
五人合影
把多张单人照合成一张合影
每人上传一张朴素的正面照,提示词按外貌称呼每个人、写明各自的位置,并要求保留脸、发型和衣服。分享之前,把每张脸和对应的参考图对一遍。
Google DeepMind · Gemini 3 Pro Image
Google 的推理型图像模型,会先想好构图再出图。用它把分开拍的最多 5 个人合进同一张图,或把你的 Logo 放到产品上、做成完整场景;最多可用 14 张参考图,无需开通 Gemini 会员。




多图参考
可以。每个人、每样东西各上传一张参考图,并说明每张图的用途。下面两个示例里,大图是结果,小卡片是输入的参考图。

五人合影
每人上传一张朴素的正面照,提示词按外貌称呼每个人、写明各自的位置,并要求保留脸、发型和衣服。分享之前,把每张脸和对应的参考图对一遍。

Logo + 产品
Logo 和空白产品分别作为参考图上传,写明哪张是哪张、Logo 放在哪里、哪些地方不能变。出图后核对拼写和产品外形。
多数新图先用 2.1:Google 推荐新项目使用它,本站积分也更低。一张图要放五个人、Logo 和产品必须对得上,或要延续已经用 Pro 做的作品时,再换 Pro。
| 对比项 | Nano Banana Pro | Nano Banana 2.1 |
|---|---|---|
| Google 模型 | Gemini 3 Pro Image2025年11月20日 | 基于 Gemini 3.6 Flash2026年10月6日 |
| Google 的定位 | 复杂任务的高端选择 | 新项目的推荐模型 |
| 可保持一致的人物(Google) | 最多 5 个 | 最多 4 个 |
| 高保真物体(Google) | 最多 6 个 | 最多 10 个 |
| 人工偏好评测DeepMind 2.1 模型卡,2026 年 10 月 | 9 项中 9 项较低信息图设计:912 Elo | 9 项中 9 项较高信息图设计:1048 Elo |
| 每张积分 | 1K / 2K: 30 · 4K: 60 | 1K: 8 · 2K: 12 · 4K: 27 |
| 5 张人像合成一张 2K 图 | 30 积分 | 14 积分 |
| 适合 | 五人合影、品牌素材 | 大多数新图 |
讲解图
可以:把事实和每一个标签都写进提示词,并说明版式。Pro 会先推理排版,但不会替你核对数字,出图后要逐项校对。如果只是单独做一张讲解图,Nano Banana 2.1 通常更合适:Google 模型卡里它的信息图设计得分更高,本站积分也更低。只有图解要和之前用 Pro 做的作品保持一致,或者同一张图里还要放多个人物和 Logo 时,才选 Pro。

数据信息图
名称和数值都由你提供,再写明排序方式、共用的底线和每个标签的位置,图形才会按比例排开,例如按海拔排列的山峰。出图后确认最大的图形对应的确实是最大的数值。

带标注的剖面图
写出每一层的名称和范围,并要求用引线标注,每个标签才会指向自己的那一层,而不是悬在附近。出图后检查标签顺序是否和分层顺序一致。
Pro 能读懂完整的句子,并会先推理你的需求,所以具体细节比堆关键词更管用。下面的做法来自 Google 的提示词指南和开发者常遇到的问题。
像给设计师提需求一样写
写清主体、版式、风格和图片用在哪里。说明了用途,Pro 才能判断字该多大、留白留多少。
事实和文字由你提供
所有标题、标签和数字都放进引号,并用 2K 出图,小字才清楚。在 Oeneo AI 上,Pro 的 2K 与 1K 同价。
每个人一张清晰的正面照
用能看清整张脸的正面照,并在提示词里按外貌描述每个人,才能写明谁在哪个位置。
其他参考图各管一件事
写明每张图的用途,比如“图 1 是 Logo,印在图 2 瓶子的标签上”,再说明哪些地方可以变。
让它写大段文字
长段落和整页文字仍然容易出错。图里只放短文字,正文用排版工具补。
在同一张图上反复改
每改一轮,细节都会轻微走样。脸或质感开始变差时,回到原图重新开始。
罗列不想要的东西
直接写画面里应该有什么:“日出时空无一人的海滩”比“不要人、不要船”更有效。
不校对就发布
发布前,把每个数字、标签、Logo 和人脸都和原始资料核对一遍。
编辑示例提示词:“使用这张照片,只把光线改成从左侧照进来的午后暖阳,店面、招牌、人物和机位保持完全不变。”
去背景、放大、转矢量或降噪,都扣同一份积分。
Nano Banana Pro 是 Google DeepMind 的图像生成与编辑模型,正式名称是 Gemini 3 Pro Image。它基于 Gemini 3 Pro,于2025年11月20日发布,每次出图前都会先推理一遍提示词。目前没有 Nano Banana Pro 2:在它之后发布的是速度更快、基于 Flash 的 Nano Banana 2 和 Nano Banana 2.1。
大多数新图先用 Nano Banana 2.1。Google 的 API 文档建议新项目使用 2.1;2026 年 10 月发布的 2.1 模型卡里,2.1 在列出的每一项人工偏好评测中都高于 Pro,包括信息图设计和多角色一致性。在 Oeneo AI 上,每张积分为:2.1 1K: 8 · 2K: 12 · 4K: 27,Pro 1K / 2K: 30 · 4K: 60。以下情况仍适合用 Pro:一张图里要放五个人(Google 文档写 Pro 最多 5 个人物,2.1 是 4 个)、品牌 Logo 和产品必须对得上,或要延续已经用 Pro 做好的作品。
Nano Banana 2 是上一代 Flash 模型,适合延续已有的系列,或继续使用为它调好的提示词(每张积分:1K: 16 · 2K: 24 · 4K: 32)。Nano Banana 2 Lite 只接受文字、不支持参考图,适合快速出草稿、多试几个方向(每张积分:1K: 8)。
不需要 Gemini 会员,但在这里 Pro 不是免费的:登录后选择 Nano Banana Pro,按张扣积分,任务失败会自动退回。新账号赠送 10 积分,不够生成一张 Pro 图(30 积分),但够用 Nano Banana 2.1 或 2 Lite 生成一张 1K 图(8 积分)。免费版生成的图片公开,付费套餐默认私密。
每次最多 14 张。Google 文档称,在这些参考图里,Pro 最多能让 5 个人保持一致、6 个物体保持高保真,其余适合用来提供风格或环境。每人准备一张清晰的正面照,在提示词里按外貌描述,并把每张脸和原图比对:相似度高,但不保证完全一致。
小字是官方承认的弱项:Google 模型卡指出,小字(尤其在 1K 下)和长段落的渲染仍然较差。文字尽量短、放进引号、在版面里给足空间,并用 2K 或 4K 出图。简体中文属于 Google 的最佳支持语言,但字很小或很密时笔画仍可能断裂,建议指定粗黑体,并逐字校对。
不能。Google 为 Nano Banana Pro 提供了 Google 搜索增强,但 Oeneo AI 没有开启;模型自身的知识截止到 2025 年 1 月。价格、比分、日程或最新事件,请直接写进提示词,并在结果里核对。
偶尔会发生。开发者反馈模型有时会忽略某张参考图,Google 模型卡也提到一致性并不完美,编辑时可能带入输入图的内容。按内容称呼每张参考图,写明必须保留的部分,每次只改一处;参考图没生效就重新生成。连续改几轮后质量下降,就从原图重新开始。
大多数屏幕和带小字的图用 2K,1K 下小字常常发糊;印刷或大幅主视觉用 4K(每张 60 积分)。在 Oeneo AI 上,Pro 的 2K 与 1K 同价。
付费套餐可以商用:订阅套餐包含完整商用授权,终身版为个人商用(详见价格页)。某张图能否公开使用,仍取决于画面内容(如真实人物、Logo、品牌)以及参考图的权利。另外,Google 会在每张 Nano Banana Pro 图片中嵌入不可见的 SynthID 水印,用来标识 AI 生成,不影响画面。