谷歌 Nano-Banana 图像生成编辑全解析

引言 Introduction

生成式 AI 的图像生成已经成为个人与企业广泛使用的工具，它能够让用户在无需任何设计经验的情况下，快速生成所需图像。此类工具本质上能加速原先耗时的工作，只需几秒钟即可完成。

随着技术进步和竞争加剧，涌现出许多先进的图像生成产品，如 Stable Diffusion、Midjourney、DALL-E、Imagen 等，它们各自为用户提供独特优势。然而，谷歌近期凭借 Gemini 2.5 Flash Image（代号 nano-banana） 对图像生成领域产生了重大影响。

Nano-banana 是谷歌最新的图像生成与编辑模型，具备以下功能：

逼真的图像生成
多图像融合
人物一致性保持
基于提示词的定向变换
公共可访问性

与此前谷歌及其他竞争产品相比，该模型提供了更强的可控性。

本文将探索 Nano-banana 的图像生成与编辑能力，并通过 Google AI Studio 平台 与 Gemini API 的 Python 环境进行演示。

测试 Nano-Banana 模型

要完成本教程，你需要：

拥有一个 Google 账号并登录 Google AI Studio
获取 Gemini API 的 API Key（当前无免费额度，需要付费计划）

如果想通过 Python 调用 API，可以先安装 Google 生成式 AI 库：

复制代码

pip install google-genai

账户设置完成后，进入 Google AI Studio，选择 gemini-2.5-flash-image-preview 模型，也就是 nano-banana。

图像生成示例

在 AI Studio，输入以下提示词生成照片级写实图像示例：

一幅照片级写实的近距离肖像：一位印尼蜡染女工，双手被蜡染染色，用"canting"笔在靛蓝布上描绘流动的花纹。她工作在通风的木制阳台桌前，背景里模糊着折叠的纺织品和染缸。上午的光线从窗户倾泻，扫过布料，显现蜡迹细线与柚木纹理。使用 85mm f/2 拍摄，营造柔美的虚化背景。整体氛围专注、细腻而自豪。

生成图如下所示。效果呈现出高保真度和提示一致性。

如果你偏好 Python 实现，可以使用如下代码生成：

复制代码

from google import genai
from google.genai import types
from PIL import Image
from io import BytesIO
from IPython.display import display 

# 替换为你的 API Key
api_key = 'YOUR-API-KEY'
client = genai.Client(api_key=api_key)

prompt = "A photorealistic close-up portrait of an Indonesian batik artisan..."

response = client.models.generate_content(
    model="gemini-2.5-flash-image-preview",
    contents=prompt,
)

image_parts = [
    part.inline_data.data
    for part in response.candidates[0].content.parts
    if part.inline_data
]

if image_parts:
    image = Image.open(BytesIO(image_parts[0]))
    display(image)

图像编辑示例

在写实图的基础上，通过提示词编辑：

在画面中为女工添加一副细框阅读眼镜，确保光影真实，眼镜自然衔接，不遮挡眼睛。

结果成功在人物基础上进行细微改动。

Python 实现方式：

复制代码

from PIL import Image

base_image = Image.open('/path/to/your/photo.png')
edit_prompt = "在画面中为女工添加一副细框阅读眼镜..."

response = client.models.generate_content(
    model="gemini-2.5-flash-image-preview",
    contents=[edit_prompt, base_image])

人物一致性测试

通过提示词让同一位女工在新场景中出现：

她坐在桌前，抬头看向镜头，露出微笑。
换场景时依旧保持人物特征不变。

效果表明 nano-banana 能进行 人物身份一致性生成。

进一步尝试让她展示完成的蜡染布，并改变拍摄光效，图像依然保持人物一致性。

风格转换

将写实图像转换为水彩风格：

请将人物及场景转化为精致水彩画，布料以松散靛蓝晕染表现，木桌与背景用浅赭色，整体呈手绘纹理。

生成图展现了完全不同的艺术风格，但保持构图与元素不变。

图像融合

利用另一个生成的道具（草帽），将其融入到人物形象中：

Python 示例：

复制代码

from PIL import Image

base_image = Image.open('/path/to/your/photo.png')
hat_image = Image.open('/path/to/your/hat.png')
fusion_prompt = "将草帽自然戴在她头上..."

response = client.models.generate_content(
    model="gemini-2.5-flash-image-preview",
    contents=[fusion_prompt, base_image, hat_image])

建议输入图像不超过三张，以获得最佳效果。

总结 Wrapping Up

Gemini 2.5 Flash Image（nano-banana） 是谷歌最新的图像生成与编辑模型，功能远超以往。本文演示了其在以下方面的能力：

高质量图像生成
基于提示词的精准图像编辑
人物一致性保持
风格转换与图像融合

这一模型特别适合对现有图像进行多样化改造与延展。首次尝试未必完美，但通过不断迭代，能获得理想输出