд, 720p или 1080p, — если вам больше нравится его картинка.

Этот ролик смотрите со звуком. Блинчики — одна генерация Omni Flash: один текстовый промпт о том, как кленовый сироп льётся на стопку панкейков, явная инструкция «single continuous shot, no scene cuts» (если этого не сказать, Omni с удовольствием вмонтирует лишние планы) и строка «Audio:» с просьбой о тихом журчании сиропа на фоне спокойной кухонной тишины. Никакой отдельной работы со звуком. Я заказал все 10 секунд.

Урок по промптам, который я вынес из этого ролика: Omni сохраняет то, что уже происходит в первом кадре, и молча выбрасывает действия, запланированные на потом. В первых черновиках я просил перевернуть блин «примерно в середине ролика» и три раза подряд получил десять секунд, в которых ничего не происходит. Сработал вариант, где сироп уже льётся с самого первого кадра и продолжает литься весь ролик. Описывайте действие как идущее прямо сейчас, а не как расписание по таймлайну.

За что здесь стоит платить, так это за правки. Кнопка редактирования есть у каждого готового видео, не только у роликов Omni: описываете изменение («сделай ночь, остальное оставь как есть»), снова платите за секунды — и модель перерисовывает ролик с вашей правкой, сохраняя большую часть оригинала. Работают и ваши собственные загрузки, так что клип Veo или видео с телефона можно перестилизовать через Omni; результат всегда той же длины, что и исходник. А ещё Omni 1.1 умеет продлевать: каждый шаг добавляет к последнему ролику от 3 до 10 секунд, всего примерно до 40 секунд. Модель мы подробно разобрали в отдельном обзоре API Omni Flash, а что изменилось в 1.1 — на отдельной странице.

Wan 3.0 и Grok Imagine Video 1.5: длинные дубли и говорящие ролики

Эти две модели появились в сентябре и закрывают пробелы, которые оставляют модели Google.

Wan 3.0 — единственная модель на платформе, которая рендерит полминуты за один проход, а звук у неё ничего не стоит сверху, так что это самый дешёвый способ получить здесь видео со звуком. Подвох — в верхней части прайса: 30 секунд в 1080p стоят $6.00, это самая дорогая одиночная генерация у нас. Референсные клипы тоже оплачиваются: 15-секундный референс плюс 15 секунд результата стоят как 30 секунд.

Лодка с фонарём — генерация Wan 3.0 для этого поста: десять секунд в 720p, $1.00, один промпт с просьбой о непрерывном проезде камеры вдоль лесного ручья в сумерках со светлячками и строка «Audio:» про воду и сверчков. Модель выдала весь дубль без единой склейки — ровно то, от чего Omni приходится отговаривать. Пламя свечи, на мой вкус, горит слишком ровно. Включите звук: ручей сгенерирован, это не сток.

Grok — тот, что говорит. Ролик с бариста — шесть секунд в 720p ($0.84): я написал её реплику в кавычках прямо в промпте, и модель вернула говорящее лицо, у которого губы двигаются в такт словам. На этой функции строят рекламу в стиле UGC, и у нас есть отдельный гайд по AI UGC-видео. Две честные заметки из логов: референсы работают только в 720p (первый кадр работает и в 1080p), а этот ролик пришёл в 1280×704, а не в честных 720 строк. На телефоне никто не заметит. Заказчик, который смотрит попиксельно, — может.

Озвучка текста: 30 голосов, цент за 200 символов

Gemini 3.1 Flash TTS превращает текст в WAV 24 кГц за $0.01 за каждые начатые 200 символов, так что минутная начитка примерно в 900 символов обойдётся в пять центов. Выбираете один из 30 голосов или настраиваете диалог ровно двух дикторов и задаёте подачу обычными словами: «тепло, неторопливо, с лёгкой улыбкой», плюс теги вроде [whispers] или [laughs] там, где они нужны. Озвучка работает в том же генераторе, что картинки и видео, а через MCP — как generate_speech.

Это одна генерация: около 150 символов, голос Kore, одна строчка стиля с просьбой звучать как спокойный рассказчик, а не как рекламный диктор. Стоимость — один цент. Аудиокнигу я бы так озвучивать не стал, но для закадра к ролику о товаре это быстрее, чем ждать, пока фрилансер откроет почту.

Как устроены оплата и возвраты?

Баланс ведётся в долларах и уменьшается только при успешной генерации. Криптовалютные пополнения на сайте обрабатывает 0xProcessing: BTC, ETH, SOL, TON, BNB, LTC, TRX, XRP, DOGE и BCH, а также стейблкоины USDT, USDC, DAI и TUSD в сетях ERC-20, BEP-20, Solana, TON и Base. Всего больше 20 вариантов, и на практике большинство наших пользователей выбирает стейблкоины в дешёвых сетях вроде TON или Solana. Если отправляете первый перевод, есть подробная инструкция по пополнению криптой. Карты, баланс PayPal и переводы SEPA проходят через PayPal Checkout, от $20 за платёж.

Для регистрации нужна только почта, и на счёт сразу приходят $0.20 — хватит на шесть картинок Lite, прежде чем вы что-то решите. Если вам поделились промокодом, активируйте его один раз, и к каждому пополнению будет добавляться бонус +10%. Свой бонус даёт и размер пополнения при оплате криптой: 5% от $50 и 10% от $100, и они складываются: $100 в крипте с активным кодом дают $120 на балансе.

Ничего не хранится

Оплатить картой можно, но сама карта до нашей платформы не доходит: вы нажимаете кнопку PayPal и вводите данные в окне самого PayPal. После оплаты ничего не сохраняется и ничего не продлевается. Если вы хоть раз подписывались на AI-сервис ради одного проекта, а потом четыре месяца платили впустую, потому что кнопка отмены пряталась в третьем по глубине меню, вы понимаете, почему это важно. Пополненный баланс ваш, пока вы его не потратите; когда он закончится, никто не будет списывать деньги просто за то, что у вас есть аккаунт. Компромисс, если говорить прямо: оплата картой — от $20 за платёж, криптой — примерно от $1. Перевод $10 в стейблкоинах через TON обходится в несколько центов комиссии и в первый раз занимает около пяти минут, потом — секунды.

Отдельными постами мы разобрали, почему привязывать карту вообще не нужно и чем оплата за картинку отличается от подписки. А логику возвратов стоит расписать здесь, потому что генеративные API сбоят чаще, чем об этом принято говорить. Если генерация завершилась ошибкой, полная стоимость возвращается автоматически. Никаких обращений в поддержку. Полные прайсы — на странице цен.

Реферальная программа: от 5% до 15% с каждого пополнения

В профиле можно создать до трёх промокодов. Каждый, кто активирует ваш код, получает +10% к каждому своему пополнению, а вы — комиссию с этих пополнений: 5% на старте, 10%, когда суммарные пополнения ваших рефералов превысят $1,000, и 15% после $2,000. Код остаётся привязан к аккаунту покупателя, поэтому бонус и ваша комиссия начисляются на каждое пополнение автоматически, а не только на первое.

Две честные оговорки. Активировать собственный код нельзя, а регистрации из той же сети, что и ваша, в комиссию не засчитываются: антифрод-проверки строгие намеренно.

FAQ

Сколько стоит генерация картинок на BananaBanana?

От $0.03 за картинку (Nano Banana 2 Lite в 1K или Nano Banana 2 в 512px) до $0.20 за 4K-картинку на Nano Banana Pro. GPT Image 2.5 стоит от $0.05 до $0.18, Qwen Image 3.0 Pro — от $0.04 до $0.08. Подписки нет: вы платите за каждую картинку с предоплаченного баланса.

Есть ли бесплатный пробный период?

Каждый новый аккаунт получает $0.20 на баланс — это шесть картинок на самой дешёвой модели или один 4-секундный ролик Wan 3.0 со звуком. Для регистрации данные карты не нужны, только почта.

Нужна ли банковская карта или подписка?

Чтобы начать, карта не нужна: регистрируетесь по почте и получаете $0.20 на баланс. Дальше пополняете долларовый баланс, когда захотите, — криптой примерно от $1 или картой, PayPal или SEPA от $20 — и платите за каждую генерацию. Подписок нет, неиспользованный баланс не сгорает, и автоматически с вас ничего не спишут.

Какие криптовалюты принимает BananaBanana?

BTC, ETH, SOL, TON, BNB, LTC, TRX, XRP, DOGE, BCH и стейблкоины USDT, USDC, DAI и TUSD в сетях ERC-20, BEP-20, Solana, TON и Base.

Можно ли сгенерировать AI-видео со звуком?

Да, четырьмя способами. У моделей Veo 3.1 есть переключатель звука (4-секундный ролик со звуком на Veo Lite — от $0.18), Wan 3.0 добавляет звук бесплатно, от $0.20, Gemini Omni Flash всегда генерирует звук, от $0.03 за секунду, а Grok Imagine Video 1.5 синхронизирует губы с написанной вами репликой, от $0.56 за ролик.

Что будет, если генерация не удалась?

Полная стоимость автоматически вернётся на баланс. С видео платформа сначала сама повторяет попытку при нехватке мощностей; если фильтр безопасности заблокировал часть результата, недоставленная часть возвращается пропорционально.