Nano Banana Pro 圖片生成與編輯

Nano Banana Pro 是什麼

Nano Banana Pro 是 Google 的圖像生成與編輯模型，發表於 2025 年 11 月 20 日，在 Google 自己的資料裡對應架構名 Gemini 3 Pro Image。它建立在 Gemini 3 Pro 之上，因此會對需求本身進行推理，而不只是照字面比對關鍵詞。

在本站它與其他模型共用同一個圖片工作台。本頁提供模型身分、本工作台開放的控件、Google 隨官方樣例一併公布的提示詞，以及在任務提交前由伺服端給出的即時報價。

選擇模型時最該看的是 Google 自己劃下的分工。Nano Banana Pro 面向需要最高事實準確度、可讀文字與精細控制的高保真任務。初代 Nano Banana（即 Gemini 2.5 Flash Image）仍是快速、輕量的選項。

Nano Banana Pro 適合的七類任務

以下清單依據 Google 用這個模型展示出來的效果，而不是任何轉售商的行銷說法。

• 海報與包裝這類必須承載可讀文字的畫面。Google 把這個能力列為首要強項，並展示了短標語、長段落、手寫感字體，以及用實物堆出整句話的效果。
• 由真實資訊拼出的資訊圖與圖解。Google 自己的樣例裡既有室內植物的養護指南，也有分步食譜，都靠模型自身的世界知識生成，而不是靠上傳一份版式稿。
• 依賴當下事實的內容。模型可以連接 Google 搜尋，Google 的發表文章裡展示了一張用即時天氣資料做成的普普風天氣圖。
• 分鏡腳本與系列圖。一次生成多張，讓同一組角色、風格與色調在一段序列裡保持一致。
• 需要混合大量輸入圖的合成：Google 公布的可用上限是單次工作流程內 14 張輸入圖，並維持最多 5 個角色與 14 個物件的一致性。這也是群像或整條產品線能靠參考素材成立的原因。
• 偏工作室思路的修圖決策：改變光照方向、把白天變成夜晚、把焦點移到前景，或者把同一份素材套成多個畫面比例而不重建場景。
• 多語言投放。模型能用多種語言渲染文字，也能翻譯圖片裡既有的文字，讓一張現成設計直接複用給另一個市場。

可以直接複製的提示詞

以下幾條是 Google 隨上方圖例一併公布的提示詞，逐字照錄。把它們當起點用：保留結構，替換主體。點開任一條即可載入工作台。

Create an infographic about this plant focusing on interesting information.

Create an infographic that shows how to make elaichi chai

Create a storyboard for this scene

View of a cozy street in Berlin on a bright sunny day, stark shadows. the old houses are oddly shaped like letters that spell out "BERLIN" Colored in Blue, Red, White and black. The houses still look like houses and the resemblance to letters is subtle.

Google 公布的規格

以下數字來自 Google 自己的模型頁與發表資料，不是轉售商的轉述。Google 同時提醒輸入圖數量會隨使用場景變化，因此實際能提交什麼，以本工作台為準。

本工作台開放哪些控件

能提交什麼以選擇器為準。其他站點頁面描述的是他們自己的帳號，報價也由伺服端解析，而不是由本頁寫死。

競品站點會給出它們自己的點數價目，那些數字描述的是它們的帳號而非本帳號。你實際看到的數字，是工作台在你提交前印出來的那一個。

Nano Banana Pro 與同門兩代的對照

本站三個檔位都已上架。定位那一列來自 Google 自己的說法，控件那幾列來自本工作台的選擇器，因此可能與別家提供的選項不同。

由於三個檔位在本工作台共用同一套解析度階梯與同一參考圖上限，你真正能感受到的差異是推理深度、文字準確度與速度，而不是輸出尺寸的天花板。這個選擇重要時，用同一份需求跑兩個檔位對比。

工作室級控件與改圖流程

一次改圖從你有權使用的圖片，加上一條說清「要改什麼、什麼必須保留」的指令開始。這裡不需要畫遮罩：模型自己判斷指令指向畫面的哪一部分，其餘部分保持不動。

Google 把更細的控制歸在工作室級編輯之下，並直接演示了其中四項：調整機位、改變焦點、施加色彩分級，以及整體替換場景光照。本頁收了兩張對應樣例，一張把雪地場景從白天改成夜晚，一張把焦點移到前景的花上。

指令分兩半寫。前半句給主體與改動，後半句點名不能動的東西，例如輪廓、機位，或者畫面裡其他部分的顏色。

• 先看臉和手。人像改圖裡最常見的不受控變化就是相似度漂移。
• 回讀小字。Google 把「小尺寸文字與拼字」列為它自己已知的弱項，所以標價、法務字樣這類內容最容易出問題。
• 在增刪物件的位置比對反光、陰影與接觸點。
• 每次只改一條指令再重跑，這樣任何差異才能歸因到那條指令，而不是模型的隨機波動。

在本站生成或改圖的步驟

四步，依工作台要求的順序。

1. 貼上你的提示詞，或用上方圖例裡的複製按鈕載入一條現成提示詞。
2. 選擇解析度檔位與畫面比例。如果這次是改圖而不是新生成，加上參考圖。
3. 先讀報價，然後在工作台提示時登入。
4. 提交、檢查結果，下載你要保留的那一版。如果任務失敗，先看它的狀態再決定是否重試，避免重複提交。

怎麼寫一條經得起反覆修改的提示詞

Google 給的是公式而不是關鍵詞表。先說清交付物，再說主體、動作與場景，然後往下補。

Google 自己的指南把工作拆成兩遍。第一遍立住構想：主體、構圖、動作、地點與風格；如果是改圖，就直接寫明改動指令。第二遍細化：畫面比例、機位與光照細節、畫面上文字的確切內容與位置，以及輸出是圖解時對事實準確性的要求。

涉及多張圖片時，Google 建議逐一說明每張圖的角色，例如一張定角色姿勢、一張定畫風、一張定背景。寧可具體也不要簡短。修改時一次只改一個決策，否則你無法判斷是哪一處改動造成了差異。

Google 自己公開的侷限

模型頁應當說明自己的說法到哪裡為止。Google 為這個模型公布了侷限清單，以下五項依它自己的分類照錄。

• 視覺與文字保真度：並非每張圖都完美，模型仍可能在小尺寸人臉、拼字準確度與細節上失手。
• 資料與事實準確性：世界知識覆蓋面很廣但並非不會出錯，資訊圖、標註圖解與資料類畫面在發布前都應核對。
• 翻譯與在地化：可以生成與翻譯多種語言的文字，但語法、拼字、文化語感與慣用語仍可能出問題。
• 複雜編輯與圖像融合：帶遮罩的編輯、大幅度光照變化與多圖融合，有時會產生不自然的結果或明顯瑕疵。
• 角色特徵：一致性是它的強項但不是保證，Google 表示仍在持續改進。

圖例與規格的來源

本頁每一個數字與每一張圖都能追溯到下列來源之一。凡數值來自競品站點而非 Google 的，表格裡都會註明。