【万字细聊】Nano Banana 2：能力解析与电商应用深度综合分析 总有一个能夺走你的"woc"

【万字细聊】Nano Banana 2：能力解析与电商应用深度综合分析 总有一个能夺走你的"woc" 【万字细聊】Nano Banana 2：能力解析与电商应用深度综合分析 总有一个能夺走你的"woc" Modified January 23 一次生成多个广告变体 一张产品图生成多个场景版本。 用来做 A/B 测试。 Code block Plain Text Copy 生成该图片的4个变体版本。变体1：场景为健身房地面，动态光照效果。变体2：场景为街头风格拍摄，混凝土背景。变体3：场景为简洁的摄影棚拍摄，淡蓝色背景。变体4：场景为越野跑环境，泥土与草地背景。质量要求：所有输出必须为4K分辨率，达到照片级真实感。 广告投放需要测试哪个场景转化率高： • 健身场景吸引健身人群 • 街头场景吸引潮流人群 • 摄影棚场景突出产品本身 • 户外场景吸引运动爱好者 以前： 1. 去4个地方拍摄 2. 或者找4种素材背景 3. PS 合成4张图 现在： 1. 写一个提示词 2. 等几秒 3. 得到4张图 不用提前决定用哪个场景。 全部生成出来，数据说话。 而且能快速响应不同渠道： • 小红书：用摄影棚版本（干净） • 抖音：用街头版本（有氛围） • 官网：用工厂版本（专业） • 电商平台：用办公室版本（应用场景） 在设计中加二维码 这个是有趣的，也是我意外测试到的， 而且，是能扫出来的！！！ V2 能在图里放二维码。 而且不会把二维码画变形。 Code block Plain Text Copy 在图片的右下角放置图片这个二维码，一个可扫描的二维码。二维码应与美学略微融合，但保持足够高的对比度以便扫描。比例16:9 旧模型画二维码会： • 把方块画歪 • 把黑白点画模糊 • 或者直接画成随机噪点 V2 能保持二维码的几何结构： • 方块是方的 • 黑白分明 • 位置准确 关键点 "保持足够对比度以便扫描"很重要。 不加这句，V2 可能为了美观把二维码做得太淡，扫不出来。 高级提示词技巧 V2 不是简单的"画图工具"。 你得用特定语法来触发它的推理能力。 这些语法像编程语言里的函数。 用对了，V2 会更认真地处理你的要求。 技巧1：加"约束" 格式 Code block Plain Text Copy [主体] + [上下文] + 约束：保持X一致 + [其他细节] 例子 Code block Plain Text Copy 一位女性的肖像。 约束：保持与图A完全一致的面部特征。 细节：光线必须是上午11:00的阳光。 不加"约束"： • V2 可能改变脸型 • 五官可能不像原图 加了"约束"： • V2 在生成时会重点检查脸部特征 • "约束"这个词提高了这部分的权重 实际应用 换场景但人脸不变： Code block Plain Text Copy 男性在海边跑步。 约束：保持与图A完全一致的面部特征和发型。 光线：傍晚金色光照。 换衣服但产品不变： Code block Plain Text Copy 模特穿着夏季连衣裙。 约束：保持与图A完全一致的包包细节和logo。 背景：城市街道。 技巧2：分步骤写 格式 Code block Plain Text Copy 步骤1：[第一个动作] 步骤2：[第二个动作] 步骤3：[第三个动作] 例子 Code block Plain Text Copy 步骤1：添加一张灰色沙发在房间中央 步骤2：在前景添加茶几和椅子 步骤3：将墙纸改为暖米色 不分步骤： • V2 一次处理所有元素 • 容易出现位置冲突（沙发和茶几重叠） 分步骤： • V2 按顺序规划 • 先放沙发，再根据沙发位置放茶几 • 最后调整墙色 实际应用 复杂产品摄影： Code block Plain Text Copy 步骤1：将手表放在黑色大理石台面中央 步骤2：在手表左侧45度角添加柔光 步骤3：在右下角添加品牌logo水印 步骤4：背景虚化至f/1.8效果 多产品组合： Code block Plain Text Copy 步骤1：将香水瓶放在画面中央 步骤2：在香水瓶左边添加配套护手霜 步骤3：在右边添加同系列沐浴露 步骤4：调整光照让三个产品都有高光 技巧3：加"Grounding" 格式 Code block Plain Text Copy [主体描述] Grounding：[要求使用真实世界的知识] 例子 Code block Plain Text Copy 关于豆蔻茶的信息图。 Grounding：使用关于其起源和益处的真实世界事实。包含多语言文本。 不加"Grounding"： • V2 可能编造信息 • 技术细节可能不准确 加了"Grounding"： • V2 会调用真实知识库 • 数据和事实更准确 实际应用 技术图表： Code block Plain Text Copy 单反相机内部结构图，标注主要部件。 Grounding：确保部件位置和名称技术准确。 历史场景： Code block Plain Text Copy 1920年代上海外滩街景。 Grounding：建筑风格、服装、交通工具符合1920年代史实。 产品成分信息： Code block Plain Text Copy 护肤品成分信息图，列出主要成分和功效。 Grounding：使用真实的化学成分名称和科学验证的功效。 一次生成多个广告变体 一张产品图生成多个场景版本。 用来做 A/B 测试。 广告投放需要测试哪个场景转化率高： • 健身场景吸引健身人群 • 街头场景吸引潮流人群 • 摄影棚场景突出产品本身 • 户外场景吸引运动爱好者 以前： 1. 去4个地方拍摄 2. 或者找4种素材背景 3. PS 合成4张图 现在： 1. 写一个提示词 2. 等几秒 3. 得到4张图 不用提前决定用哪个场景。 全部生成出来，数据说话。 而且能快速响应不同渠道： • 小红书：用摄影棚版本（干净） • 抖音：用街头版本（有氛围） • 官网：用工厂版本（专业） • 电商平台：用办公室版本（应用场景） 在设计中加二维码 这个是有趣的，也是我意外测试到的， 而且，是能扫出来的！！！ V2 能在图里放二维码。 而且不会把二维码画变形。 旧模型画二维码会： • 把方块画歪 • 把黑白点画模糊 • 或者直接画成随机噪点 V2 能保持二维码的几何结构： • 方块是方的 • 黑白分明 • 位置准确 关键点 "保持足够对比度以便扫描"很重要。 不加这句，V2 可能为了美观把二维码做得太淡，扫不出来。 高级提示词技巧 V2 不是简单的"画图工具"。 你得用特定语法来触发它的推理能力。 这些语法像编程语言里的函数。 用对了，V2 会更认真地处理你的要求。 技巧1：加"约束" 格式 例子 不加"约束"： • V2 可能改变脸型 • 五官可能不像原图 加了"约束"： • V2 在生成时会重点检查脸部特征 • "约束"这个词提高了这部分的权重 实际应用 换场景但人脸不变： 换衣服但产品不变： 技巧2：分步骤写 格式 例子 不分步骤： • V2 一次处理所有元素 • 容易出现位置冲突（沙发和茶几重叠） 分步骤： • V2 按顺序规划 • 先放沙发，再根据沙发位置放茶几 • 最后调整墙色 实际应用 复杂产品摄影： 多产品组合： 技巧3：加"Grounding" 格式 例子 不加"Grounding"： • V2 可能编造信息 • 技术细节可能不准确 加了"Grounding"： • V2 会调用真实知识库 • 数据和事实更准确 实际应用 技术图表： 历史场景： 产品成分信息： 三种技巧组合使用 例子：复杂的产品广告 这个提示词： • 用"步骤"控制生成顺序 • 用"约束"保持产品一致 • 用"Grounding"确保数据真实 • 加上光线和质量要求 你做飞书集成的电商图生成，可以写模板： 客户填空就能生成专业图。 这些技巧的核心是： • 把你的要求写清楚 • 告诉 V2 什么最重要（约束） • 告诉 V2 按什么顺序做（步骤） • 告诉 V2 哪里要真实（Grounding） 高保真文本系列 这些提示词测试关于中文文本能力。 报纸特写 手写测试 嵌套上下文系列（盗梦空间） 这些提示词测试模型的层级理解能力。 摄影师之眼 无限绘画 🔗 原文链接： https://mp.weixin.qq.com/s/acqwdlAt... https://mp.weixin.qq.com/s/acqwdlAt... 原创 CY CHENYUE Ai智能向善2025年11月21日 21:08 广东 大家好， 我是CY CHENYUE， 今天，聊下新发布的banana 2， 为了方便后续理解， Banana 1 我们统一叫V1， 新版 Banana2对应 V2。 网上一些测试结果，和评论，都是V2🐂🍺 但是，今天我准备从模型能力，对应的场景聊起，不谈技术。 看看V2，对于我们有那些用途，特别是在电商领域。 为了更好的了解V2的能力，我们先从V1和V2的对比聊起。 从扩散到推理引导的合成 V1 的问题： V1 用扩散模型。 生成快，但脑子不够用。 你说"把时钟放左边"，它可能画歪。 你说"写这行字"，它可能写成乱码。 所以你得反复说细节："蓝天、4K、高清、写实、细节丰富"。 但就算这样，复杂场景还是会崩。 V2 的改变： V2 拆成两部分： • 大脑（Gemini 3.0 Pro） ：读提示词，理解你要什么，规划场景 • 手（GemPix 2） ：根据大脑的指令画图 大脑会在画之前做检查。 比如： • 时钟的指针对不对 • 文字有没有写错 • 物体位置合不合理 检查完再让手去画。 提示词写法变了 V1 时代：描述 像素 你在告诉它"这里涂蓝色，那里画个云"。 V2 时代： 描述逻辑 你在说"你懂物理吧？按物理规律来"。 为什么这么改 V1 是画笔，你得手把手教它怎么画。 V2 是摄影师，你说想要什么效果，它自己想怎么拍。 比如你要拍玻璃产品： • V1：你得说"透明、反光、高光在右上角、阴影在左下角" • V2：你说"玻璃材质，自然光从窗户进来"，它自己算光怎么走 这就是为什么 V2 能画复杂场景。 它不是在拼像素，是在理解你要什么。 四步生成流程 步骤1：拆解需求 你说："机器人黑客在三个显示器前工作" 模型拆成： • 一个机器人 • 三个显示器 • 黑客的工作场景（比如代码界面） • 空间关系：机器人在显示器前 步骤2：画草图 不是直接出高清图。 先画个低分辨率的布局图。 就像建筑师先画草图，不是直接盖楼。 步骤3：自检 LLM 会问自己： • "显示器是不是三个？" • "代码界面写的文字对不对？" • "机器人的手是不是在键盘上？" 不对就回到步骤2，重画布局。 步骤4：输出高清图 确认没问题了，才渲染最终版本。 V1 的问题 你说"时钟显示3点15分"。 V1 直接画，时针可能指向4，分针指向8。 你只能重新生成（reroll），运气不好要试10次。 V2 的优势 V2 会在步骤3检查："时针是不是指向3和4之间？分针是不是指向3？" 不对就改，改完再出图。 你第一次生成就对了。 实际效果 复杂场景不会崩 "机器人黑客在三个显示器前工作" • V1：可能画出两个显示器，或者显示器上是乱码 • V2：三个显示器都有，屏幕上是真的代码 文字不会乱写 "瓶子上写着'通往AGI之路'" • V1：写成"通住AGl2路" 或者根本认不出来 • V2：字对了，而且刻在瓶子上的位置、角度都合理 对你的实际意义 你做电商图生成项目，这个机制意味着： 1. 成功率高 ：客户要求"产品包装上写XX品牌"，一次就对 2. 省时间 ：不用反复生成到对为止 3. 可以接复杂需求 ："三个产品排一排，中间那个放大，背景是渐变"这种以前做不了的需求，现在能做 本质上，V2 把"试错"这个过程内置了。你看到的第一张图，已经是它内部试了好几次的结果。 从 Nano Banana 1 到 Nano Banana 2 。 下面用例子来说明 画一个多层嵌套的场景 这个提示词有四层： 1. Windows 11 操作系统 2. Chrome 浏览器 3. YouTube 网站 4. MrBeast 的脸 每层都要对。 V2 做到了三件事 1. 层级不乱 • Windows 11 的任务栏在底部，居中 • Chrome 的标签页和地址栏位置对 • YouTube 的界面布局对 • MrBeast 的缩略图在该出现的位置 旧模型通常在第二层就崩了。比如浏览器的标签栏画成 Firefox 的样式。 2. 人脸对 MrBeast 是公众人物。 V2 画出来的脸像他。 旧模型通常把脸画变形。 3. UI 细节准 • Windows 开始按钮的图标对 • Chrome 地址栏左边的锁图标对 • YouTube 的红色 logo 对 • 字体是系统默认字体 这叫"世界知识"。模型见过这些界面，知道它们长什么样。 能生成场景化的产品图。 例子1： "手机屏幕显示你们的 App，手机放在咖啡店桌上" • 手机型号对（比如 iPhone 的刘海屏） • App 界面布局合理 • 桌子、咖啡杯、光照都真实 例子2： "电脑屏幕显示我们的网站，网站上有产品图，背景是办公室" • 电脑型号对 • 浏览器界面准确 • 网站布局正常 • 屏幕有反光 • 键盘在桌上有投影 以前你得拍照+PS。现在写一句话就行。 而且 V2 会自动处理透视和光照。 画精确的数字和物理现象 接下来这个， 旧模型画不准数字。 你说"时钟显示3点"，它可能画成3点20。 你说"杯子倒满"，它画个半满的杯子。 V2 的"大脑"能算。 V2 做对了两件事 1. 时间准确 时针指向11和12之间（接近11）。 分针指向3（15分钟）。 这需要算。不是"看着像时钟"就行。 旧模型通常： • 时针指向12 • 分针指向随机位置 • 或者两根针重叠 2. 物理现象对 红酒倒满到边缘。 液面中间微微高出杯沿。 这叫弯月面，是表面张力导致的。 旧模型画不出这个。 要么液面是平的。 要么酒洒出来了。 为什么旧模型做不到 旧模型靠"模式匹配"。 它见过很多时钟的图片。 但它不知道时针和分针的角度怎么算。 V2 有"大脑"。 它知道： • 11:15 时，时针走了 11.25 小时（11 + 15/60） • 时针每小时转 30 度（360/12） • 所以时针在 337.5 度的位置 这是推理，不是记忆。 你能要求精确的细节。 例子1： "手表显示 10:10，表盘是白色" 旧模型：时间乱画 V2：时间对 例子2： "香水瓶装到80%，能看到液面高度" 旧模型：瓶子是满的或空的 V2：液面在正确的位置 例子3： "温度计显示 36.5 度" 旧模型：数字乱写 V2：数字准确 这对电商图很重要。 客户要求"显示产品容量 500ml"，你得画准。 电商场景的实际用法 V2 能处理文字、保持产品一致、懂商业摄影的规则。 这不是玩具，能直接用在生产环节。 服装去模特 效果 上传一张真人穿衣服的照片。 V2 输出： • 衣服保留原样 • 模特消失 • 白背景 • 衣服有立体感（不是平铺） • 布料的褶皱和质感还在 为什么有用 电商产品图通常要白背景。 以前你得： 1. 拍模特照 2. PS 抠图 3. 去掉模特 4. 调整衣服形状让它看起来立体 现在一句话搞定。 换场景 效果 同一件衣服，换个场景： • 模特在街上走 • 背景是巴黎的建筑 • 光线是傍晚的暖光 • 衣服的质感不变 为什么有用 一件衣服需要多种场景图： • 产品图（白背景） • 生活方式图（街拍、咖啡店、户外） • 细节图（面料特写） 以前要拍多次。 现在拍一次产品图，其他场景用 AI 生成。 省的成本 • 模特费：省了 • 外景拍摄费：省了 • 后期修图费：省了 而且能快速测试不同场景。 比如客户想看"在海边"的效果，改一句话就行。 产品包装带文字 旧模型在瓶子或盒子上写不清楚字。 要么是乱码，要么字体变形。 V2 能写清楚。 效果 V2 生成的图： • 英文"Way to AGI"清晰 • 中文"通往AGI之路"也清晰 • 字体是衬线字体（有装饰笔画） • 字是浮雕效果（凸起的） • 金色反光真实 • 水珠的位置和大小合理 为什么难 写字在瓶子上有三个难点： 1. 字要对（不能写错） 2. 字要弯曲（贴合瓶子的曲面） 3. 光照要对（金色字会反光） 旧模型通常在第1步就失败。 电商产品图经常需要： • 在包装盒上显示品牌名 • 在瓶子上显示产品名 • 在标签上显示规格 以前你得： 1. 拍产品 2. PS 把文字贴上去 3. 调整透视和光照让文字看起来真实 现在直接生成。 而且能快速测试不同设计： • 换字体 • 换颜色 • 换位置 一句话的事。 信息图和结构图 电商需要解释产品怎么工作。 V2 能画带标注的技术图。 内部结构图 效果 V2 生成： • 相机剖面图 • 内部零件位置对 • 标签文字清晰 • 指示线指向正确位置 • 风格像教科书插图 " Grounding "的作用 "Grounding：确保技术准确"这句话让模型去调用真实知识。 不加这句： • 五棱镜可能画在错误位置 • 反光镜的角度可能不对 加了这句： • 模型会参考真实相机的结构 • 零件位置符合物理规律 对比信息图 效果 V2 生成： • 左右分屏 • 左边皮肤干燥，有纹理 • 右边皮肤水润，有光泽 • "使用前""使用后"文字清晰 • 文字在顶角 • 字体是无衬线字体（干净简单） • 整体看起来像医学广告 对比图是电商常用格式： • 护肤品：使用前后 • 清洁产品：清洁前后 • 健身产品：训练前后 • 装修材料：施工前后 以前你得： 1. 拍两张照片（或找素材） 2. PS 拼成左右对比 3. 加文字标签 4. 调色让两边风格统一 关键是： • 文字标签清楚（"使用前""使用后"） • 对比明显 • 风格统一 V2 能一次生成，不用拼图。 改场景不用重拍 产品图能换季节、换天气、换氛围。 不用重新拍。 效果 上传一张产品图（比如夏天拍的）。 V2 输出： • 背景变成雪景 • 产品边缘有霜 • 空中飘着雪花 • 光线是冷色调（蓝白色） • 产品上的文字还清楚 电商需要季节性营销图： • 春天：樱花、嫩绿 • 夏天：海滩、阳光 • 秋天：落叶、暖色 • 冬天：雪、冷色调 以前： 1. 等季节到了去拍 2. 或者搭景拍摄（成本高） 3. 或者 PS 换背景（费时间） 现在： 1. 拍一次产品图 2. 写四句提示词 3. 生成四季版本 关键点 每次都要说"保持产品标签/logo清晰"。 不然 V2 可能把文字也模糊化了。 这对快速响应营销需求很有用。 换颜色生成多个SKU 一件产品有多个颜色版本。 不用每个颜色都拍。 效果 上传一张白色球鞋的产品图。 V2 输出： • 球鞋变成粉色和绿色 • 鞋的形状、角度、位置不变 • 光照和阴影跟着颜色调整（粉色反光是粉色的） • 看起来像真拍的 服装、鞋子、包、手机壳这类产品通常有5 10个颜色。 以前： 1. 准备5 10个颜色的样品 2. 每个都拍一遍 3. 或者 PS 改颜色（但光照和阴影很难调对） 现在： 1. 拍一个颜色 2. 写提示词 3. 生成其他颜色 关键点 要说"调整光照、阴影和色彩平衡"。 不然新颜色可能看起来像 PS 贴上去的，不真实。 比如粉色物体反光应该是淡粉色的。 金属蓝的反光应该是蓝色高光。 V2 会自动处理这些细节。 省的成本 假设一个产品有8个颜色： • 拍摄成本：省7次 • 样品成本：只做1个 • 修改成本：改配色写一句话就行 对电商项目来说，这个功能能让客户快速测试新配色。 不用真的生产出来再拍。 万能背景切换模板 一个产品能放到任何场景。 用这个模板填空就行。 上传一张产品图。 填空生成不同场景。 例子1：咖啡店场景 例子2：户外场景 例子3：高端场景 为什么要加"限制条件" "产品必须在桌面上投射真实阴影"： • 不加这句，产品可能像飘在空中 • 阴影让产品看起来真的放在那里 "透视效果需匹配50毫米镜头"： • 不加这句，透视可能变形 • 50毫米是标准产品摄影镜头，透视自然 换模特但衣服不变 时尚照片能换不同模特。 衣服保持一模一样。 使用此模板改变时尚照片中模特的多样性。 准备两张图： • 图1：模特穿着你的衣服 • 图2：你想换的新模特（任何照片） V2 输出： • 新模特穿着图1的衣服 • 衣服的褶皱、光照、贴合度一样 • 新模特的表情按你要求来 • 背景虚化 服装品牌需要展示多样性： • 不同肤色的模特 • 不同年龄的模特 • 不同体型的模特 以前： 1. 找多个模特 2. 每个模特都拍一遍 3. 成本高，周期长 现在： 1. 拍一个模特 2. 上传想换的模特照片 3. 生成新版本 "约束：保持衣服完全一致"很重要。 不加这句，衣服可能： • 颜色变了 • 款式变了 • 褶皱位置不对 "保留褶皱、光照、贴合度"让衣服看起来像真穿的。 不是把衣服贴上去，是真的穿在新模特身上。 对电商项目 客户卖服装，需要： • A/B测试不同模特 • 展示品牌包容性 • 快速响应市场需求 一次拍摄，多种模特版本。 而且能测试： • 这件衣服在不同人身上效果如何 • 哪个模特转化率更高 不用真的找模特拍，先生成看效果。