Nano Banana 2.1 mit mehreren Referenzbildern: Figuren, Gruppenfotos und Anprobe im Test

Sie haben ein freigegebenes Gesicht oder eine freigegebene Jacke und brauchen sie immer wieder: dieselbe Figur jede Woche an einem neuen Ort, die ganze Besetzung auf einem Gruppenfoto, ein Lookbook, in dem dasselbe Model mehrere Teile gleichzeitig trägt. Die Bearbeitung von Nano Banana 2.1 nimmt in einer Anfrage mehrere Referenzbilder entgegen, und Googles Zahlen klingen großzügig: bis zu 14 Referenzen, mit Figurenkonsistenz für bis zu 4 Figuren und Objekttreue für bis zu 10 Objekte. Bevor Sie darauf eine Serie aufbauen, sollten Sie wissen, wie Sie die Bilder übergeben, damit das Modell weiß, wer und was jedes davon ist, und wo die Ergebnisse zu rutschen beginnen.

Geben Sie jeder Person und jedem Produkt ein eigenes Referenzbild, verweisen Sie auf jedes Bild über seine Position, schreiben Sie genau hin, was gleich bleiben muss, und prüfen Sie kleine einseitige Details mit bloßem Auge. In unseren Tests am 7. Oktober 2026 behielt ein Porträt in allen acht Szenen-Bearbeitungen dasselbe Gesicht, dieselben Haare und dieselben Nasenringe, vier getrennte Porträts ergaben bei einem strukturierten Prompt in beiden Läufen die richtigen vier Personen auf den richtigen Plätzen, und eine Anprobe mit bis zu neun Produkten behielt jedes Teil im Bild. Was verrutschte, war klein und wiederholbar: Ein einzelner Ohrring sprang auf das Ohr, das zur Kamera zeigte, ein Hut verlor seine kontrastierende Naht, und eine Hose kam immer wieder zweifarbig heraus. Konsistenz ist eine Anweisung, keine Sperre: Googles eigene Model Card sagt, die Figurenkonsistenz sei „nicht immer perfekt“, und die Aufgabe hat weder Seed noch Maske noch eine Regelung der Identitätsstärke, die ein Ergebnis festnageln würde.

Die Regeln, bei denen wir am Ende gelandet sind, jeweils unten erklärt und getestet:

• Eine Figur, viele Szenen: Ein klares Frontalporträt trug das Gesicht in jede Szene, die wir ausprobiert haben. Wenn Sie weitere Ansichten derselben Person hinzufügen, senden Sie sie als getrennte Bilder: In unserem kleinen Test behielten sie eine Narbe in der Augenbraue häufiger, während ein einziges zusammengesetztes „Character Sheet“ Details verlor oder neu erfand.
• Einseitige Details: Ein Ohrring, eine Narbe oder ein Scheitel auf einer Seite kann auf die Seite wandern, die zur Kamera zeigt. Wenn es darauf ankommt, halten Sie diese Seite zur Kamera oder prüfen Sie jedes Ergebnis.
• Gruppenfotos: ein Porträt pro Person, höchstens vier Personen, Sitzordnung und Kleidung ausgeschrieben. Ein einzeiliger Prompt behielt die Gesichter ebenfalls, zog die Leute aber um und wählte die Sitzordnung selbst.
• Anprobe und Produktkomposition: ein Produkt pro Bild, jedes mit seinem Platz benannt. Neun Produkte und das Model in einer Anfrage behielten jedes Teil, aber feine Details wie Nähte und Farbfelder rutschten dennoch.
• Gemischte Quellformate: Legen Sie aspect_ratio selbst fest. In allen vier unserer Läufe mit gemischten Formaten folgte auto dem breitesten Bild, das jedes Mal auch die Szene war.
• Garderobe für Erwachsene: Die Bearbeitung lehnte in unseren Tests vom 7. Oktober 2026 den Wechsel zu Dessous ab; es ist also ein Werkzeug für bekleidete, öffentlichkeitstaugliche Serien.

Was „14 Referenzen, 4 Figuren, 10 Objekte“ bedeutet

Google sagt auf der Modellseite, Nano Banana 2.1 unterstütze „multi-image fusion supporting up to 14 reference images (character consistency for up to 4 characters and object fidelity for up to 10 objects)“. Googles Leitfaden zur Bilderzeugung teilt dasselbe Budget in zwei Arten von Referenzen auf: bis zu 10 Bilder von Objekten, die mit hoher Treue aufgenommen werden, und bis zu 4 Bilder von Figuren, die konsistent bleiben. Die 14 sind also die Summe beider Arten. Es sind nicht 14 Personen, und es ist kein Versprechen, dass jedes der 14 Bilder unverändert in der Ausgabe überlebt.

Bei SpicyAPI nimmt die Bearbeitung von Nano Banana 2.1 1 bis 14 Bilder in image_urls entgegen, in der Reihenfolge, auf die Ihr Prompt verweist, und gibt in 1k, 2k oder 4k aus. Auf SpicyAPI beginnt Nano Banana 2.1 bei einem Preis, der deutlich unter Googles eigenem Listenpreis liegt; die Modellseite zeigt die aktuellen Preise.

Was die Aufgabe nicht bietet, ist ebenso wichtig:

• Kein Seed. Zwei Läufe derselben Anfrage sind zwei verschiedene Versuche; planen Sie also ein, mehr als einen zu prüfen.
• Keine Maske, keine Gewichtung pro Bild, kein Regler für die Identitätsstärke. Alles, was erhalten bleiben soll, muss im Prompt stehen.
• Keine Garantie für kleine Details oder Pose. Googles Model Card nennt unter den bekannten Einschränkungen „Character consistency is not always perfect between input images and generated output image“, dazu „rare instances of persistent subject pose“ bei Bearbeitungen und gelegentliche Verwechslungen von links und rechts.

Unser eigener Blindtest weist in dieselbe Richtung. Am 7. Oktober 2026 ließen wir Nano Banana 2.1 einen festen Satz von Prompts und Bearbeitungen durchlaufen, und KI-Juroren dreier verschiedener Hersteller bewerteten die Ergebnisse, ohne den Modellnamen zu sehen. Es erreichte bei der Bearbeitungskonsistenz (sechs Bearbeitungsfragen) 65,9 von 100 Punkten, gegenüber 76,7 bei der Prompt-Treue und 77,8 bei der Bildqualität; das Review zu Nano Banana 2.1 zeigt das ganze Bild. In zwei dieser Bearbeitungen änderte es Dinge, um die niemand gebeten hatte: Bei einer Aufgabe zur Neubeleuchtung tauschte es den Hintergrund gegen eine nächtliche Straße, und bei einer Schneefall-Aufgabe rückte es die Kamera näher heran. Bei einer Zählfrage zeichnete es sieben Gäste, als sechs verlangt waren.

Wie man einen Prompt mit mehreren Referenzen schreibt

Jeder Test unten, bis auf einen bewussten Einzeiler-Vergleich, verwendet dieselbe Struktur aus fünf Teilen. Sie wirkt lang, aber jeder Teil beantwortet eine Frage, die das Modell sonst für Sie beantworten würde.

1. Benennen Sie jedes Bild über seine Position und sagen Sie, was es ist. „Image 1 is the model. Image 2 is the jacket.“ Die Reihenfolge in image_urls ist das Etikett, auf das sich Ihr Prompt verlassen kann; halten Sie beides also im Gleichschritt.
2. Sagen Sie, was Sie aus jedem Bild übernehmen und was Sie ignorieren. Ein Porträt vor grauem Hintergrund soll das Gesicht liefern, nicht den Hintergrund.
3. Beschreiben Sie die neue Szene: Ort, was jede Person tut, wo sie steht, Kamera und Licht.
4. Schreiben Sie die Personenzahl hin, wenn Menschen zu sehen sind: „exactly four people, and nobody else“.
5. Schließen Sie mit einer Beibehalten-Liste: die Details, die erhalten bleiben müssen, Bild für Bild.

Geben Sie jeder wichtigen Pose oder Handlung einen eigenen Satz. In unserem früheren Test mit drei Quellen übertrugen sich das Gesicht eines Mannes sowie Farbe, Messingdruckknöpfe und Brusttaschen einer Wildlederjacke in eine Observatoriumsszene, doch „one hand on the eyepiece“, nur beiläufig erwähnt, kam als kleines Messingfernrohr in seiner Hand zurück.

Eine Vorlage zum Anpassen:

Image 1 is [who or what]. Image 2 is [who or what]. Image 3 is [who or what].
Use image 1 only for [the face / the garment / the setting]; ignore its background.
New scene: [setting]. [Person from image 1] [action, position]. [Person or product from image 2] [placement].
[Camera and framing]. [Light].
Show exactly [number] people and nobody else.
Keep [details that must survive] from image 1, and [details] from image 2.

Ob sich der Aufwand der langen Fassung lohnt, gehört zu dem, was wir getestet haben: siehe den Abschnitt zu Gruppenfotos unten.

Zu den Testbildern. Die Referenzfotos in diesem Artikel (die Porträts, das Anprobe-Model, die Produktfotos und der Innenhof) sind Illustrationen, die wir als Testeingaben angefertigt haben; sie sind keine Ausgaben von Nano Banana 2.1. Jedes Ergebnis, das wir bewerten, ist eine Bearbeitung mit Nano Banana 2.1, ausgeführt am 7. Oktober 2026 in 2k, sofern nicht anders angegeben, und jede Zusammenstellung zeigt Lauf 1 von zweien, sofern die Bildunterschrift nichts anderes sagt.

Eine Figur, vier neue Szenen aus einem einzigen Porträt

Eine Serie beginnt mit einem freigegebenen Gesicht. Unser Testporträt zeigt eine fiktive erwachsene Frau Anfang dreißig mit vier Details, die wir in jedem Ergebnis prüfen konnten und die wir gewählt haben, weil kleine, einseitige Details meist als Erstes abdriften: kurze, an den Spitzen kupferfarben gefärbte Locken, eine dünne Narbe durch die rechte Augenbraue, kleine goldene Ringe in beiden Nasenflügeln und ein einzelner goldener Creolen-Ohrring mit einer grünen Perle nur im linken Ohr.

Dann baten wir um vier neue Szenen, jede allein aus diesem einen Porträt, und änderten jedes Mal Garderobe, Ort, Kamerawinkel und Bildformat; jede Szene lief zweimal.

Oben links: das eine Referenzporträt (eine Testeingabe, keine Ausgabe von 2.1). Die anderen vier Felder sind Bearbeitungen mit Nano Banana 2.1 allein aus diesem Porträt, jeweils Lauf 1 jeder Szene: Rooftop-Bar 4:5, regennasse Straße 16:9, Küche 1:1 und Strand 9:16, für dieses Raster jeweils auf denselben 4:5-Ausschnitt zugeschnitten.

Die Rooftop-Szene, so gesendet:

Image 1 shows a fictional adult woman. New scene: she sits at a rooftop bar at night, city lights blurred behind her, wearing a black satin slip dress with a cropped black blazer draped over her shoulders, holding a coupe glass and looking at the camera with a slow smile. Warm light from the bar, medium shot. Keep her face, her short copper-tipped coils, the thin scar through her right eyebrow, the small gold rings in both nostrils and the single green-bead hoop earring in her left ear exactly as in image 1.

Die anderen drei Szenen verwendeten denselben ersten und letzten Satz mit einer anderen Mitte: eine regennasse Straße bei Nacht unter einem durchsichtigen Regenschirm im camelfarbenen Trenchcoat, in Dreiviertelansicht von ihrer rechten Seite (16:9); eine sonnige Küche im übergroßen cremefarbenen Pullover, lachend mit einem Becher, Nahaufnahme (1:1); und ein Kieselstrand zur goldenen Stunde im rostorangen Leinen-Wickelkleid, Ganzkörper und im Profil von ihrer rechten Seite (9:16).

Das Gesicht, die kupferfarbenen Locken und beide Nasenringe kamen in allen acht Läufen durch, und weder Hintergrund noch T-Shirt des Quellporträts sickerten je in eine Szene. Der Ohrring ist der lehrreiche Fehlgriff. Er erschien in jedem Lauf, blieb aber nur in den vier Läufen, die sie von vorn oder von links zeigten, im linken Ohr; in allen vier Läufen, die ihre rechte Seite zur Kamera drehten, wanderte er ins rechte Ohr, das im Bild sichtbare. Die Narbe war in fünf von acht Läufen zu sehen; in den anderen drei lag sie entweder auf der abgewandten Gesichtsseite oder wurde schlicht nicht gezeichnet.

Die Prompts für Regenstraße und Strand verlangten zwei einseitige Dinge zugleich: ihre rechte Seite zeigen und den Ohrring im linken Ohr behalten. In jedem dieser vier Läufe gelang genau eines von beiden. Regenstraße Lauf 1 behielt den Ohrring im linken Ohr, indem es stattdessen ihre linke Seite zeigte; die anderen drei zeigten ihre rechte Seite und verlegten den Ohrring ins rechte Ohr. Von ihrer rechten Seite gesehen müsste ein Ohrring im linken Ohr schlicht außer Sicht sein, doch das Modell holte ihn ins Bild, statt ihn verborgen zu lassen.

Wenn ein Detail auf einer Seite des Gesichts sitzt (ein Ohrring, eine Narbe, ein Scheitel, ein Tattoo), halten Sie diese Seite in Ihrer Szenenbeschreibung zur Kamera oder planen Sie ein, die Läufe zu prüfen und die umgekippten zu wiederholen.

Hilft ein zweites oder drittes Foto derselben Person?

Das Strandprofil ist der schwierige Fall: Das Gesicht ist klein, abgewandt und zeigt eine Seite, die das Frontalporträt nie gezeigt hat. Wir haben es auf zwei weitere Arten neu ausgeführt, jeweils zweimal, mit demselben Szenentext:

• Drei getrennte Bilder von ihr: das Frontalporträt, eine Dreiviertelansicht und eine Ganzkörperaufnahme, wobei die letzten beiden durch Bearbeitung des Porträts entstanden und vor der Verwendung mit bloßem Auge geprüft wurden, weil eine erzeugte Seitenansicht Details erfinden kann, die das Original nie gezeigt hat.
• Dieselben drei Ansichten zu einem Bild zusammengesetzt, dem „Character Sheet“, das viele Kreative nutzen.

Eine Grenze dieses Tests: Unsere Dreiviertelansicht zeigt die linke Gesichtshälfte, die Seite mit dem Ohrring, sodass keiner der Referenzsätze je ihre rechte Seite zeigte, die Seite, die das Strandbild verlangt. Eine Referenz der Seite, die die Szene zeigt, wäre der naheliegende nächste Test, den wir nicht durchgeführt haben.

Spalten von links nach rechts: ein Porträt, drei getrennte Bilder, ein zusammengesetztes Blatt (obere Reihe: die Referenzsätze, Testeingaben). Mittlere und untere Reihe: Gesichts-Nahaufnahmen, ausgeschnitten aus den Ganzkörperergebnissen von Nano Banana 2.1 im Format 9:16, Lauf 1 und Lauf 2 jedes Satzes.

Alle sechs Ergebnisse lasen sich als dieselbe Frau, das Gesicht brauchte also keine Hilfe durch zusätzliche Ansichten. Der einzige gemessene Gewinn der drei getrennten Bilder war die Narbe, in 2 von 2 Läufen erhalten gegenüber 1 von 2 mit dem einzelnen Porträt. Das zusammengesetzte Blatt war der einzige Satz, der ein Detail verlor oder neu erfand. Keiner der drei behob den Ohrring: Selbst mit einer Dreiviertelansicht, die den Creolen-Ohrring im linken Ohr deutlich zeigt, setzte das Modell ihn auf das Ohr, das zur Kamera zeigte. Zwei Läufe pro Satz sind eine kleine Stichprobe; verstehen Sie das also als Richtung, nicht als Regel: Wenn Sie Ansichten hinzufügen, senden Sie sie als getrennte Bilder, und erwarten Sie nicht, dass sie ein Links-oder-rechts-Detail klären.

Gruppenfotos: zwei und vier Personen aus getrennten Porträts

Googles Zahl für Figuren ist vier, deshalb haben wir zwei und vier getestet. Der Rest der Besetzung sind fiktive Erwachsene, auf dieselbe Weise fotografiert, jeweils vor einem anderen schlichten Hintergrund, damit wir sehen konnten, ob Hintergründe in die Szene durchsickern: ein ostasiatischer Mann Mitte vierzig mit runder Schildpattbrille, einer silbernen Strähne an der Schläfe und einem Muttermal unter dem rechten Auge; eine südasiatische Frau Mitte zwanzig mit silbernem Nasenstecker und einem Schönheitsfleck nahe der Lippe, in einer senfgelben Strickjacke; und ein weißer Mann Ende fünfzig mit rasiertem Kopf und grauem Zwirbelbart, in einem Büffelkarohemd.

Die Anfrage mit zwei Personen setzte die Frau aus dem ersten Test und den Mann mit Brille auf einen Nachtmarkt:

Image 1 shows a fictional adult woman and image 2 a fictional adult man. Show exactly these two people in the foreground, sharing street food at a crowded night market. On the left, the woman from image 1 laughs and holds chopsticks, wearing a black leather jacket. On the right, the man from image 2 holds a paper tray of dumplings and smiles at her, wearing a dark green bomber jacket. Medium shot at eye level, warm lantern light, the crowd behind them softly blurred. Keep each person's face and details from their own image: her short copper-tipped coils, the scar through her right eyebrow, her gold nose rings and green-bead earring; his silver streak at the left temple, round tortoiseshell glasses, short beard and the small mole under his right eye.

Links: die beiden Referenzporträts (Testeingaben). Rechts: enge Ausschnitte der beiden Gesichter aus dem 16:9-Ergebnis von Nano Banana 2.1, Lauf 1; das ganze Bild zeigte außerdem die Marktstände und eine Menschenmenge.

In beiden Läufen blieb jedes Gesicht bei seiner Person: Seine Brille, sein Bart und seine silberne Strähne blieben an ihm, ihre Locken, Nasenringe und ihr Ohrring blieben an ihr, und jede trug die Jacke, die wir zugewiesen hatten. Im Vordergrund waren keine zusätzlichen Personen, nur die Menge hinter ihnen, um die wir gebeten hatten. Zwei Details wiederholten den ersten Test: Sie war mit der rechten Seite zur Kamera gedreht, und der Ohrring wanderte auf dieses Ohr, und sein Muttermal saß auf der Gesichtsseite, die von uns abgewandt war. Das Modell füllte die Stände außerdem mit Schildern, um die wir nie gebeten hatten; wenn ein Hintergrund sauber bleiben muss, sagen Sie es also.

Für vier Personen sendeten wir alle vier Porträts mit einem strukturierten Prompt, 16:9 in 2k:

Images 1 to 4 each show one fictional adult. Show exactly four people, these four and nobody else, at a candlelit dinner party around a round wooden table in a warm apartment. From left to right: the man from image 4 raising a glass, the woman from image 3 leaning in to listen, the woman from image 1 laughing, and the man from image 2 passing a plate of bread. Each person wears the top from their own image. Keep each person's face, hair, skin tone, glasses, facial hair and marks exactly as in their own image. Eye-level wide shot, all four faces clearly visible, warm candlelight.

Diesen Prompt im Playground der Nano Banana 2.1 Bearbeitung öffnen, und fügen Sie dann unter „Images“ Ihre eigenen vier Porträts in derselben Reihenfolge hinzu; der Link füllt nur den Prompt aus.

Ein strukturierter Prompt gegen einen Einzeiler

Um zu sehen, ob sich die Struktur durch ihre Länge auszahlt, sendeten wir dieselben vier Porträts, in derselben Reihenfolge und im selben Format 16:9 in 2k, mit einer einzigen Zeile: „Put these people together at a candlelit dinner party.“ Je zwei Läufe. Das ändert mehrere Dinge auf einmal (die Anzahl, die Positionen, die Kleidung, die Beibehalten-Liste); lesen Sie es also als „ein vollständiges Briefing gegen eine beiläufige Bitte“, nicht als Test eines einzelnen Satzes.

Oben: die vier Referenzporträts, Bilder 1 bis 4 (Testeingaben). Unten links: der strukturierte Prompt; unten rechts: der einzeilige Prompt. Beide Nano Banana 2.1 in 16:9 und 2k, Lauf 1; der einzige Unterschied ist der Prompt.

Das Modell brauchte den langen Prompt nicht, um vier Gesichter auseinanderzuhalten: Beide Einzeiler-Läufe hatten genau vier Personen, jede klar wiedererkennbar, und unser Blindtest-Ausrutscher mit sieben Gästen statt sechs wiederholte sich in keinem unserer sechs Gruppenfotos. Was der lange Prompt brachte, war Kontrolle. Beide strukturierten Läufe setzten alle genau dorthin, wo wir es verlangten, in ihrer eigenen Kleidung; die Einzeiler-Läufe wählten ihre eigene Sitzordnung und zogen erst eine, dann drei Personen um. Wenn Ihre Serie von Outfits oder davon abhängt, wer neben wem steht, schreiben Sie es auf.

Für Szenen mit zwei Personen und Berührung (Hände, ein Tanz, eine Umarmung) behandelt unser Leitfaden zu Bildern mit zwei Figuren, wie Sie jede Person platzieren und Identitätsvertauschungen einzeln beheben.

Virtuelle Anprobe: wo die Produkttreue nachlässt

Die Anprobe ist die Aufgabe, die die Objektseite von Googles Zahlen testet. Unser Model ist ein Ganzkörperfoto eines fiktiven erwachsenen Mannes in schlichtem weißem T-Shirt, grauer Jogginghose und weißen Sneakern, und die Produkte sind neun Aufnahmen auf Weiß, jede mit einem Detail, das leicht falsch wird:

Die Eingaben der Anprobe (für diesen Artikel angefertigte Testbilder, keine Ausgaben von 2.1): das Model (Bild 1), dann die Bilder 2 bis 10 von links nach rechts und oben nach unten, in der Reihenfolge des Hochladens.

Dann kleideten wir ihn viermal mit einem wachsenden Satz ein: 1 Produkt (die Jacke), 3 (plus Hose und Boots), 6 (plus Hut, Sonnenbrille und Tasche) und 9 (plus Uhr, Schal und Gürtel), sodass die größte Anfrage zehn Bilder enthielt, das Model plus neun Produkte. Jede Stufe lief zweimal in 3:4 und 2k, und wir bewerteten jedes verlangte Produkt auf Vorhandensein, Farbe und sein Detail. Die größte Anfrage, so gesendet (die kleineren Stufen verwenden denselben Wortlaut, nur mit den Produkten, die sie enthalten):

Image 1 is the model, a fictional adult man. Dress him in the products from images 2 to 10, keeping each product's colour, material and details exactly as photographed: the mustard corduroy chore jacket from image 2, worn open; the charcoal pinstripe trousers from image 3; the oxblood Chelsea boots from image 4; the green bucket hat from image 5 on his head; the gold round sunglasses from image 6 on his face; the cobalt crossbody bag from image 7 worn across his body; the salmon-dial watch from image 8 on his left wrist; the striped silk scarf from image 9 knotted loosely at his neck; the woven tan belt from image 10 through the trouser loops, visible because the jacket is open. Where a product replaces something he wears in image 1, it replaces it. Keep his face, beard, skin tone and build exactly as in image 1. Full-length fashion catalogue photograph: he stands relaxed on a sunlit concrete rooftop in late-afternoon light, facing the camera, his whole body from head to boots in frame. No other people, no text.

Zwei Zeilen stehen mit Absicht darin, auch wenn wir den Prompt ohne sie nicht getestet haben. „Where a product replaces something he wears in image 1, it replaces it“ sagt dem Modell, dass die Hose an die Stelle der Jogginghose tritt, statt darüber angezogen zu werden. „Visible because the jacket is open“ bindet den Gürtel an die offene Jacke, damit er im Bild bleibt. Beachten Sie auch, was der Prompt nicht tut: Er nennt weder die weiße Naht des Huts noch die einheitliche Farbe der Hose; „exactly as photographed“ war alles, was er dazu sagte.

Anprobe mit Nano Banana 2.1 in 3:4 und 2k, Lauf 1 jeder Stufe, von links nach rechts: 1, 3, 6 und 9 Produkte. Bewertung dieser vier: 1 von 1, 2 von 3, 4 von 6 und 8 von 9 Produkten vollständig richtig.

Die Treue fiel nicht wie von einer Klippe, als die Liste wuchs. Jedes Produkt, um das wir baten, erschien in allen acht Ergebnissen, am richtigen Platz: die Sonnenbrille im Gesicht, die Tasche an ihrer Kette quer über dem Körper, die Uhr am linken Handgelenk, der Schal locker um den Hals geknotet, der Gürtel durch die offene Jacke sichtbar. Sein Gesicht und sein Bart veränderten sich nie. Die Fehler waren nicht die neuesten Teile, die die älteren verdrängten; es waren jedes Mal dieselben zwei Details. Der Hut behielt Farbe und Form, verlor aber in allen vier Läufen, die ihn enthielten, die weiße Kontrastnaht, und die anthrazitfarbene Nadelstreifenhose kam in fünf der sechs Läufe, die sie enthielten, mit einem helleren braunen Bein oder Seitenteil zurück, das das Produktfoto nicht hat.

Wir hörten bei neun Produkten plus Model auf, zehn Bildern in einer Anfrage, und haben 11 bis 14 Bilder nicht getestet; über das obere Ende von Googles Spanne können wir also nichts sagen. Bis zehn war die praktische Grenze nicht die Zahl der Produkte, sondern das feine Detail an jedem: Prüfen Sie Nähte, Drucke und Farbblöcke an jedem Ergebnis und wiederholen Sie die, die abdriften.

Zwei praktische Hinweise für die Anprobe:

• Beschneiden Sie Produktfotos eng und schlicht. Das ist unser Rat und nichts, was wir getestet haben: Ein Produkt, das an einer Person oder in einem Raum fotografiert wurde, kann diese Person oder diesen Raum mitbringen, während eine saubere Aufnahme auf Weiß dem Modell nur eine Sache zum Kopieren gibt.
• Das Modell zeichnet jedes Pixel neu. Wenn ein Etikett, Logo oder Druck pixelgenau stimmen muss, setzen Sie stattdessen das echte Produktfoto ein; unser Leitfaden vom Produktfoto zum Anzeigenlayout zeigt, wie.

Die Anprobe von Dessous und Bademode ist eine andere Sache. In unseren Tests vom 7. Oktober 2026 lehnte die Bearbeitung den Wechsel von einem Kleid zu Dessous ab (abgelehnt, nicht berechnet), während die Bearbeitung eines rückenfreien Abendkleids durchging. Bademode haben wir in der Bearbeitung nicht getestet.

Gemischte Quellformate und auto

Mit einem Quellbild behält aspect_ratio: auto (der Standard) dessen Form: Ein 4:1-Panorama kam in unseren Tests vom 7. Oktober mit 2064 x 512 zurück. Bei mehreren Quellen muss es eine auswählen. Im Test mit zwei Quellen an jenem Tag kam ein quadratisches Porträt plus ein 4:1-Strand als 4:1 zurück, dem zweiten, breiteren Bild folgend.

Mit drei weiteren Anfragen in 1k prüften wir, welcher Quelle auto folgt, mit dem Mann mit Brille (ein 3:4-Porträt), einem 16:9-Innenhof und dem quadratischen Taschenfoto:

Die Reihenfolge machte keinen Unterschied: In allen vier Läufen mit gemischten Formaten folgte auto der breitesten Quelle, die in jedem Fall auch das Bild des Schauplatzes war. Das ist oft das, was Sie wollen, wenn eine Person an einen Ort gesetzt wird, aber es ist der falsche Ausschnitt für ein Porträt oder eine Produktkarte. Sobald Ihre Quellen verschiedene Formen haben, wählen Sie das Seitenverhältnis selbst, denn die Form der Ausgabe bestimmt die Komposition: Ein breites Format macht aus einem Ganzkörperporträt eine kleine Figur in einer Landschaft.

Wenn Referenzen scheitern: Symptome und Abhilfen

Wenn ein Ergebnis fast, aber nicht ganz stimmt, beginnen Sie von Ihren ursprünglichen Referenzen neu, statt die fehlerhafte Ausgabe zurückzuspeisen. Ein späteres Bild ist nicht schon deshalb eine bessere Referenz, weil es neuer ist; verwenden Sie eine Ausgabe erst wieder, nachdem Sie sie mit den Originalen verglichen haben.

Aufgaben, die wir nicht getestet haben, und Alternativen

• Fünf oder mehr Personen: über Googles Zahl von vier Figuren hinaus, und wir haben es nicht getestet. Getrennt erzeugte Personen in eine Szene zu montieren, ist die sicherere Wahl.
• Szenen für Erwachsene, Dessous oder Bademode: nicht mit diesem Modell, angesichts der Dessous-Ablehnung oben. Bei SpicyAPI sind Qwen Image 2.1 Edit und Seedream 5.0 Pro Edit als „unzensiert“ gekennzeichnet und nehmen je 1 bis 10 Referenzbilder entgegen; unser Vergleich unzensierter Bildeditoren zeigt, wie weit jeder in unseren Tests ging. Ob sich die Referenzmethode dieses Artikels auf sie übertragen lässt, haben wir nicht getestet; beginnen Sie also mit einem Porträt und prüfen Sie die Identität, bevor Sie Referenzen stapeln. Der Rest des SpicyAPI-Modellkatalogs lässt sich nach Inhaltsrichtlinie filtern. Arbeiten Sie nur mit fiktiven Erwachsenen oder mit Erwachsenen, die ihre Erlaubnis gegeben haben.

FAQ

Wie viele Referenzbilder kann Nano Banana 2.1 verwenden?

Google sagt, bis zu 14 in einer Bearbeitungsanfrage, mit Konsistenz für bis zu 4 Figuren und Treue für bis zu 10 Objekte; sein Leitfaden zur Bilderzeugung zählt das als bis zu 4 Figurenbilder plus bis zu 10 Objektbilder. Senden Sie sie in image_urls in der Reihenfolge, auf die Ihr Prompt verweist. Unser größter Test sendete zehn Bilder, ein Model und neun Produkte, und jedes Produkt erschien in beiden Läufen.

Kann Nano Banana 2.1 dieselbe Figur über eine ganze Serie halten?

Weitgehend ja, aber nicht perfekt, und nichts nagelt es fest: Es gibt weder Seed noch Identitätsregelung. In unseren Tests am 7. Oktober 2026 trug ein Porträt Gesicht, Haare und Nasenringe durch alle acht Szenen-Bearbeitungen, während ein einseitiger Ohrring in vieren auf das zur Kamera zeigende Ohr wanderte und eine Narbe an der Braue in fünf zu sehen war. Verwenden Sie für jedes Bild dasselbe ursprüngliche Porträt, führen Sie eine schriftliche Liste der Details, die sich nicht ändern dürfen, und prüfen Sie jedes Ergebnis gegen das Porträt, nicht gegen das vorige Ergebnis.

Soll ich ein Character Sheet oder getrennte Fotos hochladen?

Wenn Sie zusätzliche Ansichten hinzufügen, senden Sie sie als getrennte Fotos. In unserem Strandprofil-Test behielten drei getrennte Ansichten derselben Frau ihre Narbe an der Braue in beiden Läufen (das Porträt allein: einer von zwei), während dieselben Ansichten zu einem Blatt zusammengesetzt in einem Lauf ihren Ohrring verloren und im anderen die Narbe in ein Augenbrauenpiercing verwandelten. Das Gesicht hielt bei jedem Satz, und keiner verhinderte, dass der Ohrring auf das zur Kamera zeigende Ohr wanderte. Zwei Läufe pro Satz sind eine kleine Stichprobe.

Kann ich es für die Anprobe von Dessous oder Bademode verwenden?

Nicht für Dessous: In unseren Tests vom 7. Oktober 2026 lehnte die Bearbeitung den Wechsel von einem Kleid zu Dessous ab (abgelehnt, nicht berechnet). Bademode haben wir in der Bearbeitung nicht getestet. Für Garderobe für Erwachsene siehe die oben genannten unzensierten Bearbeitungsmodelle.

Warum hat das Modell eine Person hinzugefügt oder den Hintergrund geändert?

Es zeichnet das ganze Bild neu, und alles, was Sie nicht festlegen, ist veränderbar. Unsere sechs Gruppenfotos hatten alle die richtige Personenzahl, mit oder ohne Angabe der Anzahl, doch unser Blindtest erwischte sieben Gäste, als sechs verlangt waren, einen getauschten Hintergrund bei einer Aufgabe zur Neubeleuchtung und eine Kamerabewegung bei einer Schneefall-Aufgabe, und unsere Nachtmarkt-Szene kam mit Schildern zurück, um die wir nie gebeten hatten. Schreiben Sie die Anzahl hin und sagen Sie, dass der Hintergrund bleibt, und prüfen Sie dann jedes Ergebnis.

Kurz gesagt: ein Bild pro Person oder Produkt, nummerierte Rollen und eine Beibehalten-Liste trugen in unseren Tests ein Gesicht, vier Personen und neun Produkte; das Kleinteilige braucht weiterhin Ihre Augen. Nutzen Sie 1k, um einen Referenzsatz und Prompts günstig auszuprobieren (1k-Bilder kamen in unseren Tests meist deutlich unter einer halben Minute zurück). Sobald der Satz funktioniert, führen Sie die endgültigen Bilder in 2k oder 4k aus (bis zu etwa einer Minute pro Bild) und prüfen Sie diese erneut: Es gibt keinen Seed, ein 2k-Lauf ist also ein neues Bild und keine Vergrößerung des Entwurfs, und ein einseitiges Detail kann erneut umkippen.