Nano Banana 2.1 con varias imágenes de referencia: personajes, fotos de grupo y prueba de ropa a prueba

Tienes un rostro aprobado, o una chaqueta aprobada, y ahora lo necesitas una y otra vez: el mismo personaje en un lugar nuevo cada semana, todo el reparto en una foto de grupo, un lookbook donde la misma modelo lleva varias prendas a la vez. La tarea de edición de Nano Banana 2.1 acepta varias imágenes de referencia en una sola solicitud, y las cifras de Google suenan generosas: hasta 14 referencias, con consistencia de personaje para hasta 4 personajes y fidelidad de objeto para hasta 10 objetos. Antes de montar una serie sobre eso, conviene saber cómo entregar esas imágenes para que el modelo sepa quién y qué es cada una, y dónde empiezan a fallar los resultados.

Dale a cada persona y a cada producto su propia imagen de referencia, nombra cada imagen por su posición, di exactamente qué debe quedar igual y revisa a ojo los detalles pequeños de un solo lado. En nuestras pruebas del 7 de octubre de 2026, un solo retrato llevó el mismo rostro, el mismo pelo y los mismos aros de nariz por las ocho ediciones de escena; cuatro retratos separados dieron las cuatro personas correctas en los asientos correctos en las dos ejecuciones de un prompt estructurado, y una prueba de ropa con hasta nueve productos mantuvo todos los artículos en la imagen. Lo que falló fue pequeño y repetible: un pendiente suelto saltaba a la oreja que miraba a la cámara, un sombrero perdió sus costuras de contraste y unos pantalones salían siempre en dos tonos. La consistencia es una instrucción, no un candado: la propia ficha del modelo de Google dice que la consistencia de personaje "is not always perfect" (no siempre es perfecta), y la tarea no tiene semilla, máscara ni control de intensidad de identidad que fije un resultado.

Las reglas con las que terminamos, cada una explicada y probada más abajo:

• Un personaje, muchas escenas: un retrato frontal claro llevó el rostro a todas las escenas que probamos. Si añades más vistas de la misma persona, envíalas como imágenes separadas: en nuestra pequeña prueba conservaron más a menudo una cicatriz en la ceja, mientras que una única "hoja de personaje" combinada perdía o reinventaba detalles.
• Detalles de un solo lado: un pendiente, una cicatriz o una raya a un lado pueden pasar al lado que mira a la cámara. Si importa, mantén ese lado hacia la cámara o revisa cada resultado.
• Fotos de grupo: un retrato por persona, no más de cuatro personas, con asientos y ropa por escrito. Un prompt de una sola línea también conservó los rostros, pero cambió la ropa de la gente y eligió sus propios asientos.
• Prueba de ropa y composiciones de producto: un producto por imagen, cada uno nombrado con el lugar donde va. Nueve productos y el modelo en una sola solicitud conservaron todos los artículos, pero detalles finos como las costuras y los paneles de color seguían fallando.
• Formas de origen mixtas: define aspect_ratio tú mismo. En las cuatro ejecuciones con formas mixtas, auto siguió la imagen más ancha, que cada vez era también la escena.
• Vestuario para adultos: la tarea de edición rechazó los cambios a lencería en nuestras pruebas del 7 de octubre de 2026, así que es una herramienta para series con ropa, de cara al público.

Qué significa "14 referencias, 4 personajes, 10 objetos"

Google dice que Nano Banana 2.1 admite "multi-image fusion supporting up to 14 reference images (character consistency for up to 4 characters and object fidelity for up to 10 objects)" (fusión multiimagen con hasta 14 imágenes de referencia: consistencia de personaje para hasta 4 personajes y fidelidad de objeto para hasta 10 objetos) en su página del modelo. La guía de generación de imágenes de Google divide ese mismo presupuesto en dos tipos de referencia: hasta 10 imágenes de objetos que incluir con alta fidelidad y hasta 4 imágenes de personajes que mantener consistentes. Es decir, 14 es el total de ambos tipos. No son 14 personas, ni una promesa de que cada una de las 14 imágenes llegue intacta al resultado.

En SpicyAPI, la tarea de edición de Nano Banana 2.1 admite de 1 a 14 imágenes en image_urls, en el orden al que se refiere tu prompt, y genera a 1k, 2k o 4k. En SpicyAPI, Nano Banana 2.1 parte de un precio muy inferior al precio de lista de Google; la página del modelo muestra los precios actuales.

Lo que la tarea no te da importa tanto como lo que sí:

• Sin semilla. Dos ejecuciones de la misma solicitud son dos intentos distintos, así que cuenta con revisar más de uno.
• Sin máscara, sin peso por imagen, sin control deslizante de intensidad de identidad. Todo lo que quieras conservar tiene que decirse en el prompt.
• Sin garantía sobre los detalles pequeños ni la pose. La ficha del modelo de Google incluye "Character consistency is not always perfect between input images and generated output image" entre las limitaciones conocidas, junto con "rare instances of persistent subject pose" (casos raros de pose persistente del sujeto) en las ediciones y alguna confusión ocasional entre izquierda y derecha.

Nuestra propia prueba ciega apunta en la misma dirección. El 7 de octubre de 2026 pasamos Nano Banana 2.1 por un conjunto fijo de prompts y ediciones, y jueces de IA de tres fabricantes distintos puntuaron los resultados sin ver el nombre del modelo. Obtuvo 65,9 sobre 100 en consistencia de edición (seis preguntas de edición), frente a 76,7 en ajuste al prompt y 77,8 en calidad de imagen; la reseña de Nano Banana 2.1 tiene el panorama completo. En dos de esas ediciones cambió cosas que nadie le pidió cambiar: sustituyó el fondo por una calle nocturna en una tarea de reiluminación y acercó la cámara en una tarea de nevada. En una pregunta de conteo dibujó siete comensales cuando se le pedían seis.

Cómo escribir un prompt con varias referencias

Todas las pruebas de abajo, salvo una comparación deliberada de una sola línea, usan la misma estructura de cinco partes. Se lee largo, pero cada parte responde a una pregunta que el modelo, si no, respondería por ti.

1. Nombra cada imagen por su posición y di qué es. "Image 1 is the model. Image 2 is the jacket." El orden de image_urls es la etiqueta en la que tu prompt puede apoyarse, así que mantén ambos al compás.
2. Di qué tomar de cada imagen y qué ignorar. Un retrato hecho sobre fondo gris debe dar el rostro, no el fondo.
3. Describe la escena nueva: lugar, qué hace cada persona, dónde está, cámara y luz.
4. Escribe el número de personas cuando las haya: "exactly four people, and nobody else".
5. Cierra con una lista de lo que debe conservarse: los detalles que tienen que sobrevivir, imagen por imagen.

Da a cualquier pose o acción que importe su propia frase. En nuestra prueba anterior con tres fuentes, el rostro de un hombre y el color, los broches de latón y los bolsillos del pecho de una chaqueta de ante pasaron a una escena de observatorio, pero "one hand on the eyepiece" (una mano en el ocular), mencionado de pasada, volvió como un pequeño catalejo de latón en su mano.

Una plantilla que puedes adaptar:

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.

Si la versión larga compensa el esfuerzo es una de las cosas que probamos: mira la sección de fotos de grupo más abajo.

Sobre las imágenes de prueba. Las fotos de referencia de este artículo (los retratos, la modelo de la prueba de ropa, las fotos de producto y el patio) son ilustraciones que hicimos como entradas de prueba; no son resultados de Nano Banana 2.1. Cada resultado que puntuamos es una edición de Nano Banana 2.1, ejecutada el 7 de octubre de 2026 a 2k salvo que se indique otra cosa, y cada composición muestra la ejecución 1 de dos, salvo que el pie diga lo contrario.

Un personaje, cuatro escenas nuevas a partir de un solo retrato

Una serie empieza con un rostro aprobado. Nuestro retrato de prueba es una mujer adulta ficticia de unos treinta y pocos años con cuatro detalles que podíamos comprobar en cada resultado, elegidos porque los detalles pequeños y de un solo lado suelen ser lo primero que se desvía: rizos cortos teñidos de cobre en las puntas, una cicatriz fina que cruza su ceja derecha, pequeños aros de oro en ambas fosas nasales y un único aro de oro con una cuenta verde solo en la oreja izquierda.

Luego pedimos cuatro escenas nuevas, cada una a partir de ese único retrato, cambiando cada vez el vestuario, el lugar, el ángulo de cámara y la forma de la imagen, y ejecutamos cada escena dos veces.

Arriba a la izquierda: el único retrato de referencia (una entrada de prueba, no un resultado de 2.1). Los otros cuatro paneles son ediciones de Nano Banana 2.1 a partir de ese solo retrato, ejecución 1 de cada escena: bar de azotea 4:5, calle lluviosa 16:9, cocina 1:1 y playa 9:16, cada una recortada al mismo encuadre 4:5 para esta cuadrícula.

La escena de la azotea, tal como se envió:

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.

Las otras tres escenas usaron la misma primera y última frase con otro centro: una calle lluviosa de noche bajo un paraguas transparente con una gabardina color camel, vista en tres cuartos desde su derecha (16:9); una cocina soleada con un suéter crema holgado, riendo con una taza, primer plano (1:1); y una playa de guijarros en la hora dorada con un vestido cruzado de lino naranja óxido, de cuerpo entero y de perfil desde su derecha (9:16).

El rostro, los rizos de puntas cobrizas y los dos aros de nariz pasaron en las ocho ejecuciones, y el fondo y la camiseta del retrato de origen nunca se filtraron a una escena. El pendiente es el fallo instructivo. Apareció en todas las ejecuciones, pero solo se quedó en la oreja izquierda en las cuatro ejecuciones que la mostraban de frente o por su lado izquierdo; en las cuatro ejecuciones que giraron su lado derecho hacia la cámara, pasó a la oreja derecha, la que estaba a la vista. La cicatriz se vio en cinco de ocho ejecuciones; en las otras tres estaba en el lado lejano del rostro o simplemente no se dibujó.

Los prompts de la calle lluviosa y la playa pedían dos cosas de un solo lado a la vez: mostrar su lado derecho y mantener el pendiente en la oreja izquierda. En cada una de esas cuatro ejecuciones, exactamente una de las dos salió bien. La ejecución 1 de la calle lluviosa mantuvo el pendiente en la oreja izquierda mostrándola, en cambio, por el lado izquierdo; las otras tres mostraron su lado derecho y pasaron el pendiente a la oreja derecha. Visto desde su derecha, un pendiente de la oreja izquierda debería quedar simplemente fuera de vista, y el modelo lo movió a la vista en lugar de dejarlo oculto.

Si un detalle está a un lado del rostro (un pendiente, una cicatriz, una raya, un tatuaje), mantén ese lado hacia la cámara en la descripción de tu escena, o prevé revisar y repetir las ejecuciones que lo invierten.

¿Ayuda una segunda o tercera foto de la misma persona?

El perfil de playa es el caso difícil: el rostro es pequeño, está girado y muestra un lado que el retrato frontal nunca mostró. Lo repetimos de dos maneras más, dos veces cada una, con el mismo texto de escena:

• Tres imágenes separadas de ella: el retrato frontal, una vista de tres cuartos y una foto de cuerpo entero, las dos últimas hechas editando el retrato y revisadas a ojo antes de usarlas, porque una vista lateral generada puede inventar detalles que el original nunca mostró.
• Las mismas tres vistas combinadas en una sola imagen, la "hoja de personaje" que usan muchos creadores.

Un límite de esta prueba: nuestra vista de tres cuartos muestra el lado izquierdo de su rostro, el del pendiente, así que ningún juego de referencias mostró nunca su lado derecho, el que pide la foto de playa. Una referencia del lado que muestra la escena es la siguiente prueba obvia, y no la hicimos.

Columnas, de izquierda a derecha: un retrato, tres imágenes separadas, una hoja combinada (fila superior: los juegos de referencia, entradas de prueba). Filas central e inferior: primeros planos del rostro recortados de los resultados de cuerpo entero 9:16 de Nano Banana 2.1, ejecución 1 y ejecución 2 de cada uno.

Los seis resultados parecían la misma mujer, así que el rostro no necesitó ayuda de vistas adicionales. La única mejora medida de las tres imágenes separadas fue la cicatriz, conservada en 2 de 2 ejecuciones frente a 1 de 2 con el retrato único. La hoja combinada fue el único juego que perdió o reinventó un detalle. Ninguno de los tres arregló el pendiente: incluso con una vista de tres cuartos que muestra con claridad el aro en su oreja izquierda, el modelo lo puso en la oreja que miraba a la cámara. Dos ejecuciones por juego es una muestra pequeña, así que tómalo como una tendencia y no como una regla: si añades vistas, envíalas como imágenes separadas, y no esperes que resuelvan un detalle de izquierda o derecha.

Fotos de grupo: dos y cuatro personas a partir de retratos separados

La cifra de Google para personajes es cuatro, así que probamos dos y cuatro. El resto del reparto son adultos ficticios fotografiados de la misma manera, cada uno sobre un fondo liso distinto para ver si los fondos se filtraban a la escena: un hombre asiático oriental de unos cuarenta y pocos años con gafas redondas de carey, un mechón plateado en la sien y un lunar bajo el ojo derecho; una mujer del sur de Asia de unos veinticinco años con un pequeño brillante plateado en la nariz y un lunar cerca del labio, con un cárdigan mostaza; y un hombre blanco de unos cincuenta y tantos años con la cabeza afeitada y un bigote de manillar gris, con una camisa de cuadros búfalo.

La solicitud de dos personas puso a la mujer de la primera prueba y al hombre de gafas en un mercado nocturno:

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.

Izquierda: los dos retratos de referencia (entradas de prueba). Derecha: recortes cercanos de los dos rostros del resultado 16:9 de Nano Banana 2.1, ejecución 1; el encuadre completo mostraba además los puestos del mercado y una multitud.

En las dos ejecuciones cada rostro se quedó con su persona: las gafas, la barba y el mechón plateado de él se quedaron en él, y los rizos, los aros de nariz y el pendiente de ella se quedaron en ella, y cada uno llevó la chaqueta que le asignamos. No hubo personas de más en primer plano, solo la multitud que pedimos detrás. Dos detalles repitieron la primera prueba: ella estaba girada con su lado derecho hacia la cámara y el pendiente pasó a esa oreja, y el lunar de él quedó en el lado del rostro vuelto hacia el otro lado. El modelo también llenó los puestos con letreros que nunca pedimos, así que si un fondo debe quedar limpio, dilo.

Para cuatro personas enviamos los cuatro retratos con un prompt estructurado, 16:9 a 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.

Abre este prompt en el Playground de edición de Nano Banana 2.1, y luego añade tus cuatro retratos en Images, en el mismo orden; el enlace solo rellena el prompt.

Un prompt estructurado frente a un prompt de una línea

Para ver si la estructura justifica su longitud, enviamos los mismos cuatro retratos, en el mismo orden y con el mismo 16:9 y 2k, con una sola línea: "Put these people together at a candlelit dinner party." Dos ejecuciones cada uno. Esto cambia varias cosas a la vez (el número de personas, las posiciones, la ropa, la lista de lo que debe conservarse), así que léelo como "un encargo completo frente a una petición informal", no como una prueba de una frase concreta.

Arriba: los cuatro retratos de referencia, imágenes 1 a 4 (entradas de prueba). Abajo a la izquierda: el prompt estructurado; abajo a la derecha: el prompt de una línea. Ambos son Nano Banana 2.1 a 16:9 y 2k, ejecución 1; la única diferencia es el prompt.

El modelo no necesitó el prompt largo para mantener separados cuatro rostros: las dos ejecuciones de una línea tuvieron exactamente cuatro personas, cada una reconocible como ella misma, y el fallo de nuestra prueba ciega, siete comensales en lugar de seis, no se repitió en ninguna de nuestras seis fotos de grupo. Lo que compró el prompt largo fue control. Las dos ejecuciones estructuradas pusieron a todos exactamente donde pedimos, con su propia ropa; las de una línea eligieron sus propios asientos y cambiaron la ropa de una persona, y luego de tres. Si tu serie depende de la ropa o de quién está junto a quién, escríbelo.

Para escenas de dos personas con contacto (manos, un baile, un abrazo), nuestra guía de imágenes con dos personajes cubre cómo colocar a cada persona y corregir los intercambios de identidad de uno en uno.

Prueba de ropa virtual: dónde baja la fidelidad del producto

La prueba de ropa es el trabajo que pone a prueba el lado de los objetos en las cifras de Google. Nuestro modelo es una foto de cuerpo entero de un hombre adulto ficticio con una camiseta blanca lisa, pantalón de chándal gris y zapatillas blancas, y los productos son nueve fotos sobre fondo blanco, cada una con un detalle fácil de hacer mal:

Las entradas de la prueba de ropa (imágenes de prueba hechas para este artículo, no resultados de 2.1): el modelo (imagen 1), y luego las imágenes 2 a 10 de izquierda a derecha y de arriba abajo, en orden de subida.

Luego lo vestimos cuatro veces con un conjunto creciente: 1 producto (la chaqueta), 3 (más pantalón y botines), 6 (más sombrero, gafas de sol y bolso) y 9 (más reloj, pañuelo y cinturón), de modo que la solicitud más grande llevó diez imágenes, el modelo más nueve productos. Cada escalón se ejecutó dos veces a 3:4 y 2k, y puntuamos cada producto pedido por presencia, color y detalle. La solicitud más grande, tal como se envió (los escalones menores usan la misma redacción solo con los productos que incluyen):

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.

Hay dos líneas puestas a propósito, aunque no probamos el prompt sin ellas. "Where a product replaces something he wears in image 1, it replaces it" le dice al modelo que el pantalón ocupa el lugar del pantalón de chándal en vez de ponerse encima. "Visible because the jacket is open" ata el cinturón a la chaqueta abierta para que siga a la vista. Fíjate también en lo que el prompt no hace: nunca nombra las costuras blancas del sombrero ni el color único del pantalón; "exactly as photographed" fue todo lo que decía sobre ellos.

Prueba de ropa de Nano Banana 2.1 a 3:4 y 2k, ejecución 1 de cada escalón, de izquierda a derecha: 1, 3, 6 y 9 productos. Puntuaciones de estos cuatro: 1 de 1, 2 de 3, 4 de 6 y 8 de 9 productos totalmente correctos.

La fidelidad no se desplomó al crecer la lista. Todos los productos que pedimos aparecieron en los ocho resultados, en el lugar correcto: las gafas de sol en su rostro, el bolso cruzado sobre el cuerpo con su cadena, el reloj en la muñeca izquierda, el pañuelo anudado al cuello, el cinturón visible bajo la chaqueta abierta. Su rostro y su barba nunca cambiaron. Los fallos no fueron los artículos nuevos desplazando a los anteriores; fueron los mismos dos detalles cada vez. El sombrero conservó su color y su forma pero perdió las costuras blancas de contraste en las cuatro ejecuciones que lo incluían, y el pantalón carbón de rayas finas salió con una pernera o un panel marrón más claro en cinco de las seis ejecuciones que lo incluían, algo que la foto del producto no tiene.

Nos detuvimos en nueve productos más el modelo, diez imágenes en una solicitud, y no probamos de 11 a 14 imágenes, así que no podemos decir nada del extremo alto del rango de Google. Hasta diez, el techo práctico no fue el número de productos sino el detalle fino de cada uno: revisa costuras, estampados y bloques de color en cada resultado y repite los que se desvían.

Dos notas prácticas para trabajar con prueba de ropa:

• Recorta las fotos de producto ajustadas y lisas. Es un consejo nuestro, no algo que probáramos: un producto fotografiado sobre una persona o en una habitación puede traerse a esa persona o esa habitación, mientras que una foto limpia sobre blanco le da al modelo una sola cosa que copiar.
• El modelo vuelve a dibujar cada píxel. Si una etiqueta, un logotipo o un estampado tiene que ser exacto al píxel, compón en su lugar la foto real del producto; nuestra guía de foto de producto a maquetas de anuncio muestra cómo.

La prueba de lencería y ropa de baño es otro asunto. En nuestras pruebas del 7 de octubre de 2026, la tarea de edición rechazó el cambio de un vestido a lencería (rechazado, sin cobro), mientras que la edición de un vestido de noche con la espalda descubierta pasó. No probamos ropa de baño en la tarea de edición.

Formas de origen mixtas y auto

Con una sola imagen de origen, aspect_ratio: auto (el valor predeterminado) conserva su forma: un panorama 4:1 volvió con 2064 x 512 en nuestras pruebas del 7 de octubre. Con varias fuentes tiene que elegir una. En la prueba de dos fuentes de ese día, un retrato cuadrado más una playa 4:1 volvió 4:1, siguiendo la segunda imagen, más ancha.

Comprobamos qué fuente sigue auto con tres solicitudes más a 1k, usando al hombre de gafas (un retrato 3:4), un patio 16:9 y la foto cuadrada del bolso:

El orden no influyó: en las cuatro ejecuciones con formas mixtas, auto siguió a la fuente más ancha, que en cada caso era también la imagen del lugar. A menudo es lo que quieres cuando metes a una persona en un escenario, pero es el encuadre equivocado para un retrato o una ficha de producto. En cuanto tus fuentes tengan formas distintas, elige tú la proporción, porque la forma de salida decide la composición: un encuadre ancho convierte un retrato de cuerpo entero en una figura pequeña dentro de un paisaje.

Cuando las referencias fallan: síntomas y soluciones

Cuando un resultado se acerca pero no acierta, empieza de nuevo desde tus referencias originales en lugar de devolverle el resultado defectuoso. Una imagen posterior no es mejor referencia solo por ser más nueva; reutiliza un resultado únicamente después de compararlo con los originales.

Trabajos que no probamos y adónde ir en su lugar

• Cinco o más personas: supera la cifra de Google de cuatro personajes, y no lo probamos. Componer por separado personas generadas en una sola escena es la opción más segura.
• Escenas para adultos, lencería o ropa de baño: no en este modelo, dado el rechazo de lencería de arriba. En SpicyAPI, Qwen Image 2.1 Edit y Seedream 5.0 Pro Edit están etiquetados como Uncensored y admiten de 1 a 10 imágenes de referencia cada uno; nuestra comparativa de editores de imagen sin censura detalla hasta dónde llegó cada uno en nuestras pruebas. No hemos probado si el método de referencias de este artículo funciona con ellos, así que empieza con un retrato y comprueba la identidad antes de apilar referencias. El resto del catálogo de modelos de SpicyAPI se puede filtrar por política de contenido. Trabaja solo con adultos ficticios o con adultos que hayan dado su permiso.

Preguntas frecuentes

¿Cuántas imágenes de referencia puede usar Nano Banana 2.1?

Google dice que hasta 14 en una solicitud de edición, con consistencia para hasta 4 personajes y fidelidad para hasta 10 objetos; su guía de generación de imágenes lo cuenta como hasta 4 imágenes de personajes más hasta 10 imágenes de objetos. Envíalas en image_urls en el orden al que se refiere tu prompt. Nuestra prueba más grande envió diez imágenes, un modelo y nueve productos, y todos los productos aparecieron en las dos ejecuciones.

¿Puede Nano Banana 2.1 mantener el mismo personaje en toda una serie?

En gran medida, sí, pero no a la perfección, y nada lo fija: no hay semilla ni control de identidad. En nuestras pruebas del 7 de octubre de 2026 un retrato llevó el rostro, el pelo y los aros de nariz por las ocho ediciones de escena, mientras que un pendiente de un solo lado pasó a la oreja que miraba a la cámara en cuatro de ellas y una cicatriz en la ceja se vio en cinco. Usa el mismo retrato original para cada imagen, lleva una lista escrita de los detalles que no deben cambiar y compara cada resultado con el retrato, no con el resultado anterior.

¿Debo subir una hoja de personaje o fotos separadas?

Si añades vistas extra, envíalas como fotos separadas. En nuestra prueba del perfil de playa, tres vistas separadas de la misma mujer conservaron su cicatriz en la ceja en las dos ejecuciones (un retrato solo: una de dos), mientras que las mismas vistas combinadas en una hoja perdieron su pendiente en una ejecución y convirtieron la cicatriz en un piercing de ceja en la otra. El rostro se mantuvo con todos los juegos, y ninguno impidió que el pendiente pasara a la oreja que miraba a la cámara. Dos ejecuciones por juego es una muestra pequeña.

¿Puedo usarlo para probar lencería o ropa de baño?

Para lencería no: en nuestras pruebas del 7 de octubre de 2026 la tarea de edición rechazó el cambio de un vestido a lencería (rechazado, sin cobro). La ropa de baño no se probó en la tarea de edición. Para vestuario de adultos, mira los modelos de edición sin censura citados arriba.

¿Por qué el modelo añadió una persona o cambió el fondo?

Vuelve a dibujar todo el encuadre, y cualquier cosa que no fijes queda abierta a cambios. Nuestras seis fotos de grupo tuvieron el número correcto de personas, con o sin indicar el número, pero nuestra prueba ciega detectó siete comensales cuando se pedían seis, un fondo cambiado en una tarea de reiluminación y un movimiento de cámara en una tarea de nevada, y nuestra escena del mercado nocturno volvió con letreros que nunca pedimos. Escribe el número, di que el fondo se queda y revisa cada resultado.

En resumen: una imagen por persona o producto, funciones numeradas y una lista de lo que debe conservarse llevaron un rostro, cuatro personas y nueve productos en nuestras pruebas; lo pequeño sigue necesitando tus ojos. Usa 1k para probar un juego de referencias y un prompt a poco costo (las imágenes de 1k solían volver en bastante menos de medio minuto en nuestras pruebas). Cuando el juego funcione, genera las imágenes finales a 2k o 4k (hasta aproximadamente un minuto cada una) y revísalas de nuevo: no hay semilla, así que una ejecución a 2k es una imagen nueva y no una ampliación del borrador, y un detalle de un solo lado puede volver a invertirse.