大家好，我是言川。
最近，一款名为 Nano banana 的神秘图像编辑模型火爆全网，昨晚熬了通宵测试了 100+案例，得出一个结论：它就是目前最强的图像编辑模型，完美解决了 Flux Kontext、GPT-4o 对主体局部修改出现的变形问题。
往期报道：
直接上案例，为了测试主体一致性效果，我先用 Midjourney 生成了一张电影风格的角色分镜图。
提示词：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.
接着上传图像+提示词指令，让 AI 帮我延展出下个分镜图。
提示词：镜头侧拍，白色面具男子缓缓走过小巷，手轻轻擦过布满涂鸦的砖墙，步伐沉稳。墙壁上的光影随着他的动作变换，巷口尽头透出刺眼的白光，氛围压抑。
看这个角色和环境光影效果，一致性保持的非常好。用同样的方式，就可以做出以下分镜图。
一张图，一句指令，就能批量产出分镜。
不用训练 Lora，不用折腾复杂参数，这，才是我心目中的降本增效啊......
在这篇文章里，我将带你全面认识这款模型，看看它到底能做到什么。全文包含 30+ 实测案例，覆盖两大核心功能：用嘴改图和用图改图。
一、模型介绍
这款被称作 Nano banana 的模型，早先是只能在 LM Arena 模型测评平台使用，并且没人知道它的来历，非常神秘。
直到最近，谜底揭晓，它是 Google 推出的全新图像编辑模型：Gemini 2.5 Flash Image。
官网介绍在这： https://deepmind.google/models/gemini/image/
目前官方使用方式有两种（免费使用，但需要网络）：
- 在 Gemini 中 使用，地址： https://gemini.google.com/
- 在 AI Studio 中使用，地址： https://aistudio.google.com/
本篇文章测试的案例是在 AI Studio 中使用的，所以就用它来演示了。
打开“Chat”，在输入框中上传图像和提示词即可。
比如，我上传了一张动漫的角色图，然后输入提示词。就可以得到不同场景，但人物保持一致的图像。
提示词：旗袍少女从侧面视角，伸手抚摸一朵盛开的荷花，身体微微前倾，裙摆随风轻轻飘动。场景是池塘边，荷叶与荷花环绕，水面倒映月光。
用同样的方式，就可以快速产出一批角色一致性的图像，但这里有几个注意点：
- 尺寸控制：提示词控制尺寸并不稳定，建议通过上传参考图来固定（生成图尺寸 = 上传图尺寸）。
- 提示词细化：虽然编辑提示词不用写得很复杂，但越具体、越细致，效果往往越好。
当然，这个模型也可以多轮对话修改，比如在生成时，发现这张图的灯笼有点莫名其妙，可以输入提示词：“删掉顶部的灯笼”解决。
使用方式就是这么朴实无华，下面开始咱们来看一堆实测案例。
二、案例测评
1. 主体一致性
除了前面提到的“通过参考图生成单张分镜图”，Nano banana 还支持一键批量生成分镜图。
比如，我上传了两张人物图：小李子和露丝，让他们再演一次。然后执行的指令是让 AI 基于两张角色图一次性跑出 6 张分镜图。
提示词：使用提供的两张人物参考图（男主和女主），创作一组关于他们的浪漫爱情故事的电影分镜。整体风格为写实浪漫的电影质感，具有柔和光影和浓厚氛围感。请生成 6 张连续的分镜画面，每张画面展示故事的发展过程，从初次相遇、情感逐渐升温，到高潮与结局，保持电影般的叙事连贯性。要求人物形象保持一致，表情和动作随剧情自然变化，展现丰富的情绪与张力。画面构图为横版 16:9，不包含文字，仅保留视觉叙事。
展示下它给我生成的过程，除了图像尺寸没按照我说的 16:9 来，整体效果非常好，这也再次验证了：在生成结果中，参考图的影响力往往大于提示词本身。
以下是完整的分镜图
2. 草图控制
这里分享一个可能会打破大家认知的控图技巧：通过草图控制角色动作。
上传两张角色图，然后我自己手动绘制了一张火柴人打架的草图，再输入提示词，模型就能根据草稿生成对应的图像。
提示词：两名角色按照图三所示的动作展开战斗，背景设置为契合战斗氛围的场景，并加入环境与角色的互动效果。最终画面比例设定为 4:3。
接着，我又换了三张不同的参考图，用同样的提示词跑图，角色的一致性依旧保持得非常好。
除了简易的火柴人草图，其实还可以通过线稿草绘来精准控制人物动作。
比如，我在网上找了一张“扇脸”的草稿图，结合提示词进行生成，AI 也能顺利跑出画面。只不过，我并没有指定两个角色谁扇谁，它自动给我生成这样的效果（试了好多次）...
AI 似乎能懂人类世界真实发生的场景，这你受得了吗。
提示词：两名角色以图三所示的姿势展开互动，场景背景需与画面氛围相契合，并加入环境与角色的互动效果，画面比例设定为 4:3。
震惊我的来了，你可以直接在画面中添加图片和文字注释，让 AI 自动帮你完成合成！
提示词：根据输入图像中的注释，生成完整的画面。请移除文字注释，并将对应位置替换为真实的人物和动物
但目前有个问题，就是图像的清晰度不高，估摸着算力太高了，暂时不给我们满血版模型玩。
3. 多图融合
多张图像拼成一张图像的能力比较常见了，主要是看主体的还原度如何。这个部分直接上一个高难度案例，将 5 个动漫角色融合在一张图中。
角色一致性表现得非常好，还训练什么 Lora 模型，一张图就解决了。
提示词：使用提供的五个角色参考图，生成一张星空下篝火场景，画面充满温馨与友情，电影级光影。
再来看模特换装，我先上传一张人物图和一张服装图，AI 就能完成换装。
提示词：将这件大衣穿在女模特身上，保持黑白色调
再换一整套服装，也没问题。
提示词：使用提供的模特参考图作为基础人物，将提供的整套服装穿在模特身上。
这对电商设计师来说绝对是狂喜场景！
我先是用即梦生成了一张模特拿饮料的图片，能看出美年达的影子吧，但瓶子身上的细节很差。不过问题不大，换成我们指定的饮料，几秒钟就搞定了。
提示词：保持模特的姿势和表情不变，将她手中的饮料罐替换为提供红色饮料罐
这套工作流真的很丝滑：即梦生成模特 → Nano banana 换指定产品。
提示词：保持模特的手部姿势和蓝天背景不变，将手中拿着的饮料罐替换为提供的红色饮料罐
同样，我让即梦生成了一张威士忌渲染图，再用 Nano banana 替换成目标产品，效果依旧完美。
提示词：保持左边威士忌渲染图的背景和环境不变（木质圆木底座、暖色灯光和阴影），将木桩上摆放的酒瓶替换为右图中的威士忌瓶。
4. 文本编辑
文本编辑又可以叫做“用嘴改图”，用提示词来修改图像中的物体，这是真的来抢 Phtoshop 的饭碗了。
提示词：将她的服装换成职业西装，背景是办公室场景。
提示词：将他的服装换成钢铁侠战衣，保持人物姿势和背景不变。
提示词：将背景的 logo 换成 Google。
人像修图都能做到，看这个案例，只需一句提示，AI 就能帮人物 剃胡子。
提示词：删掉人物脸上的胡子。
还有局部转绘，我用它把一碗写实的拉面转换成插画风格，AI 的意图识别能力真的强到离谱。
提示词：将画面中的拉面和拉面碗转换成具有奇幻感的 2D 手绘动漫插画风格，同时保持图像中其余部分完全不变。
最后就是老照片修复，干倒一批靠卖这套 ComfyUI 工作流的老师们。AI 的进化与普惠，优先取代是卖课的（当然也包含我在内）。
提示词：修复这张受损的老照片，去除所有折痕、裂痕、污渍和划痕，补全缺失的细节，提升清晰度，让画面自然完整。在修复的基础上进行彩色化处理：婴儿的肤色柔和自然，毛线帽和毛衣呈现温暖的浅色调，母亲的肤色健康自然，头发为深棕色，衣服保持复古质感。
5. 图像转绘
没啥好讲的，上案例，我已经很少打开 Stable Diffusion 了。
提示词：将这张图转换为黑白漫画风格
这个手办案例最近很火，提示词我测试下来是通用的，各位拿去玩吧~
提示词：将这张照片转换为一个角色手办。在手办背后放置一个印有该角色图像的包装盒，并在旁边展示一台电脑，屏幕上显示 Blender 建模的制作过程。在包装盒前方放置一个圆形塑料底座，上面站立着角色手办。让 PVC 材质呈现出清晰真实的质感，并尽量将场景设置在室内环境中。
6. 物体标注
前段时间 Google 发布了一个世界模型，Nano Banana 应该是集成了这个能力，你可以仅靠一张图像和一句提示词，让它帮你将建筑标注出来，并且写上这个建筑的信息。
不过有个小坑需要注意：Nano Banana 在中文上的生成效果不佳。因此，提示词最好翻译成英文输入，才能得到更理想的结果。
提示词（需翻译）：你是一名基于位置的 AR 体验生成器。在这张图像中高亮显示「巴黎圣母院」，并为其添加相关注释信息。
提示词（需翻译）：你是一名基于位置的 AR 体验生成器。在这张图像中高亮显示「埃菲尔铁塔」，并为其添加相关注释信息。
三、写在最后
以上就是本篇文章的全部内容，来唠叨几句。
其实，Nano Banana 这个模型早在 8 月中旬就已经火爆全网了，我一直是有在关注，但没急着写。
因为当时我的想法是：这不就是 GPT-4o、Flux Kontext、豆包 AI 都玩过的“用嘴改图”吗？感觉没啥新鲜的，再加上 LM Arena 上的测试体验很糟糕，我也没怎么深入去玩。
直到最近 Google 官宣了这个事，我才真正去测试，昨晚测了个通宵，真的，太夸张了.......
以前我使用 GPT-4o、Flux Kontext，图像编辑能力确实让我觉得很牛，也就那样。GPT-4o 在编辑时，会将你整张图像进行重绘，在一些不太突出的场景下，还没什么。
但涉及到人像、产品时，一点细微的变形，就让它的商业价值大大降低。
而 Nano Banana，严谨一点，应该叫 Gemini 2.5 Flash Image，它是对局部进行重绘，完全不会影响其他区域，而且它对主体的学习能力太强了，你只需要上传一张清晰的正面图，它可以给你将多角度的图像全部绘制出来。
这意味着什么？
这意味着它直接动了 Stable Diffusion 和 Photoshop 的蛋糕。因为后两者还是有一定学习成本，而在 Gemini 2.5 Flash Image 面前，你只需要一句话、一张图、就能快速得到你想要的图片。
这才是真正具有商业价值的降本增效。
这才是 AI 时代下最使用的生产力工具。
当然，我也想提醒一句：AI 归根结底只是工具。别被 取代 这种说法绑架。哪怕是智能体，也需要人类提出明确的需求。
会用工具，会思考的人，才有真正的价值。
如果你想学习 AIGC，可以加入我主理的《优设 AI 俱乐部》，俱乐部内沉淀有 2000+ 优质 AI 学习资料，涵盖 AI 绘画、AI 视频、AI 提示词、AI 工具库、AI 商业设计案例、研究报告......
也可以点击链接： https://wx.zsxq.com/group/15288828142182
