Гайд по BananaBanana: 13 AI-моделей, ціни, можливості

BananaBanana — платформа для генерації зображень, відео та мовлення з оплатою за фактом: тринадцять моделей від чотирьох розробників працюють з одного балансу в доларах. Шість моделей для зображень (три рівні Nano Banana, два рівні GPT Image 2.5 і Qwen Image 3.0 Pro), сім відеомоделей (три рівні Veo 3.1, два покоління Gemini Omni Flash, Wan 3.0 і Grok Imagine Video 1.5) та Gemini 3.1 Flash TTS для озвучення. Підписки немає, картку прив'язувати не треба. Поповнюєте баланс криптою або карткою й платите за кожен результат.

Якщо коротко і ви порівнюєте варіанти:

• Зображення коштують від $0.03 до $0.20 за штуку — залежно від моделі та роздільності (від 512px до 4K).
• Відео без звуку — від $0.10 за 4-секундний ролик у 720p на Veo 3.1 Lite.
• Відео зі звуком — від $0.18 на Veo Lite або $0.20 за 4 секунди в 480p на Wan 3.0, де звук нічого не коштує. Gemini Omni Flash тарифікується посекундно: від $0.03 у 360p до $0.30 у 4K.
• Озвучення — $0.01 за 200 символів, 30 голосів, один або двоє дикторів.
• Поповнення: понад 20 криптовалют і стейблкоїнів від $1 або картка, PayPal і SEPA від $20. Підписки немає, скасовувати нічого.
• Налаштування: seed, негативний промпт, референсні зображення й кліпи, перший і останній кадр, продовження ролика. Майже всі параметри API — у вебінтерфейсі, а ті самі моделі для агентів доступні через MCP.
• Новий акаунт отримує стартові $0.20, а гроші за невдалі генерації повертаються автоматично.

Першу версію цього тексту ми опублікували в день запуску: тоді на платформі було сім моделей Google, а сам допис складався з шести пунктів і обіцянки. Перед вами випуск вересня 2026 року — тринадцять моделей, четверо розробників, і кожен приклад нижче згенеровано через наш власний пайплайн спеціально для цієї статті.

Що можна робити на BananaBanana?

Зображення, короткі відеоролики й озвучення — майже в усіх варіантах, які потрібні на практиці.

Зображення — від швидких чернеток у 512px до експорту в 4K, у десяти співвідношеннях сторін, від квадратного 1:1 до кіношного 21:9. Якщо товар чи персонаж має лишатися впізнаваним у всій серії, додайте референси (до 14 у Nano Banana 2 та GPT Image 2.5, три в Qwen). Дешеве зображення готове за кілька секунд, топовим моделям потрібно близько пів хвилини.

У відео тепер три підходи. Сімейство Veo 3.1 — про контроль: точна тривалість 4, 6, 7 або 8 секунд, роздільність до 4K і звук, який можна вимкнути. Omni Flash — про діалог: звук завжди, від 3 до 10 секунд з оплатою за секунду, а правки ви вносите, описуючи їх звичайними словами. Найновіша пара бере тривалістю або мовленням: Wan 3.0 рендерить до 30 секунд за один прохід, а Grok Imagine Video 1.5 синхронізує рух губ із реплікою, яку ви написали.

Менш помітна відмінність від більшості сервісів-обгорток: замість одного поля для промпту ми відкриваємо майже всі параметри кожного API. Seed, негативний промпт, перемикач покращення промпту, десять співвідношень сторін, референси об'єкта, перший і останній кадр, продовження кліпу, вимикач звуку. Якщо ви колись кидали сервіс, бо він ховав саме те налаштування, що було потрібне, — ми теж так робили. Тому наш генератор нічого не ховає.

Навколо моделей — нудні, але важливі речі: історія генерацій у профілі, автоматичне повернення грошей, якщо провайдер не впорався, інтерфейс 15 мовами та MCP-сервер, через який Claude, Cursor чи ваш власний агент викликають ті самі моделі з того самого балансу.

Моделі Nano Banana для зображень: Lite, стандартна і Pro

Три моделі Google для зображень — одне сімейство, і ролі в них чітко розведені. Lite — для обсягу, Nano Banana 2 — для запасу роздільності, Pro — для зображень, які розглядатимуть прискіпливо.

Замість того щоб описувати різницю, проженемо той самий промпт через усі три моделі: фотореалістична пляшка бананового лимонаду на мокрому від дощу прилавку ринку в сутінках, на паперовій етикетці — «BANANA SODA».

Lite ($0.03) влучає в настрій і у великі літери, а дрібний текст тихо здає: рядок під логотипом — декоративна абракадабра. Для ілюстрації, яку ніхто не збільшуватиме, зазвичай цього досить.

Nano Banana 2 ($0.06 в 1K) видає етикетку, яку можна прочитати цілком, аж до вигаданого «EST. 1974» і позначки об'єму, та бере в кадр більше вулиці. Щоправда, дошка з меню, яку модель домалювала на тлі, вийшла кривою.

Pro ($0.11) виграє шрифтами й світлом: чіткі ретролітери з тінню, читабельний рукописний рядок під ними. Кумедна деталь: навіть Pro написав власне вигадане гасло з помилкою — «Small Balch». З текстом моделі тепер дають раду значно краще, але вичитка й досі на вас.

Ми тиждень ганяли Lite у продакшені й окремо розібрали, де дешевої моделі досить, — якщо цікавить економія, там докладно.

GPT Image 2.5 і Qwen Image 3.0 Pro: інші моделі для зображень

Три моделі для зображень тепер не від Google. Вони з'явилися тому, що користувачі постійно просили «другу думку» щодо того самого промпту.

Той самий промпт із банановим лимонадом, ще два варіанти.

Flare ($0.05) — єдина модель у всій добірці, в якої правильно написано кожне слово, включно з дрібним шрифтом: «Real Banana Flavor, Since 1932». На додачу — маленьке гроно бананів, про яке ніхто не просив, і розмитий мокрий ринок на тлі, що виглядає як справжнє фото. Пішло 36 секунд — така ціна цієї точності. Sunburst — те саме сімейство, налаштоване ще суворіше триматися промпту; я беру його, коли макет має точно збігтися з ТЗ, а не для першої чернетки.

Qwen ($0.04) повернув результат за дев'ять секунд — із найжирнішим заголовком з п'яти й найохайнішою пляшкою, а потім повторив трюк Lite з дрібним текстом: два рядки переконливої нісенітниці. Справжня сила Qwen — текст китайською, японською, корейською та іншими писемностями, на яких моделі Google досі спотикаються. І це найдешевша модель тут із seed і негативним промптом. Тільки 4K немає.

Відео на Veo 3.1: Standard, Fast і Lite

У трьох рівнів Veo в нашому генераторі однакові налаштування; різниця в ціні купує якість, і найпомітніша вона у фізиці та дрібних рухах. Згідно з документацією Google щодо Veo, сімейство підтримує нативний звук, генерацію відео із зображення та роздільність до 4K. Через API ми бачимо те саме, з одним застереженням щодо платформи: Veo 3.1 Lite обмежений 1080p.

Ціни нижче — діапазон від 4-секундного до 8-секундного ролика:

Ролик вище — Veo 3.1 Fast: 6 секунд без звуку, камера плавно наїжджає на стіл зі сніданком у золоту годину. Згенеровано для цього допису, коштував $0.52 у 720p. Подивіться на пару й фіранку: саме такий правдоподібний рух відрізняє Veo від дешевих відеомоделей, і Fast зберігає більшу його частину за третину ціни Standard.

Зазвичай ролик готовий за кілька хвилин. Коли потужностей бракує, платформа сама перезапускає операцію й показує лічильник спроб, поки ви чекаєте. Якщо результату так і не вийшло, гроші повертаються. Те саме правило, коли фільтр безпеки з'їдає результат: у разі повного блокування повертається все, у разі часткового — пропорційно.

Моє практичне правило після кількох місяців роботи з ними: Lite — для розкадрувань і чернеток для соцмереж, Fast — на щодень, Standard — коли вода, тканина чи зіткнення мають виглядати правдоподібно, або коли в ТЗ прописано 4K. І у Veo найдовший хронометраж: готовий ролик подовжується кроками по 7 секунд, до 148 секунд без втрати безперервності.

Omni Flash: відео зі звуком, яке правлять у чаті

Gemini Omni Flash стоїть окремо. Перше покоління Google випустив у червні 2026 року, Omni 1.1 — у серпні; у нас працюють обидва, за замовчуванням 1.1. Модель завжди генерує звук, робить ролики від 3 до 10 секунд — тривалість ви задаєте самі, в цілих секундах, — і рахує оплату посекундно: $0.03 у 360p, $0.10 у 720p, $0.15 в 1080p і $0.30 у 4K. Трисекундна чернетка виходить у $0.09, повні десять секунд у 720p — у $1.00. На вхід приймає зображення: стартовий кадр, за бажанням останній кадр і до трьох референсних кліпів для персонажа чи товару. Покоління 1.0 і далі доступне — 4, 6, 8 або 10 секунд, 720p або 1080p, — якщо вам більше до вподоби його картинка.

Цей ролик дивіться зі звуком. Млинці — одна генерація Omni Flash: один текстовий промпт про те, як кленовий сироп ллється на стос панкейків, явна інструкція «single continuous shot, no scene cuts» (якщо цього не сказати, Omni залюбки вмонтує зайві плани) і рядок «Audio:» з проханням про тихе дзюрчання сиропу на тлі спокійної кухонної тиші. Жодної окремої роботи зі звуком. Я замовив усі 10 секунд.

Урок щодо промптів, який я виніс із цього ролика: Omni зберігає те, що вже відбувається в першому кадрі, і мовчки викидає дії, заплановані на потім. У перших чернетках я просив перевернути млинець «десь посередині ролика» і тричі поспіль отримав десять секунд, у яких нічого не відбувається. Спрацював варіант, де сироп уже ллється з першого кадру й продовжує литися весь ролик. Описуйте дію як таку, що триває просто зараз, а не як розклад за таймлайном.

За що тут варто платити, то це за правки. Кнопка редагування є в кожного готового відео, не лише в роликів Omni: описуєте зміну («зроби ніч, решту залиш як є»), знову платите за секунди — і модель перемальовує ролик із вашою правкою, зберігаючи більшу частину оригіналу. Працюють і ваші власні завантаження, тож кліп Veo чи відео з телефона можна перестилізувати через Omni; результат завжди тієї самої тривалості, що й вихідник. А ще Omni 1.1 уміє подовжувати: кожен крок додає до останнього ролика від 3 до 10 секунд, загалом приблизно до 40 секунд. Модель ми докладно розібрали в окремому огляді API Omni Flash, а що змінилося в 1.1 — на окремій сторінці.

Wan 3.0 і Grok Imagine Video 1.5: довгі дублі та ролики, що говорять

Ці дві моделі з'явилися у вересні й закривають прогалини, які лишають моделі Google.

Wan 3.0 — єдина модель на платформі, яка рендерить пів хвилини за один прохід, а звук у неї нічого не коштує понад ціну, тож це найдешевший спосіб отримати тут відео зі звуком. Підступ — у верхній частині прайсу: 30 секунд в 1080p коштують $6.00, це найдорожча одиночна генерація в нас. Референсні кліпи теж оплачуються: 15-секундний референс плюс 15 секунд результату коштують як 30 секунд.

Човен із ліхтарем — генерація Wan 3.0 для цього допису: десять секунд у 720p, $1.00, один промпт із проханням про безперервний проїзд камери вздовж лісового струмка в сутінках зі світлячками та рядок «Audio:» про воду й цвіркунів. Модель видала весь дубль без жодної склейки — саме те, від чого Omni доводиться відмовляти. Полум'я свічки, як на мене, горить надто рівно. Увімкніть звук: струмок згенерований, це не сток.

Grok — той, що говорить. Ролик із бариста — шість секунд у 720p ($0.84): я написав її репліку в лапках просто в промпті, і модель повернула обличчя, що говорить, з рухами губ у такт словам. На цій функції будують рекламу в стилі UGC, і в нас є окремий гайд з AI UGC-відео. Дві чесні нотатки з логів: референси працюють лише в 720p (перший кадр працює і в 1080p), а цей ролик прийшов у 1280×704, а не в чесних 720 рядків. На телефоні ніхто не помітить. Замовник, який дивиться попіксельно, — може.

Озвучення тексту: 30 голосів, цент за 200 символів

Gemini 3.1 Flash TTS перетворює текст на WAV 24 кГц за $0.01 за кожні розпочаті 200 символів, тож хвилинне начитування приблизно на 900 символів обійдеться в п'ять центів. Обираєте один із 30 голосів або налаштовуєте діалог рівно двох дикторів і задаєте подачу звичайними словами: «тепло, неквапливо, з легкою усмішкою», плюс теги на кшталт [whispers] чи [laughs] там, де вони потрібні. Озвучення працює в тому самому генераторі, що й зображення та відео, а через MCP — як generate_speech.

Це одна генерація: 150 символів, голос Kore, один рядок стилю з проханням звучати як спокійний оповідач, а не як рекламний диктор. Вартість — один цент. Аудіокнигу я б так не озвучував, але для закадрового голосу до ролика про товар це швидше, ніж чекати, поки фрилансер відкриє пошту.

Як влаштовані оплата й повернення?

Баланс ведеться в доларах і зменшується лише за успішної генерації. Криптовалютні поповнення на сайті обробляє 0xProcessing: BTC, ETH, SOL, TON, BNB, LTC, TRX, XRP, DOGE і BCH, а також стейблкоїни USDT, USDC, DAI і TUSD у мережах ERC-20, BEP-20, Solana, TON і Base. Загалом понад 20 варіантів, і на практиці більшість наших користувачів обирає стейблкоїни в дешевих мережах на кшталт TON або Solana. Якщо надсилаєте перший переказ, є докладна інструкція з поповнення криптою. Картки, баланс PayPal і перекази SEPA проходять через PayPal Checkout, від $20 за платіж.

Для реєстрації потрібна лише пошта, і на рахунок одразу надходять $0.20 — вистачить на шість зображень Lite, перш ніж ви щось вирішите. Якщо з вами поділилися промокодом, активуйте його один раз, і до кожного поповнення додаватиметься бонус +10%. Свій бонус дає й розмір поповнення, коли платите криптою: 5% від $50 і 10% від $100, і вони складаються: $100 у крипті з активним кодом дають $120 на балансі.

Нічого не зберігається

Оплатити карткою можна, але сама картка до нашої платформи не доходить: ви натискаєте кнопку PayPal і вводите дані у вікні самого PayPal. Після оплати нічого не зберігається й нічого не подовжується. Якщо ви хоч раз підписувалися на AI-сервіс заради одного проєкту, а потім чотири місяці платили марно, бо кнопка скасування ховалася в третьому за глибиною меню, ви розумієте, чому це важливо. Поповнений баланс ваш, доки ви його не витратите; коли він закінчиться, ніхто не списуватиме гроші просто за те, що у вас є акаунт. Компроміс, якщо казати прямо: оплата карткою — від $20 за платіж, криптою — приблизно від $1. Переказ $10 у стейблкоїнах через TON коштує кілька центів комісії й уперше займає близько п'яти хвилин, потім — секунди.

Окремими дописами ми розібрали, чому прив'язувати картку взагалі не потрібно і чим оплата за зображення відрізняється від підписки. А логіку повернень варто розписати тут, бо генеративні API збоять частіше, ніж про це прийнято говорити. Якщо генерація завершилася помилкою, повна вартість повертається автоматично. Жодних звернень до підтримки. Повні прайси — на сторінці цін.

Реферальна програма: від 5% до 15% з кожного поповнення

У профілі можна створити до трьох промокодів. Кожен, хто активує ваш код, отримує +10% до кожного свого поповнення, а ви — комісію з цих поповнень: 5% на старті, 10%, коли сумарні поповнення ваших рефералів перевищать $1,000, і 15% після $2,000. Код лишається прив'язаним до акаунта покупця, тому бонус і ваша комісія нараховуються на кожне поповнення автоматично, а не лише на перше.

Два чесні застереження. Активувати власний код не можна, а реєстрації з тієї самої мережі, що й ваша, до комісії не зараховуються: антифрод-перевірки суворі навмисно.

FAQ

Скільки коштує генерація зображень на BananaBanana?

Від $0.03 за зображення (Nano Banana 2 Lite в 1K або Nano Banana 2 у 512px) до $0.20 за 4K-зображення на Nano Banana Pro. GPT Image 2.5 коштує від $0.05 до $0.18, Qwen Image 3.0 Pro — від $0.04 до $0.08. Підписки немає: ви платите за кожне зображення з передплаченого балансу.

Чи є безкоштовний пробний період?

Кожен новий акаунт отримує $0.20 на баланс — це шість зображень на найдешевшій моделі або один 4-секундний ролик Wan 3.0 зі звуком. Для реєстрації дані картки не потрібні, лише пошта.

Чи потрібна банківська картка або підписка?

Щоб почати, картка не потрібна: реєструєтеся поштою й отримуєте $0.20 на баланс. Далі поповнюєте доларовий баланс, коли захочете, — криптою приблизно від $1 або карткою, PayPal чи SEPA від $20 — і платите за кожну генерацію. Підписок немає, невикористаний баланс не згорає, і автоматично з вас нічого не спишуть.

Які криптовалюти приймає BananaBanana?

BTC, ETH, SOL, TON, BNB, LTC, TRX, XRP, DOGE, BCH і стейблкоїни USDT, USDC, DAI та TUSD у мережах ERC-20, BEP-20, Solana, TON і Base.

Чи можна згенерувати AI-відео зі звуком?

Так, чотирма способами. У моделей Veo 3.1 є перемикач звуку (4-секундний ролик зі звуком на Veo Lite — від $0.18), Wan 3.0 додає звук безкоштовно, від $0.20, Gemini Omni Flash завжди генерує звук, від $0.03 за секунду, а Grok Imagine Video 1.5 синхронізує рух губ із написаною вами реплікою, від $0.56 за ролик.

Що буде, якщо генерація не вдалася?

Повна вартість автоматично повернеться на баланс. З відео платформа спершу сама повторює спробу, коли бракує потужностей; якщо фільтр безпеки заблокував частину результату, недоставлену частину повертають пропорційно.