Nano Banana 2.1 z wieloma obrazami referencyjnymi: postacie, zdjęcia grupowe i przymiarka ubrań w teście

Masz jedną zatwierdzoną twarz albo jedną zatwierdzoną kurtkę i teraz potrzebujesz jej raz po raz: ta sama postać w nowym miejscu co tydzień, cała obsada na jednym zdjęciu grupowym, lookbook, w którym ta sama modelka nosi kilka rzeczy naraz. Zadanie edycji Nano Banana 2.1 przyjmuje wiele obrazów referencyjnych w jednym żądaniu, a liczby Google brzmią hojnie: do 14 referencji, ze spójnością postaci dla maksymalnie 4 postaci i wiernością obiektów dla maksymalnie 10 obiektów. Zanim zbudujesz na tym serię, musisz wiedzieć, jak przekazać te obrazy, żeby model rozumiał, kim i czym jest każdy z nich, i gdzie wyniki zaczynają się wymykać.

Daj każdej osobie i każdemu produktowi własny obraz referencyjny, odwołuj się do każdego obrazu przez jego numer, powiedz dokładnie, co ma zostać takie samo, i sprawdzaj na oko drobne szczegóły po jednej stronie. W naszych testach z 7 października 2026 roku jeden portret przeniósł tę samą twarz, te same włosy i te same kolczyki w nosie przez wszystkie osiem edycji scen; cztery osobne portrety dały właściwe cztery osoby na właściwych miejscach w obu przebiegach ustrukturyzowanego promptu, a przymiarka z maksymalnie dziewięcioma produktami zachowała w kadrze każdą rzecz. Wymknęło się coś małego i powtarzalnego: pojedynczy kolczyk przeskakiwał do ucha zwróconego ku kamerze, jeden kapelusz stracił kontrastowy ścieg, a jedne spodnie wciąż wychodziły dwukolorowe. Spójność to instrukcja, nie zamek: karta modelu Google sama mówi, że spójność postaci "is not always perfect" (nie zawsze jest idealna), a zadanie nie ma ani seed, ani maski, ani kontroli siły tożsamości, która przypięłaby wynik.

Zasady, do których doszliśmy, każda wyjaśniona i sprawdzona poniżej:

• Jedna postać, wiele scen: jeden wyraźny portret en face przeniósł twarz do każdej sceny, którą wypróbowaliśmy. Jeśli dodajesz więcej ujęć tej samej osoby, wysyłaj je jako osobne obrazy: w naszym małym teście częściej zachowywały bliznę na brwi, a pojedyncza połączona „karta postaci” gubiła lub wymyślała szczegóły.
• Szczegóły po jednej stronie: kolczyk, blizna lub przedziałek po jednej stronie mogą przejść na stronę zwróconą ku kamerze. Jeśli to ważne, trzymaj tę stronę ku kamerze albo sprawdzaj każdy wynik.
• Zdjęcia grupowe: jeden portret na osobę, nie więcej niż cztery osoby, miejsca i ubrania opisane na piśmie. Prompt w jednej linijce też zachował twarze, ale przebrał ludzi i sam wybrał, kto gdzie siedzi.
• Przymiarka i kompozycje produktowe: jeden produkt na obraz, każdy nazwany wraz z miejscem, w którym ma się znaleźć. Dziewięć produktów i modelka w jednym żądaniu zachowały każdą rzecz, ale drobne szczegóły, takie jak ściegi i kolorowe panele, wciąż się wymykały.
• Źródła o różnych kształtach: ustaw aspect_ratio samodzielnie. We wszystkich czterech przebiegach z mieszanymi kształtami auto poszło za najszerszym obrazem, który za każdym razem był też sceną.
• Garderoba dla dorosłych: zadanie edycji odrzuciło zamiany na bieliznę w naszych testach z 7 października 2026 roku, więc to narzędzie do serii z ubranymi osobami, przeznaczonych dla szerokiej publiczności.

Co znaczy „14 referencji, 4 postacie, 10 obiektów”

Google pisze, że Nano Banana 2.1 obsługuje "multi-image fusion supporting up to 14 reference images (character consistency for up to 4 characters and object fidelity for up to 10 objects)" (łączenie wielu obrazów z maksymalnie 14 obrazami referencyjnymi: spójność postaci dla maksymalnie 4 postaci i wierność obiektów dla maksymalnie 10 obiektów) na swojej stronie modelu. Przewodnik po generowaniu obrazów Google dzieli ten sam budżet na dwa rodzaje referencji: do 10 obrazów obiektów, które mają się znaleźć w wyniku z dużą wiernością, i do 4 obrazów postaci, które mają pozostać spójne. Czyli 14 to suma obu rodzajów. To nie jest 14 osób ani obietnica, że każdy z 14 obrazów przetrwa w wyniku bez zmian.

W SpicyAPI zadanie edycji Nano Banana 2.1 przyjmuje od 1 do 14 obrazów w image_urls, w kolejności, do której odwołuje się twój prompt, i zwraca wynik w 1k, 2k lub 4k. W SpicyAPI Nano Banana 2.1 startuje z ceny znacznie poniżej cennika samego Google; strona modelu pokazuje aktualne ceny.

To, czego zadanie nie daje, jest równie ważne:

• Brak seed. Dwa przebiegi tego samego żądania to dwie różne próby, więc zakładaj, że przejrzysz więcej niż jedną.
• Brak maski, wagi dla obrazu i suwaka siły tożsamości. Wszystko, co chcesz zachować, trzeba powiedzieć w prompcie.
• Brak gwarancji co do drobnych szczegółów i pozy. Karta modelu Google wymienia "Character consistency is not always perfect between input images and generated output image" wśród znanych ograniczeń, razem z "rare instances of persistent subject pose" (rzadkie przypadki uporczywej pozy obiektu) w edycjach i okazjonalnym myleniem lewej i prawej strony.

Nasz własny test w ciemno wskazuje w tę samą stronę. 7 października 2026 roku przepuściliśmy Nano Banana 2.1 przez stały zestaw promptów i edycji, a sędziowie AI od trzech różnych twórców ocenili wyniki, nie widząc nazwy modelu. Za spójność edycji (sześć pytań edycyjnych) dostał 65,9 na 100, wobec 76,7 za zgodność z promptem i 77,8 za jakość obrazu; pełny obraz daje recenzja Nano Banana 2.1. W dwóch z tych edycji zmienił rzeczy, których nikt nie prosił zmieniać: podmienił tło na nocną ulicę w zadaniu z przeoświetleniem i przysunął kamerę w zadaniu ze śniegiem. W pytaniu liczbowym narysował siedmiu gości, gdy prosiliśmy o sześciu.

Jak napisać prompt z wieloma referencjami

Wszystkie poniższe testy, poza jednym celowym porównaniem w jednej linijce, używają tej samej pięcioczęściowej struktury. Wygląda na długą, ale każda część odpowiada na pytanie, na które model w przeciwnym razie odpowiedziałby za ciebie.

1. Nazwij każdy obraz przez jego numer i powiedz, czym jest. "Image 1 is the model. Image 2 is the jacket." Kolejność image_urls to etykieta, na której może polegać twój prompt, więc trzymaj oba w zgodzie.
2. Powiedz, co wziąć z każdego obrazu i co zignorować. Portret zrobiony na szarym tle ma dać twarz, nie tło.
3. Opisz nową scenę: miejsce, co robi każda osoba, gdzie stoi, kamera i światło.
4. Gdy w kadrze są ludzie, wpisz ich liczbę: "exactly four people, and nobody else".
5. Zakończ listą rzeczy do zachowania: szczegóły, które muszą przetrwać, obraz po obrazie.

Każdej pozie lub czynności, na której ci zależy, daj osobne zdanie. W naszym wcześniejszym teście z trzema źródłami twarz mężczyzny oraz kolor, mosiężne napy i kieszenie na piersi zamszowej kurtki przeniosły się do sceny w obserwatorium, ale "one hand on the eyepiece" (jedna ręka na okularze), wspomniane mimochodem, wróciło jako mała mosiężna luneta w jego dłoni.

Szablon, który możesz dostosować:

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.

To, czy długa wersja jest warta wysiłku, to jedna z rzeczy, które sprawdziliśmy: zobacz sekcję o zdjęciach grupowych poniżej.

O obrazach testowych. Zdjęcia referencyjne w tym artykule (portrety, modelka do przymiarki, zdjęcia produktów i dziedziniec) to ilustracje, które przygotowaliśmy jako dane wejściowe testu; nie są wynikami Nano Banana 2.1. Każdy oceniany przez nas wynik to edycja Nano Banana 2.1, wykonana 7 października 2026 roku w 2k, o ile nie zaznaczono inaczej, a każda kompozycja pokazuje przebieg 1 z dwóch, chyba że podpis mówi coś innego.

Jedna postać, cztery nowe sceny z jednego portretu

Seria zaczyna się od jednej zatwierdzonej twarzy. Nasz portret testowy to fikcyjna dorosła kobieta po trzydziestce z czterema szczegółami, które mogliśmy sprawdzić w każdym wyniku, wybranymi dlatego, że drobne szczegóły po jednej stronie zwykle odpływają pierwsze: krótkie loki ufarbowane na miedziano na końcówkach, cienka blizna przez prawą brew, małe złote kółka w obu nozdrzach i jeden złoty kolczyk-kółko z zieloną kulką tylko w lewym uchu.

Potem poprosiliśmy o cztery nowe sceny, każdą tylko z tego jednego portretu, za każdym razem zmieniając garderobę, miejsce, kąt kamery i kształt kadru, i każdą scenę uruchomiliśmy dwa razy.

Lewy górny róg: jedyny portret referencyjny (dane wejściowe testu, nie wynik 2.1). Pozostałe cztery panele to edycje Nano Banana 2.1 tylko z tego portretu, przebieg 1 każdej sceny: bar na dachu 4:5, deszczowa ulica 16:9, kuchnia 1:1 i plaża 9:16, każda przycięta do tego samego kadru 4:5 na potrzeby tej siatki.

Scena na dachu, tak jak została wysłana:

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.

Pozostałe trzy sceny użyły tego samego pierwszego i ostatniego zdania z inną środkową częścią: deszczowa ulica nocą pod przezroczystym parasolem w kamelowym trenczu, widok z trzech czwartych z jej prawej strony (16:9); słoneczna kuchnia w obszernym kremowym swetrze, śmiech z kubkiem, zbliżenie (1:1); i żwirowa plaża w złotej godzinie w rdzawopomarańczowej lnianej sukience kopertowej, w pełnej postaci i w profilu z jej prawej strony (9:16).

Twarz, loki o miedzianych końcówkach i oba kolczyki w nosie przeszły we wszystkich ośmiu przebiegach, a tło i T-shirt z portretu źródłowego nigdy nie przedostały się do sceny. Pouczającą wpadką jest kolczyk. Pojawił się w każdym przebiegu, ale tylko w lewym uchu został w czterech przebiegach, które pokazywały ją od przodu lub z lewej strony; we wszystkich czterech przebiegach, które obracały ją prawą stroną do kamery, przeszedł do prawego ucha, tego widocznego. Blizna była widoczna w pięciu z ośmiu przebiegów; w pozostałych trzech znajdowała się po dalszej stronie twarzy albo po prostu nie została narysowana.

Prompty dla deszczowej ulicy i plaży prosiły naraz o dwie rzeczy po jednej stronie: pokazać jej prawą stronę i zostawić kolczyk w lewym uchu. W każdym z tych czterech przebiegów dokładnie jedna z dwóch wyszła dobrze. Przebieg 1 deszczowej ulicy zachował kolczyk w lewym uchu, pokazując ją za to z lewej strony; pozostałe trzy pokazały jej prawą stronę i przeniosły kolczyk do prawego ucha. Oglądany z jej prawej strony kolczyk w lewym uchu powinien po prostu zniknąć z widoku, a model wyciągnął go na widok zamiast zostawić ukrytym.

Jeśli szczegół jest po jednej stronie twarzy (kolczyk, blizna, przedziałek, tatuaż), w opisie sceny trzymaj tę stronę ku kamerze albo licz się z tym, że trzeba sprawdzić i powtórzyć przebiegi, które go odwracają.

Czy drugie lub trzecie zdjęcie tej samej osoby pomaga?

Profil na plaży to trudny przypadek: twarz jest mała, odwrócona i pokazuje stronę, której portret en face nigdy nie pokazał. Powtórzyliśmy go na dwa inne sposoby, po dwa razy każdy, z tym samym tekstem sceny:

• Trzy osobne obrazy jej: portret en face, ujęcie z trzech czwartych i zdjęcie w pełnej postaci; dwa ostatnie powstały przez edycję portretu i zostały sprawdzone na oko przed użyciem, bo wygenerowany widok z boku może wymyślić szczegóły, których oryginał nigdy nie pokazywał.
• Te same trzy widoki połączone w jeden obraz, „karta postaci”, z której korzysta wielu twórców.

Jedno ograniczenie tego testu: nasz widok z trzech czwartych pokazuje lewą stronę jej twarzy, tę z kolczykiem, więc żaden zestaw referencji nie pokazywał jej prawej strony, tej, o którą prosi ujęcie na plaży. Referencja strony, którą pokazuje scena, to oczywisty kolejny test, ale go nie wykonaliśmy.

Kolumny od lewej do prawej: jeden portret, trzy osobne obrazy, jedna połączona plansza (górny rząd: zestawy referencji, dane wejściowe testu). Środkowy i dolny rząd: zbliżenia twarzy wycięte z wyników Nano Banana 2.1 w pełnej postaci 9:16, przebieg 1 i przebieg 2 każdego.

Wszystkie sześć wyników wyglądało jak ta sama kobieta, więc twarz nie potrzebowała pomocy dodatkowych widoków. Jedynym zmierzonym zyskiem z trzech osobnych obrazów była blizna, zachowana w 2 z 2 przebiegów wobec 1 z 2 przy pojedynczym portrecie. Połączona plansza była jedynym zestawem, który zgubił lub wymyślił szczegół. Żaden z trzech nie naprawił kolczyka: nawet przy widoku z trzech czwartych, na którym wyraźnie widać kółko w jej lewym uchu, model umieścił je w uchu zwróconym ku kamerze. Dwa przebiegi na zestaw to mała próba, więc traktuj to jako kierunek, nie regułę: jeśli dodajesz widoki, wysyłaj je jako osobne obrazy i nie oczekuj, że rozstrzygną szczegół po lewej lub prawej stronie.

Zdjęcia grupowe: dwie i cztery osoby z osobnych portretów

Liczba Google dla postaci to cztery, więc przetestowaliśmy dwie i cztery. Reszta obsady to fikcyjni dorośli sfotografowani w ten sam sposób, każdy na innym jednolitym tle, żeby zobaczyć, czy tła przedostają się do sceny: wschodnioazjatycki mężczyzna po czterdziestce w okrągłych szylkretowych okularach, ze srebrnym pasmem na skroni i pieprzykiem pod prawym okiem; południowoazjatycka kobieta około dwudziestki piątki ze srebrnym kolczykiem w nosie i znamieniem przy ustach, w musztardowym kardiganie; i biały mężczyzna pod sześćdziesiątkę z ogoloną głową i siwym wąsem w stylu handlebar, w koszuli w dużą kratę.

Żądanie z dwiema osobami umieściło kobietę z pierwszego testu i mężczyznę w okularach na nocnym targu:

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.

Po lewej: dwa portrety referencyjne (dane wejściowe testu). Po prawej: bliskie wycinki dwóch twarzy z wyniku Nano Banana 2.1 w 16:9, przebieg 1; pełny kadr pokazywał też stoiska targu i tłum.

W obu przebiegach każda twarz została przy swojej osobie: jego okulary, broda i srebrne pasmo zostały przy nim, jej loki, kolczyki w nosie i kolczyk zostały przy niej, a każde miało na sobie przypisaną kurtkę. Na pierwszym planie nie było dodatkowych osób, tylko tłum, o który prosiliśmy, z tyłu. Dwa szczegóły powtórzyły pierwszy test: była obrócona prawą stroną do kamery i kolczyk przeszedł do tego ucha, a jego pieprzyk znalazł się po stronie twarzy odwróconej od nas. Model wypełnił też stoiska szyldami, o które nie prosiliśmy, więc jeśli tło ma pozostać czyste, powiedz to.

Dla czterech osób wysłaliśmy wszystkie cztery portrety z ustrukturyzowanym promptem, 16:9 w 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.

Otwórz ten prompt w Playground edycji Nano Banana 2.1, a potem dodaj swoje cztery portrety w polu Images, w tej samej kolejności; link wypełnia tylko prompt.

Prompt ustrukturyzowany kontra prompt w jednej linijce

Żeby sprawdzić, czy struktura jest warta swojej długości, wysłaliśmy te same cztery portrety, w tej samej kolejności i z tymi samymi 16:9 i 2k, z jedną linijką: "Put these people together at a candlelit dinner party." Po dwa przebiegi każdego. To zmienia kilka rzeczy naraz (liczbę osób, pozycje, ubrania, listę rzeczy do zachowania), więc czytaj to jako „pełne zlecenie kontra swobodna prośba”, a nie jako test pojedynczego zdania.

Na górze: cztery portrety referencyjne, obrazy 1–4 (dane wejściowe testu). Na dole po lewej: prompt ustrukturyzowany; na dole po prawej: prompt w jednej linijce. Oba to Nano Banana 2.1 w 16:9 i 2k, przebieg 1; jedyna różnica to prompt.

Model nie potrzebował długiego promptu, żeby rozróżnić cztery twarze: oba przebiegi z jedną linijką miały dokładnie cztery osoby, każdą rozpoznawalnie sobą, a wpadka z naszego testu w ciemno, siedmiu gości zamiast sześciu, nie powtórzyła się w żadnym z naszych sześciu zdjęć grupowych. Długi prompt kupił kontrolę. Oba przebiegi ustrukturyzowane ustawiły wszystkich dokładnie tam, gdzie prosiliśmy, we własnych ubraniach; te z jedną linijką same wybrały miejsca i przebrały jedną osobę, potem trzy. Jeśli twoja seria zależy od strojów albo od tego, kto obok kogo stoi, zapisz to.

W scenach z dwiema osobami z kontaktem (dłonie, taniec, uścisk) nasz przewodnik po obrazach z dwiema postaciami opisuje, jak ustawić każdą osobę i poprawiać zamiany tożsamości po jednej.

Wirtualna przymiarka: gdzie spada wierność produktu

Przymiarka to zadanie, które sprawdza stronę obiektową liczb Google. Nasz model to zdjęcie w pełnej postaci fikcyjnego dorosłego mężczyzny w zwykłym białym T-shircie, szarych dresach i białych sneakersach, a produkty to dziewięć zdjęć na białym tle, każde ze szczegółem, w którym łatwo się pomylić:

Dane wejściowe przymiarki (obrazy testowe zrobione na potrzeby tego artykułu, nie wyniki 2.1): model (obraz 1), potem obrazy 2–10 od lewej do prawej i od góry do dołu, w kolejności wgrywania.

Potem ubieraliśmy go cztery razy rosnącym zestawem: 1 produkt (kurtka), 3 (plus spodnie i buty), 6 (plus kapelusz, okulary i torba) i 9 (plus zegarek, szal i pasek), więc największe żądanie niosło dziesięć obrazów, model i dziewięć produktów. Każdy szczebel uruchomiliśmy dwa razy w 3:4 i 2k i oceniliśmy każdy żądany produkt pod kątem obecności, koloru i szczegółu. Największe żądanie, tak jak zostało wysłane (mniejsze szczeble używają tego samego sformułowania tylko z produktami, które obejmują):

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.

Dwie linijki są tam celowo, choć nie testowaliśmy promptu bez nich. "Where a product replaces something he wears in image 1, it replaces it" mówi modelowi, że spodnie zajmują miejsce dresów, zamiast być założone na wierzch. "Visible because the jacket is open" wiąże pasek z rozpiętą kurtką, żeby pozostał widoczny. Zwróć też uwagę na to, czego prompt nie robi: nigdy nie nazywa białych ściegów kapelusza ani jednolitego koloru spodni; "exactly as photographed" to wszystko, co o nich mówił.

Przymiarka Nano Banana 2.1 w 3:4 i 2k, przebieg 1 każdego szczebla, od lewej do prawej: 1, 3, 6 i 9 produktów. Wyniki dla tych czterech: w pełni poprawne 1 z 1, 2 z 3, 4 z 6 i 8 z 9 produktów.

Wierność nie runęła wraz ze wzrostem listy. Każdy żądany produkt pojawił się we wszystkich ośmiu wynikach, na właściwym miejscu: okulary na twarzy, torba przez ciało na łańcuchu, zegarek na lewym nadgarstku, szal luźno zawiązany na szyi, pasek widoczny spod rozpiętej kurtki. Jego twarz i broda nigdy się nie zmieniły. Wpadki nie polegały na tym, że nowsze rzeczy wypierały starsze; za każdym razem były to te same dwa szczegóły. Kapelusz zachował kolor i kształt, ale stracił białe kontrastowe ściegi we wszystkich czterech przebiegach, które go zawierały, a grafitowe spodnie w cienkie prążki wróciły z jaśniejszą brązową nogawką lub panelem w pięciu z sześciu przebiegów, które je zawierały, czego zdjęcie produktu nie ma.

Zatrzymaliśmy się na dziewięciu produktach plus modelu, dziesięciu obrazach w jednym żądaniu, i nie testowaliśmy od 11 do 14 obrazów, więc o górnej części zakresu Google nie możemy nic powiedzieć. Do dziesięciu praktycznym sufitem nie była liczba produktów, lecz drobny szczegół każdego z nich: sprawdzaj ściegi, nadruki i bloki kolorów w każdym wyniku i powtarzaj te, które odpływają.

Dwie praktyczne uwagi do pracy z przymiarką:

• Przycinaj zdjęcia produktów ciasno i prosto. To nasza rada, a nie coś, co testowaliśmy: produkt sfotografowany na osobie lub w pokoju może przynieść ze sobą tę osobę lub ten pokój, a czyste zdjęcie na bieli daje modelowi jedną rzecz do skopiowania.
• Model przerysowuje każdy piksel. Jeśli etykieta, logo lub nadruk muszą być dokładne co do piksela, złóż w kompozycji prawdziwe zdjęcie produktu; nasz przewodnik od zdjęcia produktu do układów reklamowych pokazuje jak.

Przymiarka bielizny i strojów kąpielowych to inna sprawa. W naszych testach z 7 października 2026 roku zadanie edycji odrzuciło zamianę sukienki na bieliznę (odrzucone, bez obciążenia), podczas gdy edycja wieczorowej sukni z odkrytymi plecami przeszła. Strojów kąpielowych w zadaniu edycji nie testowaliśmy.

Źródła o różnych kształtach i auto

Przy jednym obrazie źródłowym aspect_ratio: auto (wartość domyślna) zachowuje jego kształt: panorama 4:1 wróciła jako 2064 x 512 w naszych testach z 7 października. Przy kilku źródłach musi wybrać jedno. W teście z dwoma źródłami tego dnia kwadratowy portret plus plaża 4:1 wróciły jako 4:1, idąc za drugim, szerszym obrazem.

Sprawdziliśmy, za którym źródłem idzie auto, trzema kolejnymi żądaniami w 1k, używając mężczyzny w okularach (portret 3:4), dziedzińca 16:9 i kwadratowego zdjęcia torby:

Kolejność nie miała znaczenia: we wszystkich czterech przebiegach z mieszanymi kształtami auto poszło za najszerszym źródłem, które w każdym przypadku było też obrazem miejsca akcji. Często to właśnie jest to, czego chcesz, gdy umieszczasz osobę w lokalizacji, ale to zły kadr dla portretu albo karty produktu. Gdy twoje źródła mają różne kształty, wybierz proporcje sam, bo kształt wyniku decyduje o kompozycji: szeroki kadr zamienia portret w pełnej postaci w małą figurkę w krajobrazie.

Kiedy referencje zawodzą: objawy i poprawki

Gdy wynik jest bliski, ale nie trafia, zacznij od nowa od oryginalnych referencji zamiast wkładać z powrotem wadliwy wynik. Późniejszy obraz nie jest lepszą referencją tylko dlatego, że jest nowszy; użyj wyniku ponownie dopiero po sprawdzeniu go z oryginałami.

Zadania, których nie testowaliśmy, i dokąd iść zamiast tego

• Pięć lub więcej osób: wykracza poza liczbę Google, czyli cztery postacie, i tego nie testowaliśmy. Bezpieczniej jest złożyć osobno wygenerowane osoby w jedną scenę kompozycją.
• Sceny dla dorosłych, bielizna lub stroje kąpielowe: nie w tym modelu, zważywszy na odmowę dotyczącą bielizny wyżej. W SpicyAPI Qwen Image 2.1 Edit i Seedream 5.0 Pro Edit są oznaczone jako Uncensored i przyjmują od 1 do 10 obrazów referencyjnych każdy; nasze porównanie edytorów obrazów bez cenzury pokazuje, jak daleko poszedł każdy w naszych testach. Nie sprawdzaliśmy, czy metoda referencji z tego artykułu przenosi się na nie, więc zacznij od jednego portretu i sprawdź tożsamość, zanim zaczniesz piętrzyć referencje. Resztę katalogu modeli SpicyAPI można filtrować według polityki treści. Pracuj tylko z fikcyjnymi dorosłymi albo z dorosłymi, którzy wyrazili zgodę.

Najczęstsze pytania

Ile obrazów referencyjnych może użyć Nano Banana 2.1?

Google mówi: do 14 w jednym żądaniu edycji, ze spójnością dla maksymalnie 4 postaci i wiernością dla maksymalnie 10 obiektów; jego przewodnik po generowaniu obrazów liczy to jako do 4 obrazów postaci plus do 10 obrazów obiektów. Wysyłaj je w image_urls w kolejności, do której odwołuje się twój prompt. Nasz największy test wysłał dziesięć obrazów, model i dziewięć produktów, a każdy produkt pojawił się w obu przebiegach.

Czy Nano Banana 2.1 utrzyma tę samą postać przez całą serię?

W dużej mierze tak, ale nie idealnie, i nic jej nie przypina: nie ma seed ani kontroli tożsamości. W naszych testach z 7 października 2026 roku jeden portret przeniósł twarz, włosy i kolczyki w nosie przez wszystkie osiem edycji scen, podczas gdy kolczyk po jednej stronie przeszedł do ucha zwróconego ku kamerze w czterech z nich, a blizna na brwi była widoczna w pięciu. Używaj tego samego oryginalnego portretu dla każdego obrazu, prowadź pisemną listę szczegółów, które nie mogą się zmienić, i porównuj każdy wynik z portretem, nie z poprzednim wynikiem.

Wgrywać kartę postaci czy osobne zdjęcia?

Jeśli dodajesz dodatkowe widoki, wysyłaj je jako osobne zdjęcia. W naszym teście profilu na plaży trzy osobne widoki tej samej kobiety zachowały jej bliznę na brwi w obu przebiegach (sam portret: jeden z dwóch), a te same widoki połączone w jedną planszę zgubiły jej kolczyk w jednym przebiegu i zamieniły bliznę w kolczyk w brwi w drugim. Twarz utrzymała się przy każdym zestawie i żaden nie powstrzymał kolczyka przed przejściem do ucha zwróconego ku kamerze. Dwa przebiegi na zestaw to mała próba.

Czy mogę użyć tego do przymiarki bielizny lub strojów kąpielowych?

Nie do bielizny: w naszych testach z 7 października 2026 roku zadanie edycji odrzuciło zamianę sukienki na bieliznę (odrzucone, bez obciążenia). Strojów kąpielowych w zadaniu edycji nie testowano. Do garderoby dla dorosłych zobacz modele edycji bez cenzury wymienione wyżej.

Dlaczego model dodał osobę lub zmienił tło?

Przerysowuje cały kadr, a wszystko, czego nie przypniesz, jest otwarte na zmiany. Nasze sześć zdjęć grupowych miało właściwą liczbę osób, z liczbą w prompcie i bez, ale nasz test w ciemno wychwycił siedmiu gości, gdy prosiliśmy o sześciu, podmienione tło w zadaniu z przeoświetleniem i ruch kamery w zadaniu ze śniegiem, a nasza scena nocnego targu wróciła z szyldami, o które nie prosiliśmy. Wpisz liczbę, powiedz, że tło zostaje, i sprawdzaj każdy wynik.

Krótko: jeden obraz na osobę lub produkt, ponumerowane role i lista rzeczy do zachowania utrzymały w naszych testach jedną twarz, cztery osoby i dziewięć produktów; drobiazgi wciąż wymagają twojego oka. Używaj 1k, żeby tanio wypróbować zestaw referencji i prompt (obrazy 1k zwykle wracały w naszych testach w dużo mniej niż pół minuty). Gdy zestaw działa, wykonuj finalne obrazy w 2k lub 4k (do około minuty na każdy) i sprawdzaj je ponownie: nie ma seed, więc przebieg w 2k to nowy obraz, a nie powiększenie szkicu, i szczegół po jednej stronie może się znów odwrócić.