大家好，我是言川。

最近，一款名為 Nano banana 的神秘圖像編輯模型火爆全網，昨晚熬了通宵測試了 100+案例，得出一個結論：它就是目前最強的圖像編輯模型，完美解決了 Flux Kontext、GPT-4o 對主體局部修改出現的變形問題。

往期報道：

直接上案例，為了測試主體一致性效果，我先用 Midjourney 生成了一張電影風格的角色分鏡圖。

提示詞：The man wearing a white mask stood in the narrow alley of the city. The shot was a frontal medium shot. He quietly gazed ahead, wearing a hooded coat with the sleeves swaying slightly in the wind. The background was a brick wall covered with colorful graffiti. The light entered from the entrance of the alley, illuminating part of the wall. The air was filled with tension and mystery.

接著上傳圖像+提示詞指令，讓 AI 幫我延展出下個分鏡圖。

提示詞：鏡頭側拍，白色面具男子緩緩走過小巷，手輕輕擦過布滿涂鴉的磚墻，步伐沉穩。墻壁上的光影隨著他的動作變換，巷口盡頭透出刺眼的白光，氛圍壓抑。

看這個角色和環境光影效果，一致性保持的非常好。用同樣的方式，就可以做出以下分鏡圖。

一張圖，一句指令，就能批量產出分鏡。

不用訓練 Lora，不用折騰復雜參數，這，才是我心目中的降本增效啊......

在這篇文章里，我將帶你全面認識這款模型，看看它到底能做到什么。全文包含 30+ 實測案例，覆蓋兩大核心功能：用嘴改圖和用圖改圖。

一、模型介紹

這款被稱作 Nano banana 的模型，早先是只能在 LM Arena 模型測評平臺使用，并且沒人知道它的來歷，非常神秘。

直到最近，謎底揭曉，它是 Google 推出的全新圖像編輯模型：Gemini 2.5 Flash Image。

官網介紹在這： https://deepmind.google/models/gemini/image/

目前官方使用方式有兩種（免費使用，但需要網絡）：

1. 在 Gemini 中 使用，地址： https://gemini.google.com/
2. 在 AI Studio 中使用，地址： https://aistudio.google.com/

本篇文章測試的案例是在 AI Studio 中使用的，所以就用它來演示了。

打開“Chat”，在輸入框中上傳圖像和提示詞即可。

比如，我上傳了一張動漫的角色圖，然后輸入提示詞。就可以得到不同場景，但人物保持一致的圖像。

提示詞：旗袍少女從側面視角，伸手撫摸一朵盛開的荷花，身體微微前傾，裙擺隨風輕輕飄動。場景是池塘邊，荷葉與荷花環繞，水面倒映月光。

用同樣的方式，就可以快速產出一批角色一致性的圖像，但這里有幾個注意點：

1. 尺寸控制：提示詞控制尺寸并不穩定，建議通過上傳參考圖來固定（生成圖尺寸 = 上傳圖尺寸）。
2. 提示詞細化：雖然編輯提示詞不用寫得很復雜，但越具體、越細致，效果往往越好。

當然，這個模型也可以多輪對話修改，比如在生成時，發現這張圖的燈籠有點莫名其妙，可以輸入提示詞：“刪掉頂部的燈籠”解決。

使用方式就是這么樸實無華，下面開始咱們來看一堆實測案例。

二、案例測評

1. 主體一致性

除了前面提到的“通過參考圖生成單張分鏡圖”，Nano banana 還支持一鍵批量生成分鏡圖。

比如，我上傳了兩張人物圖：小李子和露絲，讓他們再演一次。然后執行的指令是讓 AI 基于兩張角色圖一次性跑出 6 張分鏡圖。

提示詞：使用提供的兩張人物參考圖（男主和女主），創作一組關于他們的浪漫愛情故事的電影分鏡。整體風格為寫實浪漫的電影質感，具有柔和光影和濃厚氛圍感。請生成 6 張連續的分鏡畫面，每張畫面展示故事的發展過程，從初次相遇、情感逐漸升溫，到高潮與結局，保持電影般的敘事連貫性。要求人物形象保持一致，表情和動作隨劇情自然變化，展現豐富的情緒與張力。畫面構圖為橫版 16:9，不包含文字，僅保留視覺敘事。

展示下它給我生成的過程，除了圖像尺寸沒按照我說的 16:9 來，整體效果非常好，這也再次驗證了：在生成結果中，參考圖的影響力往往大于提示詞本身。

以下是完整的分鏡圖

2. 草圖控制

這里分享一個可能會打破大家認知的控圖技巧：通過草圖控制角色動作。

上傳兩張角色圖，然后我自己手動繪制了一張火柴人打架的草圖，再輸入提示詞，模型就能根據草稿生成對應的圖像。

提示詞：兩名角色按照圖三所示的動作展開戰斗，背景設置為契合戰斗氛圍的場景，并加入環境與角色的互動效果。最終畫面比例設定為 4:3。

接著，我又換了三張不同的參考圖，用同樣的提示詞跑圖，角色的一致性依舊保持得非常好。

除了簡易的火柴人草圖，其實還可以通過線稿草繪來精準控制人物動作。

比如，我在網上找了一張“扇臉”的草稿圖，結合提示詞進行生成，AI 也能順利跑出畫面。只不過，我并沒有指定兩個角色誰扇誰，它自動給我生成這樣的效果（試了好多次）...

AI 似乎能懂人類世界真實發生的場景，這你受得了嗎。

提示詞：兩名角色以圖三所示的姿勢展開互動，場景背景需與畫面氛圍相契合，并加入環境與角色的互動效果，畫面比例設定為 4:3。

震驚我的來了，你可以直接在畫面中添加圖片和文字注釋，讓 AI 自動幫你完成合成！

提示詞：根據輸入圖像中的注釋，生成完整的畫面。請移除文字注釋，并將對應位置替換為真實的人物和動物

但目前有個問題，就是圖像的清晰度不高，估摸著算力太高了，暫時不給我們滿血版模型玩。

3. 多圖融合

多張圖像拼成一張圖像的能力比較常見了，主要是看主體的還原度如何。這個部分直接上一個高難度案例，將 5 個動漫角色融合在一張圖中。

角色一致性表現得非常好，還訓練什么 Lora 模型，一張圖就解決了。

提示詞：使用提供的五個角色參考圖，生成一張星空下篝火場景，畫面充滿溫馨與友情，電影級光影。

再來看模特換裝，我先上傳一張人物圖和一張服裝圖，AI 就能完成換裝。

提示詞：將這件大衣穿在女模特身上，保持黑白色調

再換一整套服裝，也沒問題。

提示詞：使用提供的模特參考圖作為基礎人物，將提供的整套服裝穿在模特身上。

這對電商設計師來說絕對是狂喜場景！

我先是用即夢生成了一張模特拿飲料的圖片，能看出美年達的影子吧，但瓶子身上的細節很差。不過問題不大，換成我們指定的飲料，幾秒鐘就搞定了。

提示詞：保持模特的姿勢和表情不變，將她手中的飲料罐替換為提供紅色飲料罐

這套工作流真的很絲滑：即夢生成模特 → Nano banana 換指定產品。

提示詞：保持模特的手部姿勢和藍天背景不變，將手中拿著的飲料罐替換為提供的紅色飲料罐

同樣，我讓即夢生成了一張威士忌渲染圖，再用 Nano banana 替換成目標產品，效果依舊完美。

提示詞：保持左邊威士忌渲染圖的背景和環境不變（木質圓木底座、暖色燈光和陰影），將木樁上擺放的酒瓶替換為右圖中的威士忌瓶。

4. 文本編輯

文本編輯又可以叫做“用嘴改圖”，用提示詞來修改圖像中的物體，這是真的來搶 Phtoshop 的飯碗了。

提示詞：將她的服裝換成職業西裝，背景是辦公室場景。

提示詞：將他的服裝換成鋼鐵俠戰衣，保持人物姿勢和背景不變。

提示詞：將背景的 logo 換成 Google。

人像修圖都能做到，看這個案例，只需一句提示，AI 就能幫人物 剃胡子。

提示詞：刪掉人物臉上的胡子。

還有局部轉繪，我用它把一碗寫實的拉面轉換成插畫風格，AI 的意圖識別能力真的強到離譜。

提示詞：將畫面中的拉面和拉面碗轉換成具有奇幻感的 2D 手繪動漫插畫風格，同時保持圖像中其余部分完全不變。

最后就是老照片修復，干倒一批靠賣這套 ComfyUI 工作流的老師們。AI 的進化與普惠，優先取代是賣課的（當然也包含我在內）。

提示詞：修復這張受損的老照片，去除所有折痕、裂痕、污漬和劃痕，補全缺失的細節，提升清晰度，讓畫面自然完整。在修復的基礎上進行彩色化處理：嬰兒的膚色柔和自然，毛線帽和毛衣呈現溫暖的淺色調，母親的膚色健康自然，頭發為深棕色，衣服保持復古質感。

5. 圖像轉繪

沒啥好講的，上案例，我已經很少打開 Stable Diffusion 了。

提示詞：將這張圖轉換為黑白漫畫風格

這個手辦案例最近很火，提示詞我測試下來是通用的，各位拿去玩吧~

提示詞：將這張照片轉換為一個角色手辦。在手辦背后放置一個印有該角色圖像的包裝盒，并在旁邊展示一臺電腦，屏幕上顯示 Blender 建模的制作過程。在包裝盒前方放置一個圓形塑料底座，上面站立著角色手辦。讓 PVC 材質呈現出清晰真實的質感，并盡量將場景設置在室內環境中。

6. 物體標注

前段時間 Google 發布了一個世界模型，Nano Banana 應該是集成了這個能力，你可以僅靠一張圖像和一句提示詞，讓它幫你將建筑標注出來，并且寫上這個建筑的信息。

不過有個小坑需要注意：Nano Banana 在中文上的生成效果不佳。因此，提示詞最好翻譯成英文輸入，才能得到更理想的結果。

提示詞（需翻譯）：你是一名基于位置的 AR 體驗生成器。在這張圖像中高亮顯示「巴黎圣母院」，并為其添加相關注釋信息。

提示詞（需翻譯）：你是一名基于位置的 AR 體驗生成器。在這張圖像中高亮顯示「埃菲爾鐵塔」，并為其添加相關注釋信息。

三、寫在最后

以上就是本篇文章的全部內容，來嘮叨幾句。

其實，Nano Banana 這個模型早在 8 月中旬就已經火爆全網了，我一直是有在關注，但沒急著寫。

因為當時我的想法是：這不就是 GPT-4o、Flux Kontext、豆包 AI 都玩過的“用嘴改圖”嗎？感覺沒啥新鮮的，再加上 LM Arena 上的測試體驗很糟糕，我也沒怎么深入去玩。

直到最近 Google 官宣了這個事，我才真正去測試，昨晚測了個通宵，真的，太夸張了.......

以前我使用 GPT-4o、Flux Kontext，圖像編輯能力確實讓我覺得很牛，也就那樣。GPT-4o 在編輯時，會將你整張圖像進行重繪，在一些不太突出的場景下，還沒什么。

但涉及到人像、產品時，一點細微的變形，就讓它的商業價值大大降低。

而 Nano Banana，嚴謹一點，應該叫 Gemini 2.5 Flash Image，它是對局部進行重繪，完全不會影響其他區域，而且它對主體的學習能力太強了，你只需要上傳一張清晰的正面圖，它可以給你將多角度的圖像全部繪制出來。

這意味著什么？

這意味著它直接動了 Stable Diffusion 和 Photoshop 的蛋糕。因為后兩者還是有一定學習成本，而在 Gemini 2.5 Flash Image 面前，你只需要一句話、一張圖、就能快速得到你想要的圖片。

這才是真正具有商業價值的降本增效。

這才是 AI 時代下最實用的生產力工具。

當然，我也想提醒一句：AI 歸根結底只是工具。別被 取代 這種說法綁架。哪怕是智能體，也需要人類提出明確的需求。

會用工具，會思考的人，才有真正的價值。

如果你想學習 AIGC，可以加入我主理的《優設 AI 俱樂部》，俱樂部內沉淀有 2000+ 優質 AI 學習資料，涵蓋 AI 繪畫、AI 視頻、AI 提示詞、AI 工具庫、AI 商業設計案例、研究報告......

也可以點擊鏈接： https://wx.zsxq.com/group/15288828142182