Datawhale干货
教程：Nano-Banana Pro，谷歌官方指南
今天，谷歌生成式AI团队发布了Nano-Banana的首个官方教程——《The Complete Guide to Nano Banana Pro: 10 Tips for Professional Asset Production》。核心信息是如何用 Nano-Banana Pro 制作专业级的素材！
Nano-Banana Pro 相较于前一代模型是一次重大飞跃，从“有趣”的图像生成迈向“实用”的专业素材制作。它在文本呈现、角色一致性、视觉合成、世界知识（Search）和高分辨率（4K）输出方面表现出色。
以下是谷歌团队的官方指南：
附教程地址：
https://x.com/GoogleAIStudio/status/1994480371061469306
本文内容概览：
提示词黄金法则
文本渲染、信息图与视觉合成
角色一致性与吸睛的缩略图
基于 Google 搜索的现实锚定
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
一次性分镜与概念艺术
结构控制与布局引导
一、Nano-Banana Pro的提示词黄金法则
Nano-Banana Pro 是一个“会思考”的模型。它不仅仅是匹配关键词，它能理解你的意图、物理规律和画面构图。要想获得最佳效果，请停止通过“标签堆砌”（例如：狗, 公园, 4k, 真实感）来抽卡，开始像一位创意总监那样去下达指令。
1、编辑，不要重新抽卡
该模型非常擅长理解对话式的修改指令。如果生成的图片有 80% 是正确的，不要从头重新生成，直接告诉它你需要调整哪里。
例子： “这很棒，但请将光线改为日落，并将文字改为霓虹蓝。”
2、使用自然语言和完整句子
像在向一位人类艺术家汇报一样与模型对话，使用正确的语法和描述性形容词。
❌ 反面例子： “酷车，霓虹，城市，夜晚，8k。”
✅ 正面例子： “一个电影感的广角镜头，展示一辆未来派跑车在雨夜的东京街头疾驰。霓虹灯牌的倒影反射在湿润的路面和汽车的金属底盘上。”
3、具体且有描述性
模糊的提示词只会带来平庸的结果，定义主体、环境、光照和情绪。
主体：别只说“一个女人”，而要说“一位穿着复古香奈儿风格套装的精致老妇人”。
材质：描述纹理。“哑光饰面”、“拉丝钢”、“柔软的天鹅绒”、“皱褶的纸张”。
4、提供上下文（“为什么”或“给谁看”）
因为模型会“思考”，给它提供上下文有助于它做出合乎逻辑的艺术决策。
例子： “为一本巴西高端美食食谱制作一张三明治的图片。”（模型会据此推断出专业的摆盘、浅景深和完美的布光）。
二、文本渲染、信息图表与视觉合成
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（当前最佳）的能力。
最佳实践：
压缩：要求模型将密集文本或 PDF “压缩”成视觉辅助材料。
风格：明确指定你想要的风格，如“精致的编辑风”、“技术图表”或“手绘白板”效果。
引用：明确指定你想要的文本，用引号括起来。
示例提示词：
财报信息图（数据输入）
[输入 Google 最新财报的 PDF]
“生成一张简洁、现代的图文信息图，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，并用风格化的引用框高亮 CEO 的关键语录。”
复古信息图 ：
“制作一张复古的 1950 年代风格信息图，介绍美国餐馆的历史。包含明确分区：‘食物’、‘点唱机’和‘装饰’。确保所有文本清晰可读，并采用符合该年代的风格进行艺术化设计。”
技术图表：
“创建一张正投影蓝图，从平面、立面和剖面描述这座建筑。用技术建筑字体清晰标注‘北立面’和‘主入口’。比例 16:9。”
白板总结（教育类）：
“将‘Transformer 神经网络架构’的概念概括成适合大学讲座的手绘白板图示。使用不同颜色的记号笔区分编码器（Encoder）和解码器（Decoder）模块，并为‘自注意力（Self-Attention）’和‘前馈网络（Feed Forward）’标注清晰的标签。”
三、角色一致性与吸睛的缩略图
Nano-Banana Pro 最多支持 14 张参考图像（高保真模式下为 6 张）。这使得“身份锁定”成为可能——将特定人物或角色放入新场景中而不会出现面部扭曲。
最佳实践：
身份锁定：明确说明：“保持人物的面部特征与图像 1 完全相同。”
表情/动作：在保持身份特征的同时描述情绪或姿势的变化。
病毒式构图：在一次处理内将主体与醒目的图形和文字结合。
示例提示词：
“病毒式缩略图”（身份 + 文本 + 图形）(The "Viral Thumbnail" (Identity + Text + Graphics))：
“使用图像 1 中的人物设计一个能病毒式传播的视频缩略图。
面部一致性：保持该人物的面部特征与图像 1 完全相同，但将表情改为兴奋和惊讶。
动作：将人物摆放在画面左侧，手指指向画面右侧。
主体：在右侧放置一张高质量的美味牛油果吐司图片。
图形：添加一个醒目的黄色箭头，将人物的手指与吐司连接。
文本：在中间叠加巨大的流行风格文字：‘3分钟搞定！’。使用粗体白色描边和投影效果。
背景：模糊、明亮的厨房背景。高饱和度和对比度。”
“毛绒伙伴”场景（群体一致性）
[输入 3 张不同毛绒玩偶的图片]
“为这三位毛绒好友创作一个由 10 个部分组成的搞笑故事，讲述他们去热带度假的经历。故事全程充满刺激，情感起伏丰富，并以一个快乐的瞬间收尾。三位角色的服饰和身份在所有图片中保持一致，但在十张图片中他们的表情和拍摄角度应有所变化。确保每张图片中每个角色只出现一次。”
品牌资产生成：
[输入 1 张产品图像]
“创建 9 张令人惊艳的时尚摄影作品，风格仿佛出自获奖时尚杂志大片。使用此参考图像作为品牌风格，但在系列图中添加细微差别和多样性，能够传达出专业的设计感。请逐张生成九张图像。”
四、基于 Google 搜索的现实锚定
Nano-Banana Pro 可以利用 Google 搜索，基于实时数据、时事或事实核查生成图像，从而在时效性话题上减少幻觉。
最佳实践：
要求对动态数据（天气、股票、新闻）进行可视化。
模型在生成图像之前“思考”（推理）搜索结果。
示例提示词：
事件可视化：
“根据当前旅行趋势，生成一张 2025 年前往美国国家公园最佳时间的 信息图。”
五、高级编辑、修复与上色
模型擅长通过对话式提示进行复杂编辑。这包括“图像修补”（移除/添加对象）、“修复”（修复老照片）、“上色”（漫画/黑白照片）和“风格转换”。
最佳实践：
语义指令 ：你不需要手动遮罩；只需自然地告诉模型要更改什么。
物理理解：你可以提出复杂的更改请求，例如“把这个杯子装满液体”来测试物理生成能力。
示例提示词：
对象移除与图像修补：
“移除这张照片背景中的游客，并用与周围环境匹配的合理纹理（鹅卵石和店面）填补该区域。”
漫画/连环画上色：
[输入黑白漫画分镜]
“为这张漫画分镜上色。使用鲜艳的二次元风格调色板。确保能量光束的光效为发光的霓虹蓝，并且角色的服装与其官方配色保持一致。”
本地化（文本翻译 + 文化适配）
[输入伦敦公交车站广告图像]
“将这一概念本地化为东京场景，包括将标语翻译成日语。将背景更改为夜晚繁忙的涩谷街道。”
光线/季节控制：
[输入一张夏季房屋图像]
“把这个场景改为冬季。保持房屋建筑完全不变，但在屋顶和院子上添加积雪，并将光线改为寒冷、阴沉的下午光效。”
六、维度转换 (2D ↔ 3D）:
Nano-Banana Pro一项强大的新功能是将 2D 示意图转换为 3D 可视化效果，反之亦然，非常适合室内设计师、建筑师和表情包创作者。
示例提示词：
2D 平面图转 3D 室内设计板：
“基于上传的 2D 平面图，生成一张专业的室内设计展示板单图。
布局：拼贴形式，顶部一张大图为主图（客厅的广角透视图），下方三张小图（主卧、家庭办公室和一个 3D 俯视平面图）。
风格：现代极简主义风格，采用温暖的橡木地板和乳白色墙面。
质量：写真级的渲染，柔和的自然光照。”
2D 转 3D 表情包转换：
“将‘This is Fine’狗狗表情包转换为写真级的 3D 渲染。保持构图相同，但让狗狗看起来像一个毛绒玩具，火焰看起来像真实的火焰。”
🛑 七、高分辨率与纹理
Nano-Banana Pro 支持原生 1K 至 4K 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，请明确要求高分辨率（2K 或 4K）。
描述高保真细节（瑕疵、表面纹理）。
示例提示词：
4K 纹理生成：
“利用原生高保真输出打造令人惊叹、氛围浓厚的苔藓森林地面环境。掌控复杂的光效与细腻的纹理，确保每一根苔藓丝和每一道光束都以适用于 4K 壁纸的像素级分辨率呈现。”
复杂逻辑（思考模式）：
“创建一张超写实的信息图，展示一份精致芝士汉堡的分解图，突出烤制至金黄的布里欧修面包的纹理、肉饼的煎烤外壳以及芝士闪亮的融化状态。为每一层标注其风味特征。”
八、思考与推理
Nano-Banana Pro 默认采用“思考”过程，在渲染最终输出前会生成临时的思考图像（不收费）来细化构图。这样可以进行数据分析并解决视觉问题。
示例提示词：
解方程：
“在白板上解方程 log_{x^2+1}(x^4-1)=2 在复数域中的解，清晰地展示解题步骤。”
视觉推理：
“分析这张房间的图片，并生成一张‘施工前’的图像，展示该房间在施工期间可能的样子，显示框架和未完成的石膏板。”
九、一次性分镜与概念艺术
Nano-Banana Pro 支持在一次会话中生成连续画面或分镜而无需使用网格，确保叙事连贯流畅。这也常用于“电影概念艺术”（例如，即将上映电影的虚假泄露图）。
示例提示词：
“创作一个引人入胜的 9 部分故事，包含 9 张图像，主题为一对男女出现在获奖的豪华行李箱广告中。故事应具有情感高潮与低谷，以一个展示女性和品牌标志的优雅镜头结束。男女的身份和服装必须在整个过程中保持一致，但可以且应该从不同的角度和距离展现他们。请一次生成一张图片。确保每张图片均为 16:9 横向格式。”
十、结构控制与布局引导
输入图像不限于角色参考或待编辑的主体。你可以用它们来严格控制最终输出的构图和布局。这对于需要将草图、线框图或特定网格布局转化为精美资产的设计师来说是革命性的。
最佳实践：
草稿与草图：上传手绘草图以精确指定文本和对象应放置的位置。
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基于图块的游戏或 LED 显示屏生成素材。
示例提示词：
草图转最终广告：
“根据这张草图，为 [产品] 创建一个广告。”
线框图转 UI 模型：
“为[产品]创建一个符合以下指南的模型。”
像素艺术与 LED 显示屏：
“生成一个适合此 64x64 网格图像的独角兽像素精灵。使用高对比度颜色。”
（提示：开发人员随后可以以编程方式提取每个单元格的中心颜色，来驱动连接的 64x64 LED 矩阵显示屏）。
精灵图集：
“在无人机上做后空翻的女性精灵图，3x3 网格，序列，逐帧动画，正方形纵横比。严格按照所附参考图像的结构。”
（提示：你可以随后提取每个单元格并制作 GIF 动画）。
一起“点赞”三连↓
扫一扫
383
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
