🍌 Nano Banana Pro 完全指南：10 个技巧助你打造专业级资产
⚠️本文使用 Gemini 3 Pro 翻译，原文详见 >>
作者：Guillaume Vernade，Google DeepMind Gemini 开发者布道师
本指南将紧随开发者文档的步伐，教你如何在 AI Studio 和 API 中上手，深入挖掘核心功能并掌握高效的提示词（Prompt）技巧。
目录
- 提示词的黄金法则 🌟
- 文本渲染、信息图与视觉合成 📊
- 角色一致性与爆款封面图 🧑🎨
- 基于 Google 搜索的落地生成 🌐
- 高级编辑、修复与上色 🎨
- 维度转换 (2D ↔ 3D) 🧊
- 高分辨率与纹理 🔎
- 思考与推理 🧠
- 一步到位的故事板与概念艺术 🎬
- 结构控制与布局指导 📐
提示词的黄金法则 🌟
Nano-Banana Pro 是一个“会思考”的模型。它不仅仅是做关键词匹配，而是真正理解你的意图、物理规律和画面构成。想要得到最好的结果，请停止使用“标签大杂烩”（例如：狗, 公园, 4k, 真实感），开始像一位创意总监那样思考。
是“修改”，不是“重随” (Edit, Don’t Re-roll)
这个模型非常擅长理解对话式的修改指令。如果一张图已经有了 80% 的完美度，不要从头重新生成。相反，直接告诉它你需要改哪里。
例子： “这就很棒了，但在把光线改成日落，把文字改成霓虹蓝色。”
说人话，用整句 (Use Natural Language)
像给人类艺术家下简报（Brief）一样跟模型对话。使用正确的语法和描述性的形容词。
❌ 坏示范： “酷车, 霓虹, 城市, 夜晚, 8k。”
✅ 好示范： “一个电影感的广角镜头，展示一辆未来主义跑车在雨夜的东京街头疾驰。霓虹灯牌倒映在潮湿的路面和汽车金属底盘上。”
具体且有画面感 (Be Specific)
模糊的提示词只能得到大众脸的结果。请明确定义主体、环境、光线和情绪。
主体： 别只说“一个女人”，试试“一位穿着复古香奈儿风格套装的优雅老妇人”。
材质感： 描述质感。“哑光表面”、“拉丝钢”、“柔软天鹅绒”、“揉皱的纸”。
给它上下文 (Context is King)
因为模型会“思考”，给它背景信息能帮助它做出符合逻辑的艺术决策。
例子： “为一本巴西高端美食食谱生成一张三明治的图片。”（模型会自动推断出专业的摆盘、浅景深和完美布光）。
文本渲染、信息图与视觉合成 📊
Nano-Banana Pro 在渲染清晰、风格化的文本以及将复杂信息转化为视觉格式方面拥有 SOTA（顶尖）的能力。
最佳实践：
- 压缩信息： 让模型把密集的文本或 PDF “压缩”成视觉辅助图。
- 指定风格： 明确你是想要“精美的杂志风”、“技术图纸”还是“手绘白板风”。
- 引用内容： 明确指出哪些文字需要直接引用。
提示词案例：
财报信息图（数据消化）：
[输入 Google 最新 财报 PDF]
“生成一张干净、现代的信息图，总结这份财报的关键财务亮点。包括‘收入增长’和‘净利润’的图表，并在一个风格化的引用框中突出 CEO 的关键语录。”
复古信息图：
“制作一张复古的、1950 年代风格的信息图，介绍美国路边餐厅（Diner）的历史。包括‘食物’、‘点唱机’和‘装潢’三个独特的板块。确保所有文字清晰可读，且风格符合那个年代。”
技术蓝图：
“创建一张正交蓝图，从平面、立面和剖面描述这座建筑。用技术建筑字体清晰地标记‘北立面’和‘主入口’。格式为 16:9。”
白板总结（教育用）：
“将‘Transformer 神经网络架构’的概念总结为适合大学讲座的手绘白板图。用不同颜色的记号笔区分编码器（Encoder）和解码器（Decoder）模块，并加上清晰的标签‘自注意力机制’和‘前馈网络’。”
角色一致性与爆款封面图 🧑🎨
Nano-Banana Pro 支持多达 14 张参考图（其中 6 张可达高保真度）。这实现了“身份锁定”——在不让脸崩的情况下，把特定人物放入新场景。
最佳实践：
- 身份锁定： 明确指令：“保持人物的面部特征与图 1 完全一致。”
- 表情/动作： 描述情绪或姿势的变化，同时保持身份不变。
- 爆款构图： 一次性生成包含人物、醒目图形和文字的组合图。
提示词案例：
“爆款视频封面”（身份 + 文字 + 图形）：
“设计一张病毒式传播的视频缩略图，使用图 1 中的人物。面部一致性： 保持人物面部特征与图 1 完全一致，但表情要显得兴奋和惊讶。动作： 人物位于左侧，手指指向画面右侧。主体： 在右侧放一张看起来很美味的牛油果吐司的高清图。图形： 添加一个醒目的黄色箭头，连接人物的手指和吐司。文字： 在中间叠加巨大的波普风格文字：‘3分钟搞定!’。使用粗白描边和投影。背景： 模糊、明亮的厨房背景。高饱和度和对比度。”
“毛茸茸的朋友们”（群体一致性）：
[输入 3 张不同毛绒生物的图片]
“创作一个有趣的 10 图连环画故事，讲述这 3 个毛茸茸的朋友去热带度假。故事要有惊险的情感起伏，最后以幸福时刻结尾。保持这 3 个角色的穿着和身份在所有图中一致，但要在 10 张图中变换它们的表情和角度。确保每张图中每个角色只出现一次。”
品牌资产生成：
[输入 1 张产品图]
“创作 9 张令人惊叹的时尚大片，就像出自获奖的时尚杂志。以这张图为品牌风格参考，但要增加细微差别和多样性，使其传达出专业的设计感。请逐一生成这九张图片。”
基于 Google 搜索的落地生成 🌐
Nano-Banana Pro 利用 Google 搜索基于实时数据、时事或事实验证来生成图像，减少在时效性话题上的“幻觉”。
最佳实践：
- 要求可视化动态数据（天气、股票、新闻）。
- 模型会在生成图像前先“思考”（推理）搜索结果。
提示词案例：
事件可视化：
“根据当前的旅游趋势，生成一张 2025 年美国国家公园最佳游览时间的信息图。”
高级编辑、修复与上色 🎨
该模型擅长通过对话式提示进行复杂编辑。包括“重绘/内补（In-painting）”（移除/添加物体）、“修复（Restoration）”（修复老照片）、“上色（Colorization）”（漫画/黑白照）以及“风格转换”。
最佳实践：
- 语义指令： 你不需要手动涂抹遮罩；直接自然地告诉模型改什么。
- 物理理解： 你可以要求复杂的修改，比如“在这个杯子里装满液体”，以此测试物理生成能力。
提示词案例：
物体移除与重绘：
“移除这张照片背景中的游客，并用符合周围环境的逻辑纹理（鹅卵石路和店面）填充空白处。”
漫画/动漫上色：
[输入黑白漫画格]
“给这个漫画格上色。使用充满活力的动漫风格调色板。确保能量束的光效是发光的霓虹蓝，且角色的服装与其官方配色一致。”
本地化（文字翻译 + 文化适配）：
[输入一张伦敦公交车站广告图]
“保留这个概念但将其本地化为东京场景，包括将标语翻译成日语。把背景改成夜晚熙熙攘攘的涩谷街头。”
光照/季节控制：
[输入一张夏天的房子图片]
“把这个场景变成冬天。保持房屋建筑完全不变，但在屋顶和院子里加雪，并将光线改成寒冷、阴沉的午后。”
维度转换 (2D ↔ 3D) 🧊
一个强大的新功能是将 2D 示意图转换为 3D 可视化，反之亦然。这对室内设计师、建筑师和梗图创作者来说非常理想。
提示词案例：
2D 平面图转 3D 室内设计板：
“根据上传的 2D 平面图，生成一张包含单图的专业室内设计展示板。布局： 拼贴画形式，顶部一张大主图（起居区的广角透视），下方三张小图（主卧、家庭办公室和 3D 俯视平面图）。风格： 采用现代极简风格，搭配温暖的橡木地板和米白色墙壁。质量： 照片级渲染，柔和自然光。”
2D 转 3D 梗图（Meme）：
“把‘This is Fine（没事，挺好）’的狗子表情包变成照片级的 3D 渲染图。保持构图完全一致，但让狗看起来像毛绒玩具，火焰看起来像真实的火焰。”
高分辨率与纹理 🔎
Nano-Banana Pro 原生支持 1K 到 4K 的图像生成。这对于细节纹理或大幅面打印特别有用。
最佳实践：
- 如果你的 API/界面允许，明确要求高分辨率（2K 或 4K）。
- 描述高保真细节（瑕疵、表面纹理）。
提示词案例：
4K 纹理生成：
“利用原生高保真输出，打造一个令人屏息、氛围感十足的苔藓森林地面环境。驾驭复杂的光效和细腻的纹理，确保每一缕苔藓和光束都以适合 4K 壁纸的像素级完美分辨率呈现。”
复杂逻辑（思考模式）：
“创建一个高档芝士汉堡的超写实分解图，展示烤布里欧修面包的纹理、肉饼焦脆的外壳以及芝士融化时的光泽。给每一层的风味特点加上标签。”
思考与推理 🧠
Nano-Banana Pro 默认采用“思考”过程，它会先生成中间的思维图像（不计费）来优化构图，然后再渲染最终输出。这允许进行数据分析和解决视觉问题。
提示词案例：
解方程：
“在白板上求解 log_{x^2+1}(x^4-1)=2 (在复数域 C 中)。清晰地展示步骤。”
视觉推理：
“分析这张房间的照片，生成一张‘施工前’的照片，展示这个房间在建造时的样子，显示出框架结构和未完工的石膏板。”
一步到位的故事板与概念艺术 🎬
你可以生成无需网格分割的连续艺术或故事板，确保单次会话中的叙事流畅性。这在“电影概念艺术”（例如：即将上映电影的假泄露图）中也很流行。
提示词案例：
“创作一个引人入胜的 9 图故事，讲述一男一女出演的一支获奖奢华箱包广告。故事要有情感起伏，最后以女性带着 Logo 的优雅镜头结束。男女主角的身份和穿着必须在全程保持一致，但角度和距离应该多变。请逐一生成图片。确保每张图片都是 16:9 的横向格式。”
结构控制与布局指导 📐
输入图像不仅限于角色参考或编辑对象。你可以利用它们来严格控制最终输出的构图和布局。对于需要将餐巾纸草图、线框图或特定网格布局转化为精美资产的设计师来说，这绝对是游戏规则改变者。
最佳实践：
- 草图： 上传手绘草图，精确定义文本和物体的位置。
- 线框图： 使用现有布局或线框图的截图来生成高保真 UI 模型。
- 网格： 使用网格图像强制模型为瓦片地图游戏或 LED 显示屏生成资产。
提示词案例：
草图转最终广告：
“根据这张草图，为 [产品] 创作一则广告。”
线框图转 UI 模型：
“按照这些指导原则，为 [产品] 创建一个视觉模型（Mock-up）。”
像素艺术与 LED 显示：
“生成一个独角兽的像素艺术精灵（Sprite），完美适配这张 64x64 的网格图像。使用高对比度颜色。”
*(提示：开发者随后可以通过编程提取每个单元格的中心颜色，以驱动连接的 64x64 LED 矩阵显示屏)*。
精灵图（Sprites）：
“一个女人在无人机上做后空翻的精灵图表（Sprite sheet），3x3 网格，序列帧，逐帧动画，正方形比例。严格遵循附件参考图的结构。”
(提示：你可以提取每个单元格制作成 gif)
