Nano Banana Pro 的核心技術是什麼？

Nano Banana Pro 的核心技術：複雜構圖與多圖一致性

Nano Banana Pro 是 Google 基於 Gemini 3 Pro 構建的旗艦級影像生成與編輯模型，其核心技術主要體現在「進階推理」和「真實世界知識」的結合。這使得它能夠輸出更具上下文關聯性的視覺內容，並在高複雜度的構圖和多圖一致性方面表現出色。與之前的版本相比，Pro 版旨在滿足更複雜的構圖和更高品質的需求，幫助用戶將抽象概念轉化為具體的視覺成果，適用於原型設計、數據視覺化、手寫筆記轉流程圖等多種應用場景。

複雜構圖能力：文字生成與局部編輯

Nano Banana Pro 強化了在影像中直接生成文字的品質和可讀性，支援多語言文本和在地化翻譯。模型能理解語意和深度，因此可以在海報、樣張或分鏡草圖中生成更細緻的字型、材質和書法風格。此外，Pro 版在創作控制方面提供了更精細的局部編輯能力，例如選取、細修和轉換影像局部，調整鏡位與焦點，進行高階色彩分級，甚至改變場景光線。在輸出端，它還支援多種長寬比，以及 2K／4K 解析度，方便在社群媒體到印刷等多個平台上使用。

多圖一致性：融合圖像與人物相貌維持

在多圖一致性方面，Nano Banana Pro 可以在複雜構圖中融合最多 14 張輸入圖像，並在合成場景中維持最多 5 位人物的相貌一致。這使得它非常適合品牌素材套用、草圖轉商品視覺、藍圖轉擬真 3D 結構等任務。然而，測試顯示，當要求越空泛時，生成的內容也越空泛。相較於有明確目標的提示，說明文字變形的機率更高，但整體而言仍然可讀。在生成強度上，即使在相對極端的情況下（一次生成多圖、未提供 AI 文字內容），內文仍會出現「變體」，但整體已從難以辨識進化為可讀狀態。