wuhu专题
文/阿呜
你的朋友圈最近被各种精美的手办图片刷屏了吧？
直接实现真人款手办自由
你可能也好奇《黑神话：钟馗》刚发布，怎么这么多手办都做出来了！
为什么不是《黑神话：悟空》DLC？而是《黑神话：钟馗》？
甚至把《黑神话：悟空》里的人气角色做的也是相当还原。
还有网友玩出了《哪吒2》的手办款
是不是都是你的心动手办
吒儿的转角度都能模拟出来
真人和CG游戏都做的这么棒，平面卡通风格怎么样呢？wuhu君将我们的wuhu三侠的平面效果图测试了一下。
那么来到揭晓谜底时刻！
这可不是真手办
而是谷歌最新AI图像模型Nano Banana的杰作
就在最近，这个代号为”Nano Banana”的神秘模型露出真面目——正是谷歌推出的Gemini 2.5 Flash Image模型。
它在图像编辑领域榜单上以1362分的成绩位列第一，领先第二名171分，迅速成为社交媒体新宠。
01
什么是Nano Banana？
Nano Banana是谷歌Gemini系列的最新一代图像生成与编辑模型，正式名称为Gemini 2.5 Flash Image。它以出色的角色一致性、自然语言理解和空间理解能力，在社交平台上掀起创作热潮。
这个模型之所以代号为“香蕉”，源于团队内部的保密需要。在LM Arena测试期间，谷歌为了保密给模型起了这个古怪的名字。
令人惊讶的是，该模型竟能理解“make it nano”这样模糊的指令，并生成用户期待的迷你Q版形象。
02
为什么Nano Banana能出圈？
首先是角色一致性突破，与传统AI图像生成工具不同，Nano Banana在保持角色一致性方面表现惊人。无论是换背景、改姿势、换服装，人物的五官、肤色、表情、光影甚至嘴角弧度都不会“漂移”。
这意味着创作者在进行连载故事或多场景创作时，主角不会再“变脸”，解决了AI绘画领域的最大痛点。
再者是多图融合与光影逼真，Nano Banana可同时输入多张参考图，把人物、物体、风格、纹理拼成一张新图，光影自然不突兀。
不像简单的滤镜贴图，它能重新计算光源、阴影、反射，让场景符合物理规律，产生逼真的效果。
建立在Gemini基础上，Nano Banana拥有丰富的世界知识，能读懂地图、常识和文化元素。例如，它能理解中国各省份的文化特点，并在地图上正确标注。
03
Nano Banana能做什么？
前面介绍生成3D手办效果图是Nano Banana最出圈的玩法。只需上传角色图片，使用合适的提示词，就能生成逼真的手办效果图。
提示词示例：“将此角色转换为1/7比例实体模型，放在电脑桌上，底座为圆形透明亚克力材质，电脑屏幕上显示ZBrush建模过程”。
英文提示词：Use the nano-banana model to create a 1/7 scale commercialized figure of the character in the illustration, in a reaalistic style and environment. Place the figure on a computer desk, using a circular transparent acrylic base without any text. On the computer screen, display the ZBrush modeling process of the figure. Next to the computer screen, place a BANDAI-style toy packaging box printed with the original artwork.
将喜爱的动漫角色转化为真实世界的Cosplay照片，还可以拿着同款手办。
还可以将喜欢的动画角色变成真人版出现在漫展上。
提示词：Generate a photo of a girl cosplaying this illustration, with the background set at Comiket
在布置新家时，可以快速查看不同设计图纸纸以及家具的摆放效果。用户只需在原始图像上勾画出图纸应该放置的位置轮廓，然后放入图纸样本，即可进行效果检查。
人物动作修改和颜色转换也是相当炸裂的功能，可以将两个动漫人物的动作融合，或者限定姿势的修改，让不同人物生成特定动作。
输入两个你想要表演的角色，附带你想要两个角色打斗的简笔画，它能根据这么粗糙的草图生成你想要的打斗效果。
还能用不同颜色线条区分角色，快速生成角色效果图。
也能准确使用指定调色板为线条图着色，不使用调色板之外的任何颜色。
动画角色设计好动作路径图可以根据想要的动作设计生成动画。
Nano Banana 教程
其中电商场景是Nano Banana的强项。可以不断更换模特，试戴各种饰品，效果相当逼真。
根据草稿动作图让你的模特变换你想要的动作。
Nano Banana已经在多个真实平台迅速集成并验证生产力提升，包括Adobe、Poe、WPP、Freepik、Leonardo.ai、Figma等。
主要优势应用场景包括：
设计类工作生成和编辑，面向品牌内容、电商营销等领域的图片编辑，如海报的生成与处理、做商品图、多元素拼贴等；
创意设计与社媒内容，面向社交内容等领域的图片编辑，如四格漫画生成、真人手办、产品内部结构拆图、制作游戏UI等；
图像修复与内容改写，依赖模型图片一致性的能力，对图片打光、图片局部“PS”处理等；
与外部工具结合，将生成的图片进一步应用于AI视频生成、AI 3D生成，激发更大应用潜力。
04
如何使用Nano Banana？
目前有三种主要使用方式：
一是Nano Banana官网：https://www.nanobanana-studio.ai/，试用完后需要付费，有包月和包年模式，还分基础版和升级版。
二是通过Google AI Studio或者Gemini官网，确保选择Gemini 2.5 Flash Image Preview模型，然后在输入框中输入提示词并上传图片即可，目前注册后可以免费使用。
三是通过国内平台Lovart，不用魔法，不用花钱，国内邮箱注册就能直接用。9月3号之前，都能免费畅玩Nano Banana，不消耗任何积分。
05
谁是Nano Banana的创造者？
这款革命性产品背后，是谷歌DeepMind一支多元化的核心团队。
从左到右依次为：Kaushik Shivakumar，Robert Riachi，Nicole Brichtova，Mostafa Dehghani，和 Logan Kilpatrick
Logan Kilpatrick是Google DeepMind高级产品经理，负责领导Google AI Studio和Gemini API的产品开发工作。他曾是OpenAI的开发者关系负责人，被誉为“LoganGPT”。
Kaushik Shivakumar是研究工程师，专注于机器人技术、人工智能和多模态学习的研究与应用。他是文本渲染能力的主要推动者。
Robert Riachi是研究工程师，专注于多模态AI模型的开发与应用，尤其在图像生成和编辑领域具有显著贡献。
Nicole Brichtova视觉生成产品负责人，专注于构建生成模型，推动Gemini应用、Google Ads和Google Cloud等产品的发展。
Mostafa Dehghani是研究科学家，主要从事机器学习特别是深度学习方面的工作，研究兴趣包括自监督学习、生成模型和大模型训练。
团队研究员Koshik长期“痴迷”于一个看似边缘的问题：让AI准确地在图像中渲染文字。起初，团队里很多人不理解他的执着，甚至觉得他“有点疯狂”。但Koshik看到了其他人没看到的东西：“当模型学会处理文字这种结构时，它实际上也在学习如何处理图像中的其他结构”。
文字是一种高度结构化的视觉信息，它要求模型在像素层面进行极其精准的控制。一个字母的笔画稍有偏差，人眼立刻就能识别出错误。文字渲染因此成为了一个完美的“代理指标”——一个能够反映模型整体性能的关键指标。更重要的是，这个指标是客观的、可量化的。
而Nano Banana引入了“交错生成”（Interleaved Generation）机制，这是其最革命性的能力之一。面对复杂、多点修改的任务，它会将一次性指令拆解成多轮操作，逐步生成与编辑图像，实现“像素级别的完美编辑”。这意味着用户不再需要绞尽脑汁地设计一个完美的“终极提示”，而是可以像与真人设计师沟通一样，逐步累积、分层构建一个复杂的场景。
06
未来展望
从“好看”到“智能”与“事实性”
当被问及模型的未来方向时，Nano Banana团队的答案惊人地一致：超越视觉质量，追求更高维度的“智能”与“事实性”。
对于开发者应该如何使用Gemini模型，Nicole给出了清晰的方向：
“如果你想要的是一种更复杂的工作流程，比如你不仅要生成图像，还想在同一个工作流程中对图像进行多轮编辑，或者进行一些创意发散的探索，那Gemini就是更合适的选择。”
“Gemini更像是一个多模态的创意伙伴，它可以输出图像，也可以输出文本。你在给它下指令时不需要那么精确，因为它有对‘世界’的理解能力，会更有创造性地去完成你的指令。”
Nano Banana团队从X平台收集用户反馈，构建基准测试数据集，不断优化模型表现。从文本渲染这一看似边缘的指标起步，到实现多模态理解与生成的协同发展，谷歌Nano Banana团队展示了一条技术创新与用户需求紧密结合的开发路径。
谷歌团队透露，他们正在探索基于团队成员审美风格训练自动评价器的方法。这意味着未来的AI可能不仅能够生成图像，还能够培养出独特的“审美观”，甚至可能形成不同的“风格流派”。
结语
Nano Banana的名字源自一次内部保密需要的随机选择，却意外成为了全网热议的焦点。这或许暗示着AI发展的一个本质规律：最有影响力的突破，往往来自于那些最初看起来“有点疯狂”的执着。
当AI开始理解文本渲染的精妙之处，当它能够在保持角色一致性的同时进行创造性发挥，当它学会在“美观”与“准确”之间找到平衡——我们正在见证的不仅是技术的进步，更是人机协作新纪元的开启。
未来的AI图像生成，将不再是简单的“输入提示词-输出图片”，而是一场真正的对话：人类提供创意方向，AI补充专业知识与执行能力，双方共同创造出任何一方单独难以实现的作品。
人类与AI的创意协作方式正在发生根本性改变。
发布者：Ai探索者，转载请注明出处：https://javaforall.net/249807.html原文链接：https://javaforall.net
