之前GPT-4o的时候我就试过“二次元”转“三次元”，可是效果并不是很好。

而这次纳米香蕉在这方面简直可以说是马良在世（如果是中国模型的话，干脆叫马良算了），这个手办模板简直是“二渲三”的最佳实践。

喂的大多数都是黑白的漫画图，用的就是那段很火的提示词，在最后会加上一句“Print the word "XXX" on the box.”来定制盒子上的文字，但是有时候效果并不好，会出现乱码。

翻出来几年前写回答存的一些图试了一下，效果非常惊艳。

喂图的时候最好是全身，这样基本上没什么偏差。如果是半身，模型就会自己发挥，比如下面这张，调了几次才调好。

这种极抽象的二维形象也能轻松驾驭，可爱捏：

效果可以说是非常惊艳了：

这质感，啧啧：

这种具有大量留白（留黑）的形象，也可以完美脑补。大暮维人这种美型写实的画风简直是太适合了：

这个场景太爱了，如果有实物我一定买爆！

呐，其实还生成了一个弩S的图，害怕发上来会被关小黑屋，就算了。

满足了买不到写实刘亦菲手办的遗憾

还有经典的不吃香菜

OpenRouter 上能用免费API，虽然充过10刀以上才能解锁每天1000次，不过这真挺大方的

不然光试提示词就能把积分花光了

影：Veo 3 音画结合，覆盖极广

Google的东西，有一个特点，底层数据极多，他们的东西默认的RLHF并不讨喜，甚至可说没有啥风格，但对提示词响应极佳，你可以捏成任何你想要的东西。OpenAI的东西，无论怎么捏都是OpenAI的味道。

——缺点是对中文支持还不够好，比如语音，图片文字等。

但这不是最大问题，

最大的问题是，Google的"神模狗服"——神一样的模型，狗一样的服务器。你永远不知道它会回复你一张图，还是一串无图的文字。

以下是一个Nano banana的样例，

莱莎的进化

网图→沙滩图→手办图

我本来想做成Dead or Alive的沙排风格，我是光荣系的粉丝，但被Google block了。

（沙滩拖鞋真是神来之笔）

开局两张"高糊图"的玩法

人物来自《莱莎的炼金工房》

DNF玩家觉得很nice

再来一个

一开始还以为ai根据图片生成3D模型的技术已经这么成熟了，并且网上还有一大群有3D打印机的闲人把模型打印出来。

Nano Banana Pro已发布，附使用方法

NanoBanana2 玩法汇总

漫画翻译上色一条龙

提示词：给这个黑白漫画上色，并将台词翻译成中文

模仿手写字迹完成图中数学题

提示词：完成图中数学题，并在题目中做出辅助线

生成论文 Overview 图

提示词：根据以下论文内容，生成一篇高质量的顶会风格的overview图，展示整个的工作流程

生成游戏界面：

提示词：GALgame的中文游戏界面，左侧是选项，右侧是像素风格（像素风，一个双马尾穿可爱居家服，头发是棕黑色，眼睛是蓝色，肤白貌美，带着耳机的女孩儿和一个头发黑色很动漫感的发型，眼睛是黄色，看起来很慵懒很帅气有一点点的高冷感，穿着休闲居家服，带着耳机肤色不黑不白刚刚好，他们俩个是情侣在摆满漫画书和手办和初音娃娃的温馨小屋里面一起玩着电脑游戏GalGame）

生成结果：同样符合要求，左侧还加上了、继续游戏保存、读取、设置、退出等选项

提示词：

以《原神》主要场景(蒙德/璃月)为背景,融合GTA5、穿越火线、英雄联盟的UI图标元素。GTA5风格地图、穿越火线风格的弹药/生命指示器、英雄联盟风格的血量/蓝量条等混合呈现,创造幽默有趣的游戏设计概念。

生成结果，现在这种混合呈现的游戏设计在也不难了！

更加逼真的图像生成

提示词：一位中国美女Coser，超真实漫展场照，经典动漫游戏角色扮演，超高还原度，精致的动漫妆造，身穿日漫少女lovelive风格的裙子和服装，摆出可爱动作

2：做一张双十一购物节的美妆好物的电商海报，符合审美

谷歌有史以来最疯狂的照片模型Nano banana，提示词都是很简单的，直接描述一句话就好了。

图一是根据草图更换姿势，以后女生拍照不用那么累啦哈哈哈，拍一张可以换N个姿势

图二是生成了高管证件照，感觉以后都不用去店里拍证件照了，直接自己自拍一个照片然后制作。

还可以生成有各种特写镜头的九宫格图片，如下图，真的很惊艳，保持得太好了，收下我的膝盖。

图三是换衣服和带首饰，感觉只需要让模特拍一张照片就好了，其他的让大模型换

图四是制作个人IP的3d模型，也太逼真了，很多朋友朋友圈都在问哪里做的，哈哈哈！

还有给人物换装，换上大棉袄。二创后，人物的脸是所有模型中最自然的。

给人物换衣服、换发型，真的是简单得很

推特上的玩法

还不快玩起来？

真的很好玩，我已经玩了一晚上了，停不下来。

突然发现好多人都看了，我又加了一下案例，关注我，后面分享更加全面的玩法。

看了看回答，好像大家大多还停留在做手办，画漫画，加减ps人上。经过我一星期的超重度使用，谷歌这个模型给了我越来越大的震撼。名副其实的遥遥领先，国产模型真的要加油了。

我认为nanobanana pro最强的地方不在p图p文字那些，而是对于现实世界，空间，的理解能力。

请看这张图

一位美女照片对吗，接近照片效果，那么这张照片怎么来的呢，其实是我要求他先生成了下面这张图。一个海边豪华酒店的套房，带有室外露台，生成一个俯瞰剖面图。

然后生成那张美女照片时，我没有加任何场景提示词，只是发给了它这张俯瞰平面图，告诉它美女坐在卧室的床上，镜头从屋里向阳台方向拍摄，就得到了第一张图，所有的细节，家具位置，材质，包括室外阳台的布置，全部都和平面图一模一样。这令我第一次有点震惊，这意味着这一张图，就构建了一个小世界，我可以要求他在这个房间里往任意方向视角出照片而且基本都和平面图一致，这种对空间的理解，我认为才是nanobanana pro超出太多的地方。也许这和谷歌在世界模型的探索有关系？再进化下去，简直不敢想，一个照片甚至可以构建一个世界的时代可能就要来了。

拼多多仅退款更方便了（

修改图片：把图片里面这瓶洁面啫喱的瓶身改成轻度破损的状态

另外，对中文的支持仍然不好，而且不像GPT-4o那样支持透明背景。不过一致性还是比GPT-4o好的多的。

帮我扣除背景，变成透明背景的图片

辛辛苦苦半天不如一句话，美工这个职业很快就要被替代了吧。

别的不谈，Nano Banana现在是我的“废片拯救大师”。

话不多说，先上对比照：

翻看旅行相册，总有些照片因为逆光、路人或是暗沉的气色让人想按下删除键。今天给大家带来最简单直接的思路，帮你用Nano Banana快速救回那些充满回忆的瞬间。

一、拯救逆光“黑脸”，让面容清晰透亮

你是不是也遇到过这样的场景？夕阳逆光，氛围感拉满，唯独自己的脸黑得和背景融为一体。

拯救计划：

打开Nano Banana中文官网，输入以下提示词：

• 不改变其他五官，不改变女生的发型、衣服等其他细节；去掉照片背景里的路人，只留下景点；把图片里的天气改成傍晚，整个照片变成明亮的氛围，不要逆光，重构女生皮肤的颜色，重新上色，让女生脸和景色一样变成被自然光笼罩，把女生整体肤色p白p亮，突出五官，提升氛围感，注意光影调节和对比度。照片中不要有奇怪的光点、模糊等瑕疵

美貌一键回来，夕阳氛围感大片手拿把掐！

二、一键清场，告别背景里的路人甲乙丙

精心挑选的角落，却总是无法避开人来人往。好好的个人照，硬是拍出了集体照的感觉。

拯救计划：

打开Nano Banana中文官网，输入以下提示词：

• 不改主体五官、长相、表情，不改变主体女生的发型、衣服等其他细节；去掉照片背景里的路人，只留下景点；整个照片变成明亮的氛围，不要逆光，让女生脸和景色一样变成被自然光笼罩，突出五官，提升氛围感，照片中不要有奇怪的光点、模糊等瑕疵

独享整个景点，体验“包场”的快乐，做朋友圈的闪亮主角！

三、赋予好气色，和气血不足说拜拜

光线对了，背景净了，但照片里的自己看起来还是有点“电量不足”，脸色蜡黄或苍白，缺乏活力。

拯救计划：

打开Nano Banana中文官网，输入以下提示词：

• 精修出女生的五官，让女生的卧蚕更突出，营造出微笑时候眼睛的弧度，很自然，不改变其他五官，不改变女生的发型、衣服、姿势等其他细节；去掉女生脸上的雀斑和痣，让皮肤更有质感，去掉杂乱的背景，替换成飘窗，窗帘是抹茶绿色，窗帘打开，窗户外面的景色是道路景色，虚化。

还你妈生好皮，立刻回复元气！

告别繁琐准备与漫长等待，这些心法让你旅途中的每一次定格都游刃有余。无需费心布景，不费周章妆造，信步而行，随心而拍。将专业后期化为简单的点睛之笔，让高效出片成为旅途常态。你的精力，应当尽付于徜徉天地、拥抱山海——旅途的松弛与作品的质感，我们同时拥有!

每一次快门，都记录着一份独特的心情与风景。希望这几个小思路，能帮你留住更多完美的瞬间，让每一张旅行照，都值得你骄傲地分享。

快打开相册，找一张最意难平的照片试试看吧！也欢迎在评论区分享你的成果哦~

之前 AI 制作影视的工作流中，图生图的主体一致性一直是个大问题。虽然用一些 ComfyUI 的工作流能有所改善，但依然不怎么好用，而且门槛相对较高。尽管最近图生图的主体一致性已经有不小改善，从 GPT-4o 到 FLUX.1 的 Kontext 模型，图生图的主体一致性一直在不断进步，但离商用始终有不小的距离。

所以与其用图片参考的一致性来生成图片，我很多时候更愿意去训练一些自己的 LoRA 模型，在之前 LoRA 模型的主体一致性依然比图生图模型要好。

但是无论是训练自己的 LoRA，还是用图生图的形象或人物参考，始终离不开 PS 的支持，后期总是会耗费不少精力用 PS 辅助保持一致性。

虽然之前的图生图或者 LoRA 已经能将影视制作的速度加快很多，并达到以前许多需要特效才能完成的事情，但总体来说效率依然相对低下。而且再怎么说，至少需要一个熟练的 PS 支持人员。

但是 Nano Banana 改变了整个游戏规则。

我举个例子——首尾帧视频生成。

目前想要相对可控地控制 AI 视频生成，最好的办法就是通过首尾帧进行控制。因为目前的 AI 视频生成技术，一旦首尾帧的主体一致性保持得比较好，那么整个视频中间的主体一致性通常都能处理得很好，从而让视频有较好的连贯一致性。并且确定了视频的首帧和尾帧，视频中间时段的运动过程也就相对比较好推定了，因为一个首帧和尾帧之间的画面变化是相对可预测的。

所以难点就在于如何生成合适的首尾帧，而主体一致性就是两帧之间比较困难的一个问题。但是有了 Banana 这个主体一致性逆天的模型，我们就能比较好地控制首尾帧的主体一致性。

并且由于 Banana 模型有非常好的语义理解能力、语义遵从能力，甚至物理推理能力，我们可以把视频生成的首尾帧的时间间隔拉得更近。

比如我们完全可以在某一帧的基础上，通过语义指令、推理出 0.5 秒甚至 1 秒钟之后的图片状态，借助 Banana 模型几乎完美的图片一致性，获得某一帧图片在极短时间之后的状态，再通过图生视频的首尾帧功能连接起中间的动态。

图生视频的首尾帧距离间隔越短，也就意味着整个视频的可控性将会变得越来越高。

比如说过去首帧和尾帧相隔的时间有 5 秒钟，这中间 5 秒钟的内容都需要通过视频模型进行生成。但是如今我们有 Banana 这个主体一致性非常好、且生成效率非常高效的图生图模型，我们可以把首尾帧的相隔距离缩减得更短，比如说变成 3 秒、2 秒、1 秒甚至 0.5 秒。

比如我用最近的电影《捕风追影》的剧照试了下。

上图是《捕风追影》的一张剧照，如果我想让成龙下一秒站起来，且张子枫身体保持不动，仅仅表情发生一些变换，仅仅通过单张图的图生视频可控性就不会那么高。

但是我可以通过 banana 先生成 0.5 秒之后的状态，再通过首尾帧生成视频，那画面整体的可控性就会高很多。

让后我想进一步精确控制剧情发展和画面精度，比如我想让两人争吵起来，张子枫对着成龙怒目大吼，而成龙不动。我完全可以在上一帧的基础上通过 banana 继续生成图片。

然后我就得到了三帧一致性非常高，几乎没有任何瑕疵的单帧图。

再通过夹逼原理，生成三帧图中间的短时间的动态空白，这整个两三秒视频之间的画面可控性将变得非常之高。而正如我上面提到的一样，生成的帧数越多，两帧画面之间的时间间隔越短，整个视频生成的可控性就会越高。我们可以将这种相对时间距离较短的首尾帧生成视频的方式，理解为一种视频插帧的生成模式。

而目前 Banana 模型的费用极其低廉，尤其是对于商业应用的视频生成来说，成本几乎可以忽略。成本低廉就意味着我可以不计成本地通过工作流，大范围地生成某一帧画面之后想要的画面，再从这些生成的几张几十张画面中选取我想要的那一帧状态。再通过帧与帧之间不断的状态串联，快速连接起几分钟甚至几十分钟的剧情。

然后再通过这些精确可控、非常密集的关键帧，生成我的整个视频。

并且，这个视频制作过程，几乎是没有技术门槛的。

而且 Banana 模型还有一些更恐怖的地方。

比如说它的多主体一致性参考也非常不错，由于成本便宜，你可以多生成几张几十张，“抽卡”到多主体一致性非常好的图片。

另外它对图片中的人物和物体替换也做得很好，你完全可以用 Midjourney 这种审美更好的模型生成非常炫酷的场景设定，再进行人物替换。

通过不同模型之间的组合，你完全可以以 Banana 模型为中心，组建起审美非常好的场景设定工作流，以及主体和场景一致性非常好的关键帧生成工作流。

人人都可以制作短片的时代真的马上要到来了。

而一些成熟一点的视频工作室，甚至有可能借助这些工具和工作流，在建立好一部影视剧的人物素材库和场景素材库之后，达到每天生产几分钟甚至几十分钟剧情的水平，达到日更剧的生产效率。

Nano Banana 无疑是本年度对 AI 影视制作影响最大的模型。

纳米AI上线了“纳米P图”智能体，可以实现“nano banana”模型的效果。它可以完美复现“nano banana”模型生成能力，可以视作“nano banana”模型。以下“nano banana”文字均等同于“纳米P图”智能体。

以下是证据，它的参考生图背后实质上是接入了“nano banana”模型。至于有没有其他模型，我也不太清楚。（这段话可能会被找麻烦）

“nano banana”大模型最让我惊喜的一点就是“脑补的能力”，换言之，就是“想象力”。

比如，上传一个半身图片，然后转为手办，它就能生成一个完整的手办。

这是原始图片，没有下半身。

这是生成手办的效果，它补齐了下半身。虽然下半身没穿服装和鞋子。它把上半身的衣服往下延展了一点，形成“包臀裙”的效果。

比如，它也有空间感知感，可以脑补出各个视角看一个物体是什么效果。

这是角色正视角的图：

它能够生成角色侧视角的图，能够脑补出“角色正视角缺失的信息”，这点让我很惊喜。

目前这个玩法可控性比较差，期待“nano banana”模型后续的发展和其他生成3D模型的进步。

另外，“nano banana”模型更大的作用就是有利于“充分发挥人的创造力和想象力，实现自然语言修图”。

就像这些天大家都在测的“生成手办模型图片”、“生成多图参考图片”、“生成毛绒玩具”等任务。我用“纳米P图”智能体试了试，效果也很好。

或许，“nano banana”模型的出现，能让人们觉得-“通用生图大模型的技术突飞猛进，不只能生成二维静态图片，还能生成三维手办图片”。让知道“真的能把手办模型变为现实的和应用到游戏中的“生成3D模型”和“3D打印技术””的人多一点。

另一方面，“nano banana”模型所具有的保持人物一致性的能力和深度理解prompt的智能性能让人的想象力化为可视的图片。

比如我想生成抱枕，以以前我只能想象“抱枕是什么样子”，但我画不出来。借助“nano banana”模型，我可以生成高质量的“抱枕”图片，勾画出我的想法。

这是抱枕图片。我借鉴了大佬的提示词，略微修改了一下，改成生成“抱枕图片”的提示词。

​目前测试这段提示词适合用二次元角色的人设图来生成图片。大家可以多试试或者看看大佬的提示词。

​提示词：“将图片里的角色设计成 2K 分辨率且竖着放置的柔软毛绒长方形枕头。要求枕头展现角色的全身图片，布料用光滑的哑光织物，避免任何塑料感。添加细微的织物褶皱和接缝，打造手工缓冲效果。枕头应该看起来鼓起，轻微的凸起表明柔软。使用柔和的灯光来强调体积，并将枕头放在极简主义背景上，营造出俏皮、舒适的美感。”

再说修图，它能识别圈选，去除背景，也是可圈可点。让人们动动嘴就能解决问题。

不用说复杂的提示词，只需一句话就行，这体现了“nano banana”的智能性，它自动补全prompt，知道该怎么做。

原始图片：

最终成片，这效果相当可以。

以上就是我的想法。

最后，再分享“纳米P图”智能体的更多玩法，欢迎体验。一句话从搜图到手办生图only 纳米can do！

玩法列举及案例演示：

1、照片变杂志封面、风格

- 周总Time杂志封面 https://www.n.cn/share/mcp?id=cmawxc

- 照片生成Vogue海报 https://www.n.cn/share/mcp?id=tprmq7

2、照片通过参考图改动作

- 单人照参考动作生图（3图） https://www.n.cn/share/mcp?id=13vear

3、照片变手办、雕塑等

- 郭德纲照片变手办（英文提示词）https://bot.n.cn/share/mcp?id=r48pir&src=nm_share_agent_chat

4、复杂元素融合

- 女生厨房湿巾擦桌（多模态理解+生视频） https://www.n.cn/share/mcp?id=117fbx

5、一致性泛化

- 擦除人物改天色3种风格 https://bot.n.cn/share/mcp?id=yi8dai

- 单人参考生12张剧情连环画 https://www.n.cn/share/mcp?id=o8c13k

6、镜头视角修正

- 单角色正视图改侧视图 https://www.n.cn/share/mcp?id=uhm3xu

当前限时免费生成，欢迎体验。

Nano Banana最引人注意的地方，是把视觉(Vision)和图像生成(Image Generation)集中到一个模型中。

对于计算机科学来说，Vision和Image Generation是两个不同领域，前者是输入是图像，后者输出是图像。

之前的AI模型或者产品，也大多只具备Vision或者Image Generation其中之一的功能，比如Lllma 3.2有vision，但是不能生成图片，Stable Diffusion只能生成图像，但不能识别理解图像。

现在Nano Banana合二为一了，本质上，是因为把这两个方向的工作都用神经元网络来实现，方向不同，实现方式却一致，也就让一个模型具备两种能力。

照常，需要考验一下这个模型的能力怎么样，在Google AI Studio上已经可以使用Nana Banana(也就是Gemini 2.5 Flash Image Preview），标了价格，但是免费也可以玩很多图。

首先，怎么样集中考验模型生成能力呢？

我觉得要上猛药，就是要挑战AI模型容易出错的方面，包括：

1. 多个对象
2. 空间方位
3. 人物理解

为此，我用一个提示词来挑战这三个方面：

生成一张有 7 个小矮人和孙悟空的图片。左边 3 个小矮人，右边 4 个小矮人，中间是孙悟空。孙悟空应该像游戏中 BlackMyth: Wukong 里的孙悟空。

不过很奇怪，中文提示词下，好像Gemini就堕落成完全的语言模型，虽然回复『遵命！这是一张有 7 个小矮人和孙悟空的图片』，却并没有生成图片，interesting! 我猜可能Google AI Studio对于中文的处理可能还没有触发Net Banana的生成。

换成英文提示词吧，就出了结果。

但是，这不是黑神话里面的悟空啊！

当然，可能模型训练语料里因为版权的原因没有黑神话悟空，所以对『人物理解』有一些问题，但是，『多个对象』也有一点问题，提示词让左边3个小矮人、右边4个，生成的结果左边只看到2个完整的小矮人......还有一个人小矮人的胳膊，右边3个小矮人......和多出来一个小矮人的胳膊。

勉勉强强可以说Nano Banana生成了7个小矮人吧，不过，我有个了一个想法，既然这模型同时具备图片生成和Vision的能力，那，我把它生成的图片，再发给它用Vision来识别，结果会怎样呢？

说做就做，结果如下：

让Nano Banana识别自己生成的图片，它说『猴子周围有六个小矮人』，呵呵，模型自己也只能认出来6个小矮人。

进一步探索模型的能力，我想看看它能不能根据给定图片生成，就上传一个黑神话悟空的官方图片，让它参照生成一张悟空和龙打架的图片。

结果还不错，悟空终于像是那么回事了~

用同样的方法，让它重行生成『孙悟空和七个小矮人』：

生成『孙悟空在赛博朋克的街道上大战七个小矮人』：

除了生成多个对象还是有欠缺，其他的看起来还行哈！

更重要的是，图片生成的速度非常快，从官方博客的介绍看，能够保持角色的一致性，可以当PhotoShop一样P图，还具备一定的物理世界知识，在Google AI Studio上这些功能玩不出来，将来我再通过API调用来看看能玩出什么新的花样吧。

————更新————

我突然发现Nano Banana在一个session中会保持『底稿』，对『底稿』不做大的改变，后续的对话就完全是在『底稿』上打补丁，所以，有很高的一致性。

你看，当我让模型画『孙悟空大战七个小矮人』，就一定定了底稿，然后我让背景是赛博朋克风，再带点火和烟雾，Nano Banana就完全不改孙悟空和七个小矮人，只改背景。

然后提示词让悟空救白雪公主，也只是很直接地把白雪公主当补丁打上去。

非常有效的保持角色一致的方法:-)

Google的大手能再加把力吗，直接生成3d打印机的模型文件

\ / \ / \ /