Edycja z referencjami w Nano Banana 2: zachowaj postać, zmień scenę

Istniejący portret kampanii może pokazywać właściwą osobę w odpowiednim stroju, ale w złym otoczeniu. Przeniesienie tej postaci w plener to zadanie bardziej konkretne niż wygenerowanie kolejnej, tylko mgliście podobnej postaci: referencja musi dostarczyć tożsamości i szczegółów przedmiotów, a prompt — zmienionej sceny.

Użyj edycji w Nano Banana 2, gdy chcesz mieć istniejącą postać w nowym otoczeniu: zacznij od jednego obrazu postaci, opisz nowe tło i dodaj drugi obraz referencyjny tylko wtedy, gdy liczy się konkretne miejsce. Zadanie przyjmuje do 14 obrazów referencyjnych, ale nie ma maski ani suwaka siły tożsamości. Przy 1k edycja kosztuje 0,0384 $ na trasie domyślnej, a od jednego do dziesięciu źródeł kosztuje tyle samo; jeśli zadanie przejdzie na trasę oficjalną, kosztuje 0,0536 $ plus niewielką opłatę za każde źródło. Przy edycji na dostarczonych referencjach pozostaw oba przełączniki wyszukiwania wyłączone, chyba że naprawdę potrzebujesz informacji z zewnątrz.

Nano Banana 2 jest filtrowany: wybieraj go do portretów promocyjnych SFW i scen z ubranymi postaciami. Jeśli chodzi o obrazy dla dorosłych, zapoznaj się z wynikami dotyczącymi treści w Nano Banana 2, zanim wybierzesz to zadanie.

Zacznij od najmniejszego użytecznego zestawu obrazów referencyjnych

Na stronie edycji Nano Banana 2 otwórz kartę Playground. Dodaj obraz postaci w Images, wklej poniższy prompt do Prompt, zostaw Aspect ratio na Auto, ustaw Resolution na 1k, pozostaw wyłączone Web search i Enable Image Search, a następnie naciśnij Run model i sprawdź wyświetloną cenę, zanim potwierdzisz. W fikcyjnej kampanii odzieży przeciwdeszczowej źródło pierwsze pokazuje dorosłą kobietę w wieku 32 lat z krótkim ciemnym bobem, w szafranowym płaszczu przeciwdeszczowym, grafitowych spodniach i kremowych butach sportowych obok ciemnozielonego roweru. Wyraźne źródło w pełnej sylwetce pozwala ocenić, czy płaszcz, stopy i koła przetrwają edycję.

Wypróbuj najpierw to, bez obrazu miejsca:

Keep the fictional adult woman and bicycle from image one: the same facial structure, short dark bob, saffron matte raincoat, charcoal trousers, cream trainers and dark-green bicycle. Replace only the studio setting with a flat riverside path in light morning mist. Preserve the pose and camera view. Match the soft cool daylight and ground contact to the new setting. No other people, bicycles or text.

Obejrzyj kadr, zanim zatwierdzisz wynik.

Brzeg rzeki można opisać słowami; dodatkowy obraz krajobrazu przydaje się tylko wtedy, gdy liczy się jego konkretny układ.

Edycja z referencją nie trenuje modelu postaci do wielokrotnego użytku. Jeśli budujesz widoki referencyjne z przodu, z boku i w pełnej sylwetce, porównaj każdy z zatwierdzoną tożsamością, zanim użyjesz go ponownie; wygenerowany widok z boku może wprowadzić cechy, których oryginalne zdjęcie nigdy nie pokazało. Dla każdej nowej sceny dostarczaj przydatne widoki od nowa.

Dodaj miejsce, a obraz materiału tylko w razie potrzeby

Jeśli pierwsza scena jest zbyt ogólna, dodaj zdjęcie brzegu rzeki jako źródło drugie. Wybierz takie z równą ścieżką i kątem kamery zgodnym ze stojącą postacią. Dodaj:

Image two defines the path, river and mist only. Keep the person, outfit, bicycle and their relative placement from image one. Do not import people, signs or vehicles from image two.

Jeśli nierozwiązanym problemem jest powierzchnia płaszcza, źródłem trzecim może być zbliżenie matowej szafranowej tkaniny. Dodaj:

Image three supplies only the coat's matte surface texture. Keep the coat's original color, hood, fastening and silhouette from image one.

Rozdziel role obrazów referencyjnych:

• Obraz 1: osoba, ubranie, rower i ich względne rozmieszczenie.
• Obraz 2: miejsce i jego perspektywa; wyklucz konkurujące osoby lub pojazdy.
• Obraz 3: powierzchnia materiału, bez zastępowania projektu płaszcza.

Kolejność musi zgadzać się z faktyczną kolejnością przesyłania. Próbka palety nie powinna zajmować miejsca drugiego, gdy tekst nazywa miejsce drugie rzeką. To zadanie nie ma wag dla poszczególnych obrazów, więc daj modelowi jasne przypisanie zwykłymi zdaniami.

Zdjęcie materiału pokazujące drugi kompletny płaszcz może przypadkiem zasugerować inny kołnierz albo zapięcie. Przytnij do potrzebnej powierzchni, jeśli konstrukcja jest już określona przez źródło pierwsze. I odwrotnie: jeśli chcesz nowego projektu płaszcza, powiedz to wprost; to wymiana garderoby, a nie zachowanie.

Zmiana miejsca to także problem światła i perspektywy

Portret studyjny i zdjęcie brzegu rzeki mogą się różnić, nawet gdy twarz pozostaje rozpoznawalna. Studio może być oświetlone z lewej, podczas gdy plenerowa referencja ma słońce z prawej. Zachowanie wszystkich dawnych cieni sprawiłoby, że postać wyglądałaby na wklejoną w nowe miejsce. Zachowaj strukturę twarzy i projekt płaszcza, ale dopuść zgodny cień na ziemi i miękkie światło otoczenia.

Wybierz obraz miejsca, którego horyzont i punkt widzenia pasują do źródła. Stojący portret na wysokości oczu pasuje naturalniej do ścieżki na wysokości oczu niż do krajobrazu z góry. Jeśli brief wymaga nowego, niskiego kąta kamery, model musi wymyślić niewidoczne części twarzy, ubrania i roweru. To szersza rekonstrukcja niż zamiana tła, więc najpierw zatwierdź proste przeniesienie, zanim poprosisz o nowy punkt widzenia.

W scenie z rowerem koła powinny dotykać tej samej płaszczyzny podłoża co buty dorosłej osoby. Źródło miejsca ze stromym, pochyłym brzegiem może postawić koło w rzece lub zniekształcić jego okrągły kształt. Wybierz płaską, widoczną ścieżkę i zachowaj względne rozmieszczenie osoby i roweru ze źródła. Jeśli twarz jest poprawna, a koła nie, napraw otoczenie lub geometrię kół zamiast dodawać kolejne referencje twarzy.

Nie potrzebujesz osobnego obrazu pogody, rzeki, nieba, płaszcza, roweru i portretu tylko dlatego, że dostępnych jest czternaście miejsc. Dwie referencje o jasnych rolach mogą opisać to zadanie. Trzecia przydaje się tylko wtedy, gdy wnosi coś, czego istniejące obrazy i prompt jeszcze nie rozstrzygają.

Ustawienia, które mają znaczenie w tej edycji

Karta 4:5 i baner 16:9 to różne kompozycje. Jeśli w 4:5 potrzebujesz całej osoby i obu kół, napisz o tym w prompcie i użyj źródła z wystarczającym marginesem. Samo wybranie proporcji pionowej nie zachowuje każdego obiektu przy krawędzi. Jeśli chodzi o tekst na karcie, zobacz przewodnik po układzie tekstu w Nano Banana Pro.

Prezentacja Google określa Nano Banana 2 jako Gemini 3.1 Flash Image i opisuje pracę nad obrazem opartą na referencjach.

Ile kosztuje edycja

Ceny w USD za jeden edytowany obraz, przy wyłączonych obu przełącznikach wyszukiwania:

Proporcje obrazu nie zmieniają tych wierszy. Trasa domyślna przyjmuje od jednego do dziesięciu obrazów źródłowych w tej samej cenie. Trasa oficjalna dolicza 0,0001032 $ za każdy dostarczony obraz i tylko ona obsługuje 0,5k, więcej niż dziesięć źródeł oraz wyszukiwanie. Gdy włączona jest opcja Official fallback (domyślnie), zapytanie jest rezerwowane po cenie oficjalnej, a różnica wraca na konto, gdy wynik dostarczy trasa domyślna.

Od jednego do trzech źródeł kosztuje więc przy 1k 0,0384 $, a po przejściu na trasę oficjalną co najwyżej około 0,054 $. Zacznij od poziomu 0,5k (0,036 $) dla zgrubnej kompozycji, a potem zwiększ rozmiar dla drobnych szczegółów ubrania lub twarzy. Po włączeniu wyszukiwania naliczane są dodatkowe opłaty.

Odmowa zwrócona jako krótka odpowiedź tekstowa jest rozliczana jak zakończone generowanie; inne odmowy nie są rozliczane. Upewnij się, że zwrócony artefakt jest obrazem.

Użyj zatwierdzonej konfiguracji przez API

Ustaw SPICY_API_KEY w swoim środowisku. Ustaw SUBJECT_IMAGE_URL, LOCATION_IMAGE_URL, FABRIC_IMAGE_URL na bezpośrednie adresy HTTPS zatwierdzonych obrazów. Uruchom w Pythonie 3; potwierdź wyświetloną wycenę tylko wtedy, gdy chcesz nowej płatnej próby.

import json
import os
import uuid
from pathlib import Path
from urllib.request import Request, urlopen

payload = {"model": 'google/nano-banana-2/edit', "input": {
    'prompt': 'Image one defines the adult woman, outfit and bicycle. Image two defines only the riverside setting. Image three supplies only the coat texture. Preserve the person, pose, outfit construction and bicycle from image one; match the new daylight and ground shadow.',
    'image_urls': [os.environ['SUBJECT_IMAGE_URL'], os.environ['LOCATION_IMAGE_URL'], os.environ['FABRIC_IMAGE_URL']],
    'resolution': '1k',
    'aspect_ratio': '4:5',
    'enable_web_search': False,
    'enable_image_search': False,
}}

def api(action, body, key=None):
    headers = {"Authorization": "Bearer " + os.environ["SPICY_API_KEY"],
               "Content-Type": "application/json"}
    if key:
        headers["Idempotency-Key"] = key
    request = Request("https://api.spicyapi.ai/api/v1/jobs/" + action,
                      data=json.dumps(body).encode(), headers=headers)
    with urlopen(request, timeout=60) as response:
        result = json.load(response)
    if result.get("code") != 200:
        raise RuntimeError(result)
    return result["data"]

quote = api("quote", payload)
print("Maximum charge (USD):", quote["maxCharge"])
if input("Create this new attempt? Type yes: ").strip() != "yes":
    raise SystemExit("No task created")
key = str(uuid.uuid4())
body = {**payload, "quoteId": quote["quoteId"],
        "expectedCost": quote["estimatedCost"]}
Path(key + ".json").write_text(json.dumps({"key": key, "request": body}))
task = api("createTask", body, key)
Path(key + ".task.json").write_text(json.dumps(task))
print("Task ID:", task["taskId"])

Zachowaj zapisany klucz do ponawiania tego samego żądania. W przypadku pliku lokalnego najpierw go prześlij i podaj zwrócony adres spicy:// (zobacz media). Pobieranie wyników i obsługa plików są opisane w przewodniku po API zadań.

Przy powtarzanych edycjach zatwierdzonym briefem może zająć się Agent:

• CLI: npx @spicyapi/cli tasks create --model google/nano-banana-2/edit --input-file input.json --wait odczytuje obiekt input z input.json, z tymi samymi polami.
• MCP: poproś, by użył spicyapi_task_create, a potem spicyapi_task_wait.
• Skill: zainstaluj poleceniem npx skills add spicyapi-ai/spicy-skill, a następnie poproś Skill spicyapi, by uruchomił tę konfigurację po pokazaniu wyceny.

Diagnozuj dryf bez przepisywania całego briefu

Tło się zmieniło, ale twarz też.

• Wróć do oryginalnego obrazu postaci i usuń inne twarze ze źródła miejsca.
• Zachowaj dotychczasowy widok kamery; dramatycznie nowy kąt każe edytorowi wymyślać niewidoczne cechy.
• Dla dokładnych pikseli tożsamości złóż zatwierdzony pierwszy plan w nowym otoczeniu. To zadanie nie ma maski blokującej piksele.

Płaszcz stał się błyszczący lub zmienił konstrukcję.

• Błąd powierzchni: poproś o matową tkaninę w miękkim świetle lub dostarcz wycinek materiału.
• Błąd projektu: użyj oryginalnego źródła pokazującego zatwierdzone zapięcie i sylwetkę. Zmiana tekstury nie naprawi innego płaszcza.

Rower zyskał dodatkową rurę albo stracił koło. Użyj źródła, w którym rama i koła nie są zasłonięte. Zmniejsz mgłę wokół roweru, zachowaj dotychczasowy punkt widzenia i usuń wszelki konkurujący rower ze źródła drugiego. Dodanie referencji tkaniny nie rozwiązuje problemu geometrii.

Osoba wygląda na wklejoną w ścieżkę. Pozwól zmienić się cieniowi na ziemi i światłu otoczenia, chroniąc twarz i projekt ubrania. Żądanie oryginalnego cienia ze studia w mglistej scenie plenerowej może samo wywołać niedopasowanie.

Druga edycja jest gorsza niż pierwsza. Zacznij od nowa od zaakceptowanego źródła, zamiast wpuszczać nieudany wynik do kolejnego żądania. Użyj udanego kandydata tylko do cechy, którą wnosi, o ile w ogóle jest potrzebny. Późniejszy obraz nie jest automatycznie lepszą referencją tożsamości.

Kiedy Nano Banana 2 to zła operacja

Wybierz inną operację, gdy potrzebujesz dokładnej naprawy z maską, przezroczystego wycinka, edytowalnego pliku warstwowego lub treści dla dorosłych. Ani dodatkowe obrazy referencyjne, ani przełączniki wyszukiwania nie dodają tych brakujących kontroli. Dla sceny z odzieżą przeciwdeszczową Nano Banana 2 to praktyczna opcja edycji; dla katalogu odzieży, który musi dokładnie zachować każdy szew, bardziej bezpośrednim rozwiązaniem może być klasyczny kompozyt pierwszego planu.

Najczęstsze pytania

Czy potrzebuję wszystkich czternastu miejsc na obrazy referencyjne, by zachować spójność postaci?

Nie. Zacznij od widoku postaci, który pokazuje potrzebną twarz, strój i przedmioty. Dodawaj miejsce lub materiał tylko wtedy, gdy wnoszą brakujące informacje. Czternaście to limit wejścia, a nie wskaźnik spójności ani powód, by przesyłać sprzeczne widoki.

Czy auto zachowuje oryginalne wymiary?

Kontrakt modelu opisuje auto jako zachowanie kształtu źródła. Rozdzielczość wybiera się osobno; auto nie obiecuje oryginalnych wymiarów w pikselach ani dokładnej zawartości krawędzi. Dla zaplanowanej karty 4:5 wybierz te proporcje i zostaw w źródle całej osobie i rowerowi wystarczający margines.

Czy seed lub suwak tożsamości powstrzyma dryf twarzy?

To hostowane zadanie edycji nie udostępnia żadnego z nich. Używaj tej samej zatwierdzonej referencji tożsamości w każdej scenie i unikaj importowania obcych twarzy przez obrazy miejsca. Dokładnie niezmienione piksele twarzy wymagają klasycznego kompozytu, a nie mocniejszego przymiotnika o zachowaniu.

Czy odmowy kosztują pieniądze?

Zakończona odmowa w postaci krótkiej odpowiedzi tekstowej jest rozliczana. Inne odmowy nie. Sam pomyślny status zadania nie potwierdza więc, że obraz został zwrócony.

Użyteczna pierwsza próba to jedna postać, jedno przeniesienie i skromny wynik. Dodawaj obrazy referencyjne, by odpowiedzieć na widoczny brakujący wymóg, a nie po to, by wypełnić dostępne miejsca.