Gemini Imagegen Browser

Генерация в gemini.google.com через залогиненный Chrome (без API-ключа)

Генерация картинок (web-модель Nano Banana; по запросу на особо высокое качество — пересоздание в Nano Banana Pro, СМ. «Пересоздание в Pro»), видео и музыки режимами выбора («Изображения / Видео / Музыка») в web-интерфейсе gemini.google.com на подписке пользователя, без API-ключа (подписка кредиты API не даёт — API-бэкенд не выдумывать). Движок — публичный пакет browser-harness (pip): CLI читает python-скрипт из stdin, хелперы уже импортированы: list_tabs switch_tab new_tab js cdp click_at_xy page_info wait_for_load.

Референс-реализация в этом репозитории: examples/gen_frames.py (батч картинок: кадр-рецепт, префлайт аккаунта, переключение, ожидание лимита, валидация, реестр, идемпотентность). Если скрипт нужен «как есть» — берите его, а не переписывайте с нуля; режимы Видео/Музыка — по аналогии (см. «Режимы»).

Аккаунт (жёсткая привязка к НАСТРОЕННОМУ)

Единственный разрешённый аккаунт — тот, что настроен как ACCOUNT (в examples/gen_frames.py; при работе «через агента» — спросите у пользователя один раз и запоминайте в контекст/память). Правила:

• Перед генерацией проверить, что активный аккаунт на gemini.google.com — именно

ACCOUNT: искомать адрес профиля в DOM (атрибуты avatar/profile-элемента, aria-label, title, textContent; заодно ` аватара с title/src). Надёжнее всего — aria-label родителя аватара («Аккаунт Google: NAME (e-mail)»); префикс URL /u/N` аккаунт НЕ доказывает (индексы плавают) — при нескольких вкладках gemini брать ту, где скан даёт ACCOUNT.

• Активный аккаунт — ДРУГОЙ из уже залогиненных на машине — РАЗРЕШЕНО

переключиться самостоятельно: location.assign https://accounts.google.com/AccountChooser?continue=https%3A%2F%2Fgemini.google.com%2Fapp, в chooser найти строку с точным текстом ACCOUNT (shadow-piercing обход, точное совпадение e-mail'а, не подстрока чужого). Строка chooser НЕ реагирует на trusted-клик и на клик по leaf — работает ТОЛЬКО JS .click() по предку div[role=link] (проверено 2026-09-15); дождаться возвращения на gemini/app и ПОВТОРИТЬ скан.

• «Аккаунт-гарант» в батче: скан аккаунта — ДО кадра и ПОСЛЕ любого

переключения/навигации. Вкладка нужного аккаунта может быть закрыта пользователем — оставшиеся вкладки gemini окажутся на чужих аккаунтах, и молча «наследовать первую вкладку» нельзя; идти через AccountChooser способом выше.

• Иначе переключение запрещено: НЕ вводить пароль/коды за пользователя, НЕ

выбирать иной аккаунт, НЕ «пробовать другой». После переключения скан снова не ACCOUNT, либо Google требует учётные данные (login_wall), либо e-mail не найден среди залогиненных — статус account_mismatch / login_wall: ОСТАНОВКА и доклад.

Предусловия (проверять первыми)

1. pip install browser-harness установлен (browser-harness --version;

FileNotFound → доложить; установка/подключение Chrome — install.md в github.com/browser-use/browser-harness).

1. В Chrome есть вкладка/сессия gemini.google.com, залогиненная на ACCOUNT

(см. «Аккаунт»). Логин за пользователя не выполняется НИКОГДА.

1. Один кадр ≈ 90+ с. Дневной лимит подписки реален: темп ≥90 с + джиттер между

кадрами. Маркеры: «вы достигли лимита», «вернитесь завтра», «come back tomorrow», «reached your limit» … По маркеру — СМ. «Сброс лимита».

1. Ожидание кадра, лимиты таймаутов — щедрее, чем кажется: генерация видео/музыки

занимает минуты.

Рецепт кадра (отлажено на живом UI 2026-09-14; порядок и задержки — часть рецепта)

Весь кадр — ОДИН python-скрипт в stdin browser-harness, печатает ###JSON### в конце.

1. Чистый диалог: найти вкладку gemini.google.com (иначе new_tab),

location.assign('…/app') — свежий лендинг, чтобы «появился img» означало НАШ кадр.

1. Композер: DOM-поллинг селектора .ql-editor, div[contenteditable="true"][role="textbox"], textarea

до 90 с. Никаких фиксированных sleep-ов на ожидание.

1. Режим (Изображения / Видео / Музыка): оверлей «Загрузка и инструменты»

открывается JS-ом el.click() по кнопке (aria-label ~ /загрузка и инструмент/i). Названия пунктов плавают от дня к дню: 2026-09-14 — «Изображения», «Видео», «Музыка»; вечер 2026-09-15 — «Создание изображений», «Создание видео», «Создание музыки» (DOM .gem-menu-item-label). Точный поиск по старому имени не находит пункт → режим не выбран → промпт уходит в режим по умолчанию и генерируется ФОТО вместо видео. Меню раскрывается ДВУМЯ волнами: сразу только «Загрузить файлы»/«Добавить с Google Диска»/«Другие варианты ›»; секция режимов дорисовывается асинхронно через 5–20 с — поллить текст нужного пункта, не кликать раньше (промах = дефолтный режим = фото вместо видео). Надёжнее входа в видео-режим — сайдбар-пункт «Видео»: стабильный селектор [data-test-id="videos-side-nav-entry-button"] (href /videos, прямой URL …/videos) — страница «Создание видео» с галереей шаблонов и УЖЕ активным режимом видео + выбор соотношения сторон (16:9); шаблоны трогать не нужно — печатать промпт и слать. Поэтому: дамп пунктов открытого оверлея (shadow-piercing: querySelectorAll('*') + рекурсия в shadowRoot), матч подстрогом (нормализовать регистр/пробелы). Выбор — el.click() по leaf с поиском кликабельного предка /button|menuitem|list-item|action|mat-list-item|toolbox-item/i; если JS-клик не реагирует — trusted click_at_xy по координатам пункта. Верификация — чип режима у композера (нижняя половина экрана, x>250 — иначе ловится одноимённый пункт боковой навигации) или placeholder («Опишите видео»). Фолбэк (путь B): trusted-клик click_at_xy по кнопке + стрелки/Enter. Между путями — location.assign('…/app') (сброс состояния меню). 3 ретрая; после неудачи — скрин-дебаг и mode_not_selected. Каждый цикл: Page.bringToFront + Escape-сброс (оверлей Angular закрывается при blur).

1. Промпт: клик в композер, Input.insertText, ВЕРИФИКАЦИЯ textContent == промпт

(prompt_mismatch иначе). Промпт = описание + «Ракурс: X» + стилевой блок; для картинок ещё «квадрат 1:1, ≥1024²» (для видео/музыки — длительность/формат по брифу).

1. Отправка: в режиме картинок Enter вставляет перевод строки, а НЕ отправляет —

Enter НЕ жаловать НИКОГДА (фолбэк «подождать и нажать Enter» сжигает промпт переводом строки). Кнопка «Отправить сообщение» в режиме картинок принимает JS-клик с задержкой 30–90 с (проверено 2026-09-15): PRIMARY — JS .click() по кнопке aria-label ~ /отправ|send/i (scrollIntoView + .click(); trusted-клик по её координатам НЕ работает), поллить «композер опустел» до 150 с, повторный .click() раз в ~12 с; за 150 с не ушла — send_failed со скрин-дебагом. Регекспсы без \b (кириллица не \w в JS без unicode-флага).

1. Ожидание: картинки — DOM-поллинг img class~image, complete,

naturalWidth ≥ 512; видео — video с readyState ≥ 2, videoWidth > 0 и финальным duration (элемент виден и из главного документа). Скорость серверной очереди плавно меняется по дням: днём текст-без-референсов — 36 с, тем же вечером — >10 мин и не готова к 610 с. Таймаут ожидания ≥30 мин; карточка «Создание видео…» + «Вернитесь позже» при пустом «Ответ Gemini» = задача ЖИВАЯ (пустой ответ — норма для видео), ждать и НЕ перегенерировать; музыка — audio с ненулевым duration. Параллельно проверка текстов лимита; timeout → timeout_or_no_media.

1. Выгрузка: CSP режет fetch blob, кнопка «Скачать» — в скрытом overflow ⇒

ПРОВЕРЕНО 2026-09-14: «Скачать изображение в полном размере» и «Ещё»→«Скачать» из автоматизации НЕ забираются (fetch(blob:) блокирует CSP; клик по скачиванию — JS и trusted — файл не создаёт; переоткрытие чата не помогает). Тупик — сразу canvas: картинка: canvas drawImage(img) + toDataURL('image/png') → base64 → файл; видео/музыка: video.currentSrc — https contribution.usercontent.google.com/download?... (генерация по тексту) или blob: (с референсами). Для https-URL PRIMARY: fetch(url, {credentials:'include'}) из вкладки ЧАТА (fetch БЕЗ credentials — «Failed to fetch»: отсутствующая авторизационная кука, а не CSP; проверено 2026-09-15) → base64 чанками; фолбэк — cdp('Browser.setDownloadBehavior', behavior='allow', downloadPath=…) + new_tab(currentSrc) → оригинальный mp4 без перекодирования кладётся в downloadPath (проверено 2026-09-15; размеры с fetch+credentials совпадают побайтово), вкладку закрыть. Одно окно: весь кадр — доступ, промпт, отправка, ожидание и выгрузка — в ОДНОЙ вкладке (той, где начата генерация); new_tab поднимает отдельное окно — только фолбэк при провале fetch+credentials. Выбор вкладки (скан аккаунта) — ДО начала кадра. Для blob: — fetch(blobUrl)→arrayBuffer→base64; фолбэк — CDP-перехват (Network.responseReceived → Network.getResponseBody, base64-флаг). Чанковать base64 наружу, целиком в одну печать не сувать.

Режимы

• Изображения (Nano Banana Pro): рецепт выше целиком; валидация PIL — СМ. ниже.
• Видео / Музыка: тот же конвейер; отличается пункт меню (шаг 3), критерий

готовности (шаг 6) и способ выгрузки (шаг 7). Скорость видео — от секунд до >10 мин (серверная очередь, зависит от дня); таймаут — ≥30 мин в обоих случаях. В реестре kind = image|video|music.

Пересоздание в Pro (по запросу «особо высокое качество», проверено 2026-09-14)

Обычная генерация идёт Nano Banana (режим «Изображения»). Более качественный вариант — Nano Banana Pro — доступен НЕ в меню «+», а на уже созданном изображении, как наслоение на обычное создание:

• В тулбаре сообщения-картинки (ряд действий под изображением) — кнопка «Ещё»:

data-test-id="more-menu-button", aria-label ~ /показать другие варианты/i, тултип «Ещё». В композере/меню «+» Pro нет.

• Клик по «Ещё» (js .click() по ``, shadow-piercing обход) → меню с

пунктами; нужен «Пересоздать в Pro» (текст искать /пересоздать в pro|recreate in pro/i, leaf + клик предку [role=menuitem]/gem-menu-item; меню может прокручиваться — листать при промахе).

• Соседняя кнопка «Повторить» (data-test-id="regenerate-button") — обычное

пересоздание: новый ВАРИАНТ того же режима (счётчик «2/2», «3/3» у тулбара). Pro-пункт создаёт вариант в Pro (детальнее по микрофактуре; на web разрешение 1024², как у обычной).

• Ожидание: поллинг НОВОГО img (blob-URL отличается от прежних, `naturalWidth ≥

512); индикатор «генерации» может висеть и после готовности — не доверять. В реестр — отдельный ряд (name с суффиксом _pro`). На Pro-пересоздание распространяется суточный лимит.

Валидация кадра (для картинок — PIL, не «на глаз»)

• размер ≥ целевого (обычно 1024²);
• однотонный фон: разброс RGB 4 углов ≤ 30;
• объект по центру: bbox ненулевых пикселей (Δ>60 от фона) в ±0.16 от центра;
• доля объекта 4–95 % (мелкий/съевшийся кадр — реджект).

Провал → ретрай с переразметкой промпта (прогрессивно жёстче: «фон строго однотонный, объект один, крупно, по центру, без теней и текста»), ≤3 попыток, дальше needs_human_review. Принятый кадр на диске — идемпотентность: не перегенерировать.

Сброс лимита: ждать и продолжать

По маркеру лимита Gemini печатает сообщение со датой и временем сброса. Это не конец очереди: распарсить, дождаться, продолжать.

• Коррекция времени: UI может показывать время сброса в поясе, отличном от

системного. По умолчанию поправка НЕ применяется (OFFSET=0); проверьте смещение ОДИН раз по первому сообщению о лимите и, если оно ненулевое, зафиксируйте.

• Дата может быть другим днём («15 сентября», «Sep 15», «15.09») — брать её.

Даты нет → сегодня; если после коррекции момент прошёл → завтра.

• Ждать до (скорректированный момент + 2 минуты «для верности»), спать чанками

с логом, затем ПРОДОЛЖИТЬ очередь с того же кадра (ретраям лимит не засчитывать; в реестр — строка fail:limit_reached с исходным текстом сообщения).

• Парсить из окна текста вокруг маркера: время (\d{1,2}):(\d{2}), дата — дд.мм

или «число + месяц (род. падеж)». Время не нашлось → ОСТАНОВКА и доклад (не гадать). Ожидание > 26 ч → needs_human_review.

Реестр (обязательно)

CSV-ряд на каждый кадр (успех И провал): kind, name, frame, точный промпт, модель, UTC, файл, sha256, статус (ok/fail:…/needs_human_review), длительность. Без реестра батч не воспроизводим. Внимание: реестр хранит промпты — не допускайте в них персональных данных, если реестр куда-то коммитится.

Типовые грабли

| Симптом | Причина / лечение | |---|---| | Оверлей закрылся до выбора пункта | вкладка не в фокусе → Page.bringToFront перед КАЖДОЙ попыткой, Escape-сброс | | Довериться trusted-клику «+»/↓↓↓→Enter | UI с 2026-09 плоский, JS .click() открывает оверлей; trusted-путь — только фолбэк | | Enter вместо отправки печатает перенос строки | жать .click() по кнопке отправки (aria-label ~ /отправ\|send/i), не Enter | | mode_not_selected после trusted-ретрая | фокус меню засорён — location.assign('…/app') между путями | | Чип не виден querySelector | Angular shadow-DOM — рекурсия в shadowRoot | | fetch(blob) / скачивание не работает | CSP — canvas toDataURL для картинок; для media с https-src — fetch+credentials из вкладки чата (или Browser.setDownloadBehavior+new_tab), для blob — fetch/CDP-перехват. Кнопка «Скачать в полном размере» из автоматизации НЕ срабатывает — не пытаться | | fetch mp4 с usercontent «Failed to fetch» | не хватает авторизационной куки: {credentials:'include'} из вкладки чата — проходит | | Генерация «висит» неограниченно, пустые «Ответ Gemini», панель не монтируется | чаще всего канал доступа к сервису (зеркало/прокси устарел) — после смены канала тот же промпт готов за минуту; проверь вручную, прежде чем делать выводы о политике контента | | video_mode_not_selected, а вместо видео вышло ФОТО | пункт меню переименован («Создание видео» вместо «Видео») — точный матч по старому имени не находит, промпт ушёл в режим по умолчанию; дамп пунктов + подстрочный матч, чип валиден только у композера | | timeout_or_no_video, а в чате карточка «Создание видео…» | задача ЖИВАЯ в серверной очереди («Вернитесь позже»; пустой «Ответ Gemini» — норма для видео). Ждать ≥30 мин, один reload чата; ложный отказ = перегенерация = пустой расход дневного лимита | | timeout_or_no_video при живом чате (текст-промт без референсов) | src у видео НЕ blob, а contribution.usercontent.google.com/download?..., и готово оно за — признак принятой отправки | | На AccountChooser клик по строке аккаунта «не давит» | страница accounts.google.com/.../accountchooser: trusted clickatxy и JS .click() по leaf бесполезны — работает только JS .click() по предку div[role="link"]; признак возврата — href.startswith` с точного URL gemini (подстрока 'gemini.google.com' ложно светится в continue-параметре URL chooser'а) | | Лимит «сбросится завтра» и очередь встала | читать дату+время из сообщения, +OFFSET, +2 мин, спать и продолжать |

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: Prophetic-Helgy
• Source: Prophetic-Helgy/gemini-mediagen-automatizator
• License: MIT

Install and usage instructions live in the source repository linked above.