Nano Banana 人物一致性最强的图像编辑模型

Nano Banana 人物一致性最强的图像编辑模型 Nano Banana 人物一致性最强的图像编辑模型 Modified August 25, 2025 最后的效果是这样的：可以看出，Labubu 变形了，这就很有趣了，不知道大模型内部的生图效果和参考图的顺序是否有关联。然后呢，我又想试试，如果融合了背景会怎么样，所以我又加了一张背景图提示词为：一位女子，身穿图二的连衣裙，站在图三的环境中效果如下：左边是 Nano Banana、右边是 GPT image 1，虽然说左边的人物和场景保持得更好，但是 GPT 给出的图片更合理，Nano Banana 在多图场景中给人的感觉就是比较生硬，感觉是硬 P 上去的。结尾从单图到多图，从表情动作到风格迁移，再到电商与多主体场景的测试，Nano Banana 都展现出极强的人物一致性和指令理解力。虽然在复杂场景中还存在一定的不稳定性，但它在目前图像模型中的表现，已经足够让人眼前一亮。更重要的是，我们至今还不知道它真正的身世。是谷歌自研？还是背后有别的神秘团队？这份不确定感，反而让 Nano Banana 更像是一颗突然落地的黑马。但是目前这个模型体验下来，给我更多的是震撼，后续应该会看到更多关于它的解析与应用案例。如果它真的能稳定落地的话，这可能是我未来的图像编辑首选。好啦，今天的分享就到这里啦！如果这篇文章对你有帮助，点个赞、点个关注、点个收藏！感谢大家的支持！！！夏尾｜你专属的 AI 口袋期待未来，我们能用 AI 一起解放生产力，成为超级个体最后的效果是这样的：可以看出，Labubu 变形了，这就很有趣了，不知道大模型内部的生图效果和参考图的顺序是否有关联。然后呢，我又想试试，如果融合了背景会怎么样，所以我又加了一张背景图提示词为：一位女子，身穿图二的连衣裙，站在图三的环境中效果如下：左边是 Nano Banana、右边是 GPT image 1，虽然说左边的人物和场景保持得更好，但是 GPT 给出的图片更合理，Nano Banana 在多图场景中给人的感觉就是比较生硬，感觉是硬 P 上去的。结尾从单图到多图，从表情动作到风格迁移，再到电商与多主体场景的测试，Nano Banana 都展现出极强的人物一致性和指令理解力。虽然在复杂场景中还存在一定的不稳定性，但它在目前图像模型中的表现，已经足够让人眼前一亮。更重要的是，我们至今还不知道它真正的身世。是谷歌自研？还是背后有别的神秘团队？这份不确定感，反而让 Nano Banana 更像是一颗突然落地的黑马。但是目前这个模型体验下来，给我更多的是震撼，后续应该会看到更多关于它的解析与应用案例。如果它真的能稳定落地的话，这可能是我未来的图像编辑首选。好啦，今天的分享就到这里啦！如果这篇文章对你有帮助，点个赞、点个关注、点个收藏！感谢大家的支持！！！夏尾｜你专属的 AI 口袋期待未来，我们能用 AI 一起解放生产力，成为超级个体 🔗 原文链接： https://mp.weixin.qq.com/s/g1gAnnq5... https://mp.weixin.qq.com/s/g1gAnnq5... 原创夏尾夏尾的AI口袋2025年08月23日 18:30 广东这两天，一款名叫 Nano Banana 的图像模型在 X 和 Reddit 上突然火了起来，网友都在纷纷测评，最牛的还是人物一致性的能力。要知道，在改图场景中，要保证人物主体脸部一致，那是多么的难，目前公认人物一致性最好的是 FLUX，但在众多的测试 case 中发现，Nano Banana 的效果比 FLUX 还要好。于是我就去查了一下这款模型出自哪家公司，但网上找不到任何确切的信息，有传言是来源于谷歌的大模型，但就不知道是谷歌内部自研的还是谷歌投资的公司。目前这个大模型比较神秘，也没有公开的体验地址，只能够在 lmarena 平台上，用 Battle 模式出图，但是因为 Battle 模式不能指定模型，所以具有随机性。地址： https://lmarena.ai/ 接下来，我们看看它的出图效果！单图先来看一个我在 X 上看到一个非常有趣的案例，原始图片如下：（来自即梦的一个素材）提示词为：Transform everything into a cartoon style except for the girl’s face and body。（意思是除了女生的脸和身体外，将其他东西都转成卡通风格）左 1、右 1、左 2、右 2、左 3、右 3 分别是 Nano Banana、FLUX、seededit、gemini 2.0 flash image、qwen image edit、GPT image 1 Nano Banana FLUX seededit gemini 2.0 flash image qwen image edit GPT image 1 可以看出，只有 Nano Banana 是做得最好的，整张人脸都保持得很好，除了双手受了影响以外，其他都没话说。再来尝试一下，提供主体，转成不同场景、不同动作、不同风格的效果，原始图为：然后，我将这个男人展示出不同的表情、动作，效果如下：（全都是 Nano Banana 的出图效果） A man lying sideways on a sofa. A man sits on a sofa with a corgi in his arms. A man is sitting on the sofa, covered with a blanket, almost falling asleep A man is watching TV with a happy expression on his face. A man is sitting on the sofa, covered with a blanket, almost falling asleep A man is sitting on the sofa, covered with a blanket, almost falling asleep A man is watching TV with a happy expression on his face. A man is watching TV with a happy expression on his face. A man is sitting on the sofa, crying sadly. A man is sitting on the sofa, looking very angry. A man is sitting on the sofa, crying sadly. A man is sitting on the sofa, crying sadly. A man is sitting on the sofa, looking very angry. A man is sitting on the sofa, looking very angry. 可以看出，人物一致性的效果非常的强，不论是动作的转换还是表情的呈现，都是独一档，我们只需要一张原始的图片，就能在不改变人物的情况，做出各种不同的图片。这个拿来做表情包那绝对是妥妥的。在测试下来我发现，这几个场景中只有 FLUX 能和 Nano Banana 对抗一下。我们再来测一张，一张图片中有两个主体，原始图如下：效果如下：两个人相互对视两个人相互对视，眼神含情脉脉，互相微笑起来两个人相互对视两个人相互对视两个人相互对视，眼神含情脉脉，互相微笑起来两个人相互对视，眼神含情脉脉，互相微笑起来两个人互相抱在一起男生脱下帽子为女生戴上帽子两个人互相抱在一起两个人互相抱在一起男生脱下帽子为女生戴上帽子男生脱下帽子为女生戴上帽子除了最后一张以外，其他几张表现得都很好，这几张测试下来，我感觉 Nano Banana 就是你让它动哪里它就动哪里，不该动的它绝对不动。来试一组风格、场景转换的效果，原始图如下：我用同一张照片，6种不同的风格，提示词是背景是在末日的废墟中，将图中的人物和背景转换成xxxxx风格。来看下 Nano Banana 的实力，效果如下： Moebius 风格艺术家 Kim Jung Gi 设计风格 Frank Frazetta 绘画风格赛博朋克风格 Frank Frazetta 绘画风格 Frank Frazetta 绘画风格赛博朋克风格赛博朋克风格达芬奇手稿风格皮克斯动画风格达芬奇手稿风格达芬奇手稿风格皮克斯动画风格皮克斯动画风格测这个的时候我已经被出图效果震惊到了，因为我是用的 lmarena 的 Battle 模式进行的出图，所以当图片出来以后我不知道图是哪个模型的生成的，需要选择哪一张图更好之后才能出来对应的模型名称。所以在测这个 case 的时候，只要是能让我震惊的，就一定是 Nano Banana，同图片同提示词的情况下，Nano Banana 在风格转换上是真的强，而且主体也不会变形。不能说其他模型做不到这个效果，只能说目前测下来，Nano Banana 可以用最短的提示词给出最好的效果。接下来我们试试一些电商场景的效果。多图融合电商场景中，一定有这样一种场景，用一个模特去搭配不同的产品，比如衣服，香水等，过去的做法当中，需要根据不同的产品去拍摄不同的宣传图。我们来看看，如果用 Nano Banana，效果怎么样。我们让图 1 的女生穿上图二的连衣裙服饰提示词为：图 1 中的女生穿上图二的连衣裙效果如下：左侧是 Nano Banana，右侧是 gemini 2.0 flash image。可以看出，在多图的场景下，Nano Banana 的效果有多惊艳了，人物从肉眼看不出来哪里有区别。再来一个更强的，我们在原本两张图的基础上再加一张图提示词为：图一中的女生穿上图二的连衣裙，手拿图三的扇子效果如下：左侧是 Nano Banana，右侧是 GPT Image 1 模型。 GPT 的表现还不错，但是人脸和人物姿态就能一眼看出不一致了。而 Nano Banana 给出的图，除了顶部的伞没了，但不论是人物、姿态、手部动作，我挑不出任何的缺点。我们再加个难度，再叠一张图，把 labubu 也融入图片中，看看效果提示词：图一中的女生穿上图二的连衣裙，手拿图三的扇子，图 4 的 labubu 站在人的右肩膀上效果如下：左侧是 Nano Banana，右侧是 GPT，从这张图可以更清晰的看出，GPT 在指令遵循上其实不弱于 Nano Banana，甚至我的提示词中是让 labubu 站在人的右侧，这个 GPT 做到了。而 Nano Banana 确是站在人的左侧，理解上有点偏差。但是人物一致性上 Nano Banana 绝对是独一档的存在。在一张图片中有两个主体，且两个主体的形象都没有变化不过这也不是每次都能保持这样的效果，在多主体的情况下，Nano banana 的出图效果并不稳定，如下所示。我稍微修改了下提示词：图一中的女生穿上图二的连衣裙，手拿图三的扇子，图 4 的 labubu 双手抱住图一女生的右臂上效果如下：可以看出左侧图 1 的女生脸部就变了。在多次试验之后，我发现了一个有趣的现象，Nano Banana 生成出来的图片，主体的脸部身形是否不一致，和图片的顺序有关系。比如，我将 Labubu 的图片放在第一张，女生的图片放在最后一张，如下图所示：