Nano Banana 2.1 com várias imagens de referência: personagens, fotos de grupo e prova de roupa testados

Você tem um rosto aprovado, ou uma jaqueta aprovada, e agora precisa dele de novo e de novo: o mesmo personagem num lugar novo toda semana, o elenco inteiro numa foto de grupo, um lookbook em que a mesma modelo veste várias peças ao mesmo tempo. A tarefa de edição do Nano Banana 2.1 aceita várias imagens de referência numa única solicitação, e os números do Google soam generosos: até 14 referências, com consistência de personagem para até 4 personagens e fidelidade de objeto para até 10 objetos. Antes de montar uma série em cima disso, você precisa saber como entregar essas imagens para que o modelo saiba quem e o que é cada uma, e onde os resultados começam a escorregar.

Dê a cada pessoa e a cada produto a sua própria imagem de referência, chame cada imagem pela posição, diga exatamente o que deve permanecer igual e confira a olho os pequenos detalhes de um lado só. Nos nossos testes de 7 de outubro de 2026, um único retrato levou o mesmo rosto, o mesmo cabelo e os mesmos aros de nariz por todas as oito edições de cena; quatro retratos separados deram as quatro pessoas certas nos lugares certos nas duas execuções de um prompt estruturado, e uma prova de roupa com até nove produtos manteve todos os itens na imagem. O que escorregou foi pequeno e repetível: um brinco solto pulava para a orelha voltada para a câmera, um chapéu perdeu as costuras de contraste e uma calça saía sempre em dois tons. Consistência é uma instrução, não uma trava: a própria ficha do modelo do Google diz que a consistência de personagem "is not always perfect" (nem sempre é perfeita), e a tarefa não tem seed, máscara nem controle de força de identidade que fixe um resultado.

As regras a que chegamos, cada uma explicada e testada abaixo:

• Um personagem, muitas cenas: um retrato frontal nítido levou o rosto a todas as cenas que testamos. Se você acrescentar mais vistas da mesma pessoa, envie-as como imagens separadas: no nosso teste pequeno elas mantiveram uma cicatriz na sobrancelha com mais frequência, enquanto uma única "folha de personagem" combinada perdia ou reinventava detalhes.
• Detalhes de um lado só: um brinco, uma cicatriz ou uma risca de um lado podem passar para o lado voltado para a câmera. Se isso importa, mantenha esse lado voltado para a câmera ou confira todos os resultados.
• Fotos de grupo: um retrato por pessoa, no máximo quatro pessoas, com lugares e roupas escritos. Um prompt de uma linha também manteve os rostos, mas trocou a roupa das pessoas e escolheu os próprios lugares.
• Prova de roupa e composições de produto: um produto por imagem, cada um nomeado com o lugar onde vai. Nove produtos e a modelo numa só solicitação mantiveram todos os itens, mas detalhes finos como costuras e painéis de cor ainda escorregaram.
• Formatos de origem mistos: defina aspect_ratio você mesmo. Nas quatro execuções de formatos mistos, auto seguiu a imagem mais larga, que em todas era também a cena.
• Guarda-roupa adulto: a tarefa de edição recusou trocas para lingerie nos nossos testes de 7 de outubro de 2026, então esta é uma ferramenta para séries com roupas, voltadas ao público geral.

O que significa "14 referências, 4 personagens, 10 objetos"

O Google diz que o Nano Banana 2.1 oferece "multi-image fusion supporting up to 14 reference images (character consistency for up to 4 characters and object fidelity for up to 10 objects)" (fusão de várias imagens com até 14 imagens de referência: consistência de personagem para até 4 personagens e fidelidade de objeto para até 10 objetos) na sua página do modelo. O guia de geração de imagens do Google divide esse mesmo orçamento em dois tipos de referência: até 10 imagens de objetos para incluir com alta fidelidade e até 4 imagens de personagens para manter consistentes. Ou seja, 14 é o total dos dois tipos. Não são 14 pessoas, e também não é uma promessa de que cada uma das 14 imagens sobreviverá intacta ao resultado.

No SpicyAPI, a tarefa de edição do Nano Banana 2.1 aceita de 1 a 14 imagens em image_urls, na ordem a que o seu prompt se refere, e gera em 1k, 2k ou 4k. Na SpicyAPI, o Nano Banana 2.1 começa em um preço bem abaixo da tabela de preços do próprio Google; a página do modelo mostra os preços atuais.

O que a tarefa não oferece importa tanto quanto o que ela oferece:

• Sem seed. Duas execuções da mesma solicitação são duas tentativas diferentes, então conte com avaliar mais de uma.
• Sem máscara, sem peso por imagem, sem controle deslizante de força de identidade. Tudo o que você quer manter precisa estar dito no prompt.
• Sem garantia sobre detalhes pequenos ou pose. A ficha do modelo do Google lista "Character consistency is not always perfect between input images and generated output image" entre as limitações conhecidas, junto com "rare instances of persistent subject pose" (casos raros de pose persistente do sujeito) nas edições e confusão ocasional entre esquerda e direita.

O nosso próprio teste cego aponta na mesma direção. Em 7 de outubro de 2026 passamos o Nano Banana 2.1 por um conjunto fixo de prompts e edições, e juízes de IA de três fabricantes diferentes pontuaram os resultados sem ver o nome do modelo. Ele obteve 65,9 de 100 em consistência de edição (seis perguntas de edição), contra 76,7 em aderência ao prompt e 77,8 em qualidade de imagem; a análise do Nano Banana 2.1 traz o quadro completo. Em duas dessas edições ele mudou coisas que ninguém pediu para mudar: trocou o fundo por uma rua noturna numa tarefa de reiluminação e aproximou a câmera numa tarefa de nevasca. Numa pergunta de contagem, desenhou sete convivas quando se pediam seis.

Como escrever um prompt com várias referências

Todos os testes abaixo, exceto uma comparação deliberada de uma linha, usam a mesma estrutura de cinco partes. Parece longa, mas cada parte responde a uma pergunta que o modelo, de outro modo, responderia por você.

1. Nomeie cada imagem pela posição e diga o que ela é. "Image 1 is the model. Image 2 is the jacket." A ordem de image_urls é o rótulo em que o seu prompt pode se apoiar, então mantenha os dois alinhados.
2. Diga o que tirar de cada imagem e o que ignorar. Um retrato feito sobre fundo cinza deve dar o rosto, não o fundo.
3. Descreva a cena nova: cenário, o que cada pessoa está fazendo, onde está, câmera e luz.
4. Escreva o número de pessoas quando houver gente: "exactly four people, and nobody else".
5. Feche com uma lista do que deve ser mantido: os detalhes que precisam sobreviver, imagem por imagem.

Dê à pose ou ação que importa a sua própria frase. No nosso teste anterior com três fontes, o rosto de um homem e a cor, os botões de latão e os bolsos no peito de uma jaqueta de camurça passaram para uma cena de observatório, mas "one hand on the eyepiece" (uma mão na ocular), mencionado de passagem, voltou como uma pequena luneta de latão na mão dele.

Um modelo que você pode 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.

Se a versão longa compensa o esforço é uma das coisas que testamos: veja a seção de fotos de grupo abaixo.

Sobre as imagens de teste. As fotos de referência deste artigo (os retratos, a modelo da prova de roupa, as fotos de produto e o pátio) são ilustrações que fizemos como entradas de teste; não são resultados do Nano Banana 2.1. Todo resultado que pontuamos é uma edição do Nano Banana 2.1, executada em 7 de outubro de 2026 em 2k, salvo indicação em contrário, e toda composição mostra a execução 1 de duas, a menos que a legenda diga outra coisa.

Um personagem, quatro cenas novas a partir de um único retrato

Uma série começa com um rosto aprovado. Nosso retrato de teste é uma mulher adulta fictícia de trinta e poucos anos com quatro detalhes que podíamos conferir em todos os resultados, escolhidos porque detalhes pequenos e de um lado só costumam ser os primeiros a desviar: cachos curtos tingidos de cobre nas pontas, uma cicatriz fina atravessando a sobrancelha direita, pequenos aros de ouro nas duas narinas e um único aro de ouro com uma conta verde só na orelha esquerda.

Depois pedimos quatro cenas novas, cada uma a partir só desse retrato, mudando a cada vez o guarda-roupa, o cenário, o ângulo da câmera e o formato, e executamos cada cena duas vezes.

Em cima à esquerda: o único retrato de referência (uma entrada de teste, não um resultado do 2.1). Os outros quatro painéis são edições do Nano Banana 2.1 feitas só a partir desse retrato, execução 1 de cada cena: bar de cobertura 4:5, rua chuvosa 16:9, cozinha 1:1 e praia 9:16, cada uma recortada no mesmo quadro 4:5 para esta grade.

A cena da cobertura, como foi enviada:

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.

As outras três cenas usaram a mesma primeira e última frase com um meio diferente: uma rua chuvosa à noite sob um guarda-chuva transparente com um trench coat caramelo, vista em três quartos pela direita dela (16:9); uma cozinha ensolarada com um suéter creme largo, rindo com uma caneca, close-up (1:1); e uma praia de seixos na hora dourada com um vestido envelope de linho laranja ferrugem, de corpo inteiro e de perfil pela direita dela (9:16).

O rosto, os cachos de pontas acobreadas e os dois aros de nariz passaram nas oito execuções, e o fundo e a camiseta do retrato de origem nunca vazaram para uma cena. O brinco é a falha instrutiva. Apareceu em todas as execuções, mas ficou só na orelha esquerda nas quatro execuções que a mostravam de frente ou pelo lado esquerdo; nas quatro execuções que viraram o lado direito dela para a câmera, passou para a orelha direita, a que estava à vista. A cicatriz apareceu em cinco das oito execuções; nas outras três estava no lado oposto do rosto ou simplesmente não foi desenhada.

Os prompts da rua chuvosa e da praia pediam duas coisas de um lado só ao mesmo tempo: mostrar o lado direito dela e manter o brinco na orelha esquerda. Em cada uma dessas quatro execuções, exatamente uma das duas saiu certa. A execução 1 da rua chuvosa manteve o brinco na orelha esquerda mostrando-a, em vez disso, pelo lado esquerdo; as outras três mostraram o lado direito dela e passaram o brinco para a orelha direita. Vista pela direita, uma orelha esquerda com brinco deveria simplesmente ficar fora de vista, e o modelo o trouxe para a vista em vez de deixá-lo escondido.

Se um detalhe fica de um lado do rosto (um brinco, uma cicatriz, uma risca, uma tatuagem), mantenha esse lado voltado para a câmera na descrição da cena, ou planeje conferir e refazer as execuções que o invertem.

Uma segunda ou terceira foto da mesma pessoa ajuda?

O perfil de praia é o caso difícil: o rosto é pequeno, está virado e mostra um lado que o retrato frontal nunca mostrou. Refizemos de mais duas maneiras, duas vezes cada, com o mesmo texto de cena:

• Três imagens separadas dela: o retrato frontal, uma vista de três quartos e uma foto de corpo inteiro, as duas últimas feitas editando o retrato e conferidas a olho antes do uso, porque uma vista lateral gerada pode inventar detalhes que o original nunca mostrou.
• As mesmas três vistas combinadas numa só imagem, a "folha de personagem" que muitos criadores usam.

Um limite deste teste: nossa vista de três quartos mostra o lado esquerdo do rosto dela, o lado do brinco, então nenhum dos conjuntos de referência mostrou o lado direito dela, o que a foto de praia pede. Uma referência do lado que a cena mostra é o próximo teste óbvio, e não o fizemos.

Colunas, da esquerda para a direita: um retrato, três imagens separadas, uma folha combinada (fileira de cima: os conjuntos de referência, entradas de teste). Fileiras do meio e de baixo: close-ups do rosto recortados dos resultados de corpo inteiro 9:16 do Nano Banana 2.1, execução 1 e execução 2 de cada um.

Os seis resultados pareciam a mesma mulher, então o rosto não precisou da ajuda de vistas extras. O único ganho medido das três imagens separadas foi a cicatriz, mantida em 2 de 2 execuções contra 1 de 2 com o retrato único. A folha combinada foi o único conjunto que perdeu ou reinventou um detalhe. Nenhum dos três corrigiu o brinco: mesmo com uma vista de três quartos que mostra com clareza o aro na orelha esquerda dela, o modelo o pôs na orelha voltada para a câmera. Duas execuções por conjunto é uma amostra pequena, então encare isto como uma tendência e não como uma regra: se você acrescentar vistas, envie-as como imagens separadas, e não espere que resolvam um detalhe de esquerda ou direita.

Fotos de grupo: duas e quatro pessoas a partir de retratos separados

O número do Google para personagens é quatro, então testamos duas e quatro. O resto do elenco são adultos fictícios fotografados do mesmo jeito, cada um sobre um fundo liso diferente para vermos se os fundos vazavam para a cena: um homem do leste asiático de uns quarenta e poucos anos com óculos redondos de tartaruga, uma mecha prateada na têmpora e uma pinta sob o olho direito; uma mulher do sul da Ásia de uns vinte e cinco anos com um pequeno brilhante prateado no nariz e uma pinta perto do lábio, de cardigã mostarda; e um homem branco de uns cinquenta e tantos anos com a cabeça raspada e um bigode de guidão grisalho, de camisa xadrez búfalo.

A solicitação de duas pessoas pôs a mulher do primeiro teste e o homem de óculos num mercado noturno:

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.

Esquerda: os dois retratos de referência (entradas de teste). Direita: recortes próximos dos dois rostos do resultado 16:9 do Nano Banana 2.1, execução 1; o quadro completo mostrava também as barracas do mercado e uma multidão.

Nas duas execuções cada rosto ficou com a sua pessoa: os óculos, a barba e a mecha prateada dele ficaram nele, os cachos, os aros de nariz e o brinco dela ficaram nela, e cada um vestiu a jaqueta que atribuímos. Não houve pessoas extras em primeiro plano, só a multidão que pedimos ao fundo. Dois detalhes repetiram o primeiro teste: ela estava virada com o lado direito para a câmera e o brinco passou para essa orelha, e a pinta dele ficou no lado do rosto virado para o outro lado. O modelo também encheu as barracas de letreiros que nunca pedimos, então, se um fundo precisa ficar limpo, diga isso.

Para quatro pessoas, enviamos os quatro retratos com um prompt estruturado, 16:9 em 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.

Abra este prompt no Playground de edição do Nano Banana 2.1 e depois acrescente os seus quatro retratos em Images, na mesma ordem; o link só preenche o prompt.

Um prompt estruturado contra um prompt de uma linha

Para ver se a estrutura compensa o comprimento, enviamos os mesmos quatro retratos, na mesma ordem e com o mesmo 16:9 e 2k, com uma só linha: "Put these people together at a candlelit dinner party." Duas execuções cada. Isso muda várias coisas ao mesmo tempo (o número de pessoas, as posições, as roupas, a lista do que manter), então leia como "um briefing completo contra um pedido casual", não como um teste de uma frase específica.

Em cima: os quatro retratos de referência, imagens 1 a 4 (entradas de teste). Embaixo à esquerda: o prompt estruturado; embaixo à direita: o prompt de uma linha. Ambos são Nano Banana 2.1 em 16:9 e 2k, execução 1; a única diferença é o prompt.

O modelo não precisou do prompt longo para manter quatro rostos separados: as duas execuções de uma linha tiveram exatamente quatro pessoas, cada uma reconhecível como ela mesma, e o deslize do nosso teste cego, sete convivas em vez de seis, não se repetiu em nenhuma das nossas seis fotos de grupo. O que o prompt longo trouxe foi controle. As duas execuções estruturadas puseram todos exatamente onde pedimos, com as próprias roupas; as de uma linha escolheram os próprios lugares e trocaram a roupa de uma pessoa, depois de três. Se a sua série depende de roupas ou de quem fica ao lado de quem, escreva isso.

Para cenas de duas pessoas com contato (mãos, uma dança, um abraço), nosso guia de imagens com dois personagens cobre como posicionar cada pessoa e corrigir trocas de identidade uma de cada vez.

Prova de roupa virtual: onde a fidelidade do produto cai

A prova de roupa é o trabalho que testa o lado dos objetos nos números do Google. Nosso modelo é uma foto de corpo inteiro de um homem adulto fictício de camiseta branca lisa, calça de moletom cinza e tênis brancos, e os produtos são nove fotos sobre fundo branco, cada uma com um detalhe fácil de errar:

As entradas da prova de roupa (imagens de teste feitas para este artigo, não resultados do 2.1): o modelo (imagem 1), depois as imagens 2 a 10 da esquerda para a direita e de cima para baixo, na ordem de envio.

Depois o vestimos quatro vezes com um conjunto crescente: 1 produto (a jaqueta), 3 (mais calça e botas), 6 (mais chapéu, óculos de sol e bolsa) e 9 (mais relógio, lenço e cinto), de modo que a maior solicitação levou dez imagens, o modelo mais nove produtos. Cada degrau foi executado duas vezes em 3:4 e 2k, e pontuamos cada produto pedido por presença, cor e detalhe. A maior solicitação, como foi enviada (os degraus menores usam o mesmo texto só com os produtos que incluem):

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.

Duas linhas estão ali de propósito, embora não tenhamos testado o prompt sem elas. "Where a product replaces something he wears in image 1, it replaces it" diz ao modelo que a calça toma o lugar da calça de moletom em vez de ir por cima. "Visible because the jacket is open" amarra o cinto à jaqueta aberta para que ele continue à vista. Repare também no que o prompt não faz: nunca nomeia as costuras brancas do chapéu nem a cor única da calça; "exactly as photographed" foi tudo o que dizia sobre elas.

Prova de roupa do Nano Banana 2.1 em 3:4 e 2k, execução 1 de cada degrau, da esquerda para a direita: 1, 3, 6 e 9 produtos. Pontuações destes quatro: 1 de 1, 2 de 3, 4 de 6 e 8 de 9 produtos totalmente corretos.

A fidelidade não despencou conforme a lista crescia. Todo produto que pedimos apareceu em todos os oito resultados, no lugar certo: os óculos de sol no rosto, a bolsa atravessada no corpo pela corrente, o relógio no pulso esquerdo, o lenço amarrado no pescoço, o cinto visível pela jaqueta aberta. O rosto e a barba dele nunca mudaram. As falhas não foram itens novos espremendo os mais antigos; foram os mesmos dois detalhes todas as vezes. O chapéu manteve a cor e o formato, mas perdeu as costuras brancas de contraste nas quatro execuções que o incluíam, e a calça carvão de risca de giz voltou com uma perna ou painel marrom mais claro em cinco das seis execuções que a incluíam, algo que a foto do produto não tem.

Paramos em nove produtos mais o modelo, dez imagens numa solicitação, e não testamos de 11 a 14 imagens, então não podemos dizer nada sobre o topo da faixa do Google. Até dez, o teto prático não foi o número de produtos, e sim o detalhe fino de cada um: confira costuras, estampas e blocos de cor em todos os resultados e refaça os que desviam.

Duas notas práticas para provas de roupa:

• Recorte as fotos de produto justas e lisas. Este é um conselho nosso, não algo que testamos: um produto fotografado numa pessoa ou num cômodo pode trazer essa pessoa ou esse cômodo junto, enquanto uma foto limpa sobre branco dá ao modelo uma única coisa para copiar.
• O modelo redesenha cada pixel. Se um rótulo, logotipo ou estampa precisa ser exato ao pixel, componha a foto real do produto; nosso guia de foto de produto para layouts de anúncio mostra como.

Prova de lingerie e moda praia é outra história. Nos nossos testes de 7 de outubro de 2026, a tarefa de edição recusou a troca de um vestido por lingerie (recusado, sem cobrança), enquanto a edição de um vestido de noite com as costas abertas passou. Não testamos moda praia na tarefa de edição.

Formatos de origem mistos e auto

Com uma só imagem de origem, aspect_ratio: auto (o padrão) mantém o formato dela: um panorama 4:1 voltou com 2064 x 512 nos nossos testes de 7 de outubro. Com várias fontes, ele precisa escolher uma. No teste de duas fontes daquele dia, um retrato quadrado mais uma praia 4:1 voltou 4:1, seguindo a segunda imagem, mais larga.

Conferimos qual fonte o auto segue com mais três solicitações em 1k, usando o homem de óculos (um retrato 3:4), um pátio 16:9 e a foto quadrada da bolsa:

A ordem não fez diferença: nas quatro execuções de formatos mistos, auto seguiu a fonte mais larga, que em cada caso era também a imagem do cenário. Costuma ser o que você quer ao colocar uma pessoa num lugar, mas é o quadro errado para um retrato ou um cartão de produto. Assim que suas fontes tiverem formatos diferentes, escolha você mesmo a proporção, porque o formato da saída decide a composição: um quadro largo transforma um retrato de corpo inteiro numa figura pequena dentro de uma paisagem.

Quando as referências falham: sintomas e correções

Quando um resultado chega perto mas não acerta, recomece a partir das suas referências originais em vez de devolver o resultado defeituoso. Uma imagem posterior não é uma referência melhor só por ser mais nova; reutilize um resultado apenas depois de conferi-lo com os originais.

Trabalhos que não testamos e para onde ir em vez disso

• Cinco ou mais pessoas: passa do número de quatro personagens do Google, e não testamos. Compor separadamente pessoas geradas numa só cena é a escolha mais segura.
• Cenas adultas, lingerie ou moda praia: não neste modelo, dada a recusa de lingerie acima. No SpicyAPI, Qwen Image 2.1 Edit e Seedream 5.0 Pro Edit estão marcados como Uncensored e aceitam de 1 a 10 imagens de referência cada um; nossa comparação de editores de imagem sem censura mostra até onde cada um foi nos nossos testes. Não testamos se o método de referências deste artigo funciona com eles, então comece com um retrato e confira a identidade antes de empilhar referências. O resto do catálogo de modelos do SpicyAPI pode ser filtrado por política de conteúdo. Trabalhe só com adultos fictícios ou com adultos que deram permissão.

Perguntas frequentes

Quantas imagens de referência o Nano Banana 2.1 pode usar?

O Google diz que até 14 numa solicitação de edição, com consistência para até 4 personagens e fidelidade para até 10 objetos; o guia de geração de imagens dele conta isso como até 4 imagens de personagens mais até 10 imagens de objetos. Envie-as em image_urls na ordem a que o seu prompt se refere. Nosso maior teste enviou dez imagens, um modelo e nove produtos, e todos os produtos apareceram nas duas execuções.

O Nano Banana 2.1 consegue manter o mesmo personagem numa série inteira?

Em grande parte, sim, mas não perfeitamente, e nada o fixa: não há seed nem controle de identidade. Nos nossos testes de 7 de outubro de 2026, um retrato levou o rosto, o cabelo e os aros de nariz por todas as oito edições de cena, enquanto um brinco de um lado só passou para a orelha voltada para a câmera em quatro delas e uma cicatriz na sobrancelha apareceu em cinco. Use o mesmo retrato original em todas as imagens, mantenha uma lista escrita dos detalhes que não devem mudar e confira cada resultado com o retrato, não com o resultado anterior.

Devo enviar uma folha de personagem ou fotos separadas?

Se você acrescentar vistas extras, envie-as como fotos separadas. No nosso teste do perfil de praia, três vistas separadas da mesma mulher mantiveram a cicatriz na sobrancelha nas duas execuções (um retrato sozinho: uma de duas), enquanto as mesmas vistas combinadas numa folha perderam o brinco numa execução e transformaram a cicatriz num piercing de sobrancelha na outra. O rosto se manteve com todos os conjuntos, e nenhum impediu o brinco de passar para a orelha voltada para a câmera. Duas execuções por conjunto é uma amostra pequena.

Posso usar para provar lingerie ou moda praia?

Lingerie não: nos nossos testes de 7 de outubro de 2026, a tarefa de edição recusou a troca de um vestido por lingerie (recusado, sem cobrança). Moda praia não foi testada na tarefa de edição. Para guarda-roupa adulto, veja os modelos de edição sem censura citados acima.

Por que o modelo acrescentou uma pessoa ou mudou o fundo?

Ele redesenha o quadro inteiro, e tudo o que você não fixa fica aberto a mudanças. Nossas seis fotos de grupo tiveram o número certo de pessoas, com ou sem número informado, mas nosso teste cego flagrou sete convivas quando se pediam seis, um fundo trocado numa tarefa de reiluminação e um movimento de câmera numa tarefa de nevasca, e nossa cena do mercado noturno voltou com letreiros que nunca pedimos. Escreva o número, diga que o fundo permanece e confira todos os resultados.

Em resumo: uma imagem por pessoa ou produto, papéis numerados e uma lista do que manter levaram um rosto, quatro pessoas e nove produtos nos nossos testes; o que é pequeno ainda precisa dos seus olhos. Use 1k para experimentar um conjunto de referências e um prompt com baixo custo (as imagens de 1k costumavam voltar em bem menos de meio minuto nos nossos testes). Quando o conjunto funcionar, gere as imagens finais em 2k ou 4k (até cerca de um minuto cada) e confira de novo: não há seed, então uma execução em 2k é uma imagem nova e não uma ampliação do rascunho, e um detalhe de um lado só pode inverter de novo.