Nano Banana 终极提示指南
自从去年 Google 宣布 Nano Banana 以来，AI 生成图像与真实图像之间的差距已显著缩小。但要有效使用 "Nano Banana"，你必须掌握一种称为提示 的技术。
通常，创建精确、高质量的图像需要不断尝试各种提示。你需要一个真正理解你要求的模型。
Nano Banana 2 或专业版本，是基于 Gemini 3 系列模型构建的。这些模型应用深度推理能力来在生成图像之前完全理解你的提示。因此，Google 团队花了数周时间在每一个他们能想到的用例中测试 Nano Banana 2 和 Nano Banana Pro，以推动它们的极限。
团队整理了本指南，分享他们所学到的确切内容，以及如何基于提示策略获得高质量图像。
1、模型概览
Nano Banana 模型是先进的图像生成和编辑模型，利用现实世界知识和深度推理能力提供精确、丰富的视觉结果。最近，Google 宣布了 Nano Banana 2，它在三个方面表现出色：
- 更精确的视觉效果： Nano Banana 2 由来自网络搜索的实时信息和图像驱动。这意味着更好的教育工具、本地化营销、旅行应用程序等。
- 快速、专业级功能： 解锁高级功能后，你可以执行文本渲染、翻译和 2K/4K 升级。现在，创意团队可以构建连贯的叙事、故事板和产品模型。
- 精确控制： 生成或编辑图像以适应任何项目需求，原生支持 16:9、9:16、2:1 等比例。无论你生成海报、营销模型还是广告，都能获得生动的照明和更丰富的纹理。
2、技术规格
在深入了解提示之前，以下是模型通过 API 和 Vertex AI 可以处理的内容的分解（有关最新详细信息，请始终查看官方 Gemini 3 Pro Image 和 Gemini 3.1 Flash Image 文档）：
- 上下文窗口： Gemini 3.1 Flash Image (Nano Banana 2) 最多支持 131,072 个输入标记，而 Gemini 3 Pro Image (Nano Banana Pro) 最多支持 65,536 个输入标记。两个模型都最多支持 32,768 个输出标记。
- 分辨率： 内置 1K、2K 和 4K 视觉生成功能。Gemini 3.1 Flash Image 增加了较小的 512px (0.5K) 分辨率。
- 纵横比： 两个模型都支持 1:1、3:2、2:3、3:4、4:3、4:5、5:4、9:16、16:9 和 21:9。Gemini 3.1 Flash Image Preview 还增加了 1:4、4:1、1:8 和 8:1 纵横比。
- 图像输入： 你可以在一个提示中混合最多 14 个参考对象图像。支持的 MIME 类型包括 image/png、image/jpeg、image/webp、image/heic 和 image/heif。
- 文档输入： 你可以输入文本和 pdf 文件。每个文件的最大文件大小为 API 和 Cloud Storage 导入的 50 MB，或通过 Google Cloud 控制台直接上传的 7 MB。* 输出： 两个模型都输出文本和图像。
- 模型知识库： 两个模型的知识截止日期均为 2025 年 1 月。
- 实时数据： 两个模型都由来自网络搜索的实时信息驱动。
- 信任与安全： 所有生成的图像都包含 C2PA 内容凭证和 SynthID 水印。
3、有效提示的最佳实践
当谈到有效提示时，有几种方法可以确保你获得的视觉效果就是你要求的视觉效果。这里有一些指导原则：
- 具体化： 提供主题、照明和构图的具体细节。
- 使用正面表述： 描述你想要的，而不是你不想要的（例如，"空街道" 而不是 "没有车"）。
- 控制相机： 使用摄影和电影术语，如"低角度"和"鸟瞰图"。
- 迭代： 通过对话式的方式使用后续提示细化图像。
关键是用一个强有力的动词开始提示，告诉模型你想要执行的主要操作。
4、五大提示框架
4.1 图像生成
生成图像时，你的提示结构完全取决于你是使用参考图像还是仅依赖文本。
不带参考的文本到图像生成
当从空白画布开始时，你就是导演。简单的关键词列表是不够的；你需要叙述性地描述场景。
公式： [主题] + [动作] + [位置/背景] + [构图] + [风格]
示例提示： [主题] 一位引人注目的时尚模特穿着定制的棕色连衣裙，时尚的靴子，拿着一个结构化的手提包。[动作] 摆出自信、雕像般的姿势，微微转身。[位置/背景] 一个无缝的深樱桃红色摄影棚背景。[构图] 中全景，居中框架。[风格] 时尚杂志风格社论，使用中画幅模拟胶片拍摄，明显的颗粒感，高饱和度，电影照明效果。
生成的图像：
多模态生成（带参考的生成）
Gemini 允许你组合多个参考图像来指导最终输出。这对于保持角色一致性或将特定产品合并到新环境中非常完美。
公式： [参考图像] + [关系指令] + [新场景]
示例提示： 使用附带的餐巾纸草图作为结构，附带的织物样本作为纹理 [参考]，将其转换为高保真的 3D 扶手椅渲染 [关系]。将其放置在阳光充足、极简主义的客厅中 [新场景]。
生成的图像：
4.2 图像编辑
编辑需要与生成不同的思维方式。你已经有了一个基础图像；你的提示需要专注于什么在改变，什么保持不变。
对话式编辑（不带新参考）
当你生成图像并希望以对话方式对其进行微调时：
- 语义遮罩（inpainting）： 你可以通过文本定义遮罩来编辑图像的特定部分，而保持其余部分不变。
- 提示技巧： 明确说明要保持不变的内容。
示例提示： 从照片中移除那个人。
生成的图像
构图和风格迁移（带新参考）
将新图像引入提示以更改现有图像：
- 添加元素： 上传基础图像和对象图像，并告诉模型组合它们。
- 风格迁移： 上传照片并要求模型以不同的艺术风格重新创建其确切内容，例如将现代城市街道的照片转换为梵高风格的绘画。
构图
风格迁移
4.3 来自网络搜索的实时信息
Gemini 图像模型可以主动搜索网络以基于实时信息生成图像。
提示如何变化： 不再描述虚构场景，而是指示模型检索现实世界数据，然后指定如何对其进行可视化。
公式： [来源/搜索请求] + [分析任务] + [视觉翻译]
示例提示： [搜索旧金山的当前天气和日期] + [分析上，使用此数据修改场景（例如，如果下雨，使其看起来灰暗和下雨）] + [在一个真实的现代智能手机 UI 内嵌入一个杯中城市概念的可视化。
生成的图像：
4.4 文本渲染和本地化
Nano Banana 2 和 Nano Banana Pro 擅长渲染清晰、易读的文本，用于有影响力的海报、图表和产品模型。此外，它支持超过 10 种语言的最新多语言文本生成。
要获得最佳的排版结果，请遵循以下规则：
- 使用引号： 将你想要的词放在引号中（例如，"生日快乐"或"城市探索者"）。* 选择字体： 描述排版风格或字体名称。提示为"粗体、白色、无衬线字体"或"Century Gothic 12px 字体"。
- 翻译和本地化： 用一种语言编写提示，并指定文本输出的目标语言。
- 文本优先技巧： 当为图像生成文本时，Gemini 图像模型效果最好，如果你首先与它对话以生成文本概念，然后要求生成带有该文本的图像。
提示： 一张高端、有光泽的商业美容照片，展示一个时尚、极简的裸色面部保湿霜罐，放置在温暖的摄影棚背景上。照明柔和而辐射。在产品旁边，渲染三行文本，具有以下确切样式：对于顶行，单词"GLOW"使用流畅、优雅的 Brush Script 字体。对于中间行，文本"50% OFF"使用粗重、块状的 Impact 字体。对于底行，文本"Your First Order"使用纤细、极简的 Century Gothic 字体。"然后将文本翻译成韩语和阿拉伯语。
生成的图像：
提示： 一个排版海报，纯黑色背景，粗体字母拼写"New York"，填满框架的中心。文本充当剪裁窗口。纽约天线的照片仅在字母形状内可见。
生成的图像：
4.5 像创意总监一样提示
要将你的结果从好提升到令人惊叹，你需要停止输入关键词，开始指导场景。Gemini 图像模型提供工作室质量的控制。以下是如何像创意总监一样提示：
1. 设计你的照明
确切地告诉模型场景是如何照明的。
- 工作室设置： 要求三点柔光箱设置以均匀照明产品。
- 戏剧效果： 提示为"明暗对比照明，具有强烈的高对比度"或"黄金时刻背光创造长阴影"。
2. 选择你的相机、镜头和对焦
使用特定的硬件和摄影术语来控制你的镜头的深度、失真和透视。
- 硬件： 指定确切的相机类型以更改图像的视觉 DNA。要求在 GoPro 上拍摄以获得沉浸式、扭曲的动作感觉，使用 Fujifilm 相机以获得真实的色彩科学，或使用廉价的一次性相机以获得原始、怀旧的闪光美学。
- 镜头： 通过明确要求"低角度拍摄，具有浅景深 (f/1.8)"来强制透视。如果你需要显示巨大的规模，要求"广角镜头"。对于复杂的细节，指定"微距镜头"。
3. 定义色彩分级和胶片
最终图像的纹理和色彩设定情感基调。
- 如果你想要怀旧或粗犷的氛围，告诉模型"就像在 1980 年代彩色胶片上一样，略带颗粒感"地渲染图像。
- 对于现代、情绪化的美学，要求"电影色彩分级，具有柔和的青色色调"。
4. 强调材料性和纹理
生成标志、产品或角色时，定义它们的物理构成。不要只要求西装夹克；要求"海军蓝粗花呢"。而不是"盔甲"，描述"华丽的精灵板甲，蚀刻有银叶图案"。如果你正在设计模型，指定表面，如"极简陶瓷咖啡杯"。
5、结束语
Nano Banana Pro 和 Nano Banana 2 旨在与我们的其他生成创意模型无缝协作。
- Nano Banana + Gemini： Gemini 3 可以帮助你创建提示并提供创意方向。
- Nano Banana + Veo： 使用 Nano Banana 创建关键帧以指导动画，然后使用 Veo 在它们之间生成视频。查看我们的 Veo 3.1 提示指南在这里。
- Nano Banana + Veo + Lyria： 生成你的项目的视觉效果，然后使用 Lyria 添加自定义 AI 音轨。在此处了解有关 Lyria 的更多信息在这里。
原文链接: Nano Banana — The Ultimate Prompting Guide
汇智网翻译整理，转载请标明出处