Nano Banana प्रॉम्प्ट गाइड: टैग नहीं, दृश्यों का वर्णन करें
Nano Banana का व्यावहारिक प्रॉम्प्ट गाइड: नैरेटिव सीन स्ट्रक्चर, फोटोग्राफी की भाषा, Nano Banana Pro पर टेक्स्ट रेंडरिंग और प्रति-इमेज वास्तविक कीमतें।
एक Nano Banana प्रॉम्प्ट किसी दृश्य का लिखित विवरण होता है जिसे Google के इमेज मॉडल—Nano Banana 2, Nano Banana Pro, और बजट Lite टियर—तस्वीर में बदल देते हैं। ये मॉडल Gemini पर बने हैं, जिसका अर्थ है कि वे आपके प्रॉम्प्ट को केवल कीवर्ड्स के समूह के रूप में नहीं, बल्कि एक भाषा की तरह पढ़ते हैं। यह अकेली बात आपके लिखने के तरीके को बदल देती है। Google के इमेज जनरेशन डॉक्स के अनुसार, विस्तृत नैरेटिव विवरण हमेशा कॉमा-सेपरेटेड (अल्पविराम से अलग की गई) टैग लिस्ट से बेहतर परिणाम देते हैं, और हमारे दैनिक जनरेशन भी इस बात की पुष्टि करते हैं।
यदि आप केवल टेम्पलेट चाहते हैं, तो संक्षिप्त संस्करण यह है: "A photorealistic [shot type] of [subject] in [setting]. [Lighting description]. Shot from [camera angle] with [lens type]." पूरे वाक्य लिखें। प्रकाश स्रोत (light source) और लेंस का नाम वैसे ही बताएं जैसे कोई फोटोग्राफर बताता है। केवल यही आदत एक सामान्य रेंडर और ऐसी छवि के बीच के अंतर को समाप्त कर देती है जिसे आप वास्तव में पब्लिश करना चाहेंगे।
यह हमारे Veo 3.1 प्रॉम्प्ट गाइड का इमेज-साइड साथी है। दर्शन वही है, बस शब्दावली अलग है: वीडियो प्रॉम्प्ट मोशन और कैमरा मूवमेंट के इर्द-गिर्द घूमते हैं, जबकि इमेज प्रॉम्प्ट लाइट, लेंस और कंपोज़िशन के इर्द-गिर्द। नीचे दिया गया प्रत्येक डेमो BananaBanana पर दिखाए गए सटीक प्रॉम्प्ट के साथ जनरेट किया गया था—वह भी पहली ही कोशिश में, बिना किसी री-रोल के।
नैरेटिव प्रॉम्प्ट्स कीवर्ड लिस्ट से बेहतर काम क्यों करते हैं?
पुरानी डिफ्यूजन आदतें आसानी से नहीं छूटतीं। यदि आपने Stable Diffusion या Midjourney पर प्रॉम्प्टिंग सीखी है, तो आप शायद "perfume bottle, product photo, 8k, dramatic lighting, masterpiece" जैसा कुछ लिखते होंगे। Nano Banana मॉडल इसे समझ तो लेते हैं, लेकिन आप उनकी मुख्य ताकत को बर्बाद कर रहे हैं: वे न केवल चीजों को समझते हैं, बल्कि उनके बीच के संबंधों को भी समझते हैं।
"A barista laughing at something off-frame while steam rises from the espresso machine behind her" (एक बरिस्ता फ्रेम से बाहर किसी चीज़ पर हंस रही है, जबकि उसके पीछे एस्प्रेसो मशीन से भाप उठ रही है) एक सीन है। कीवर्ड वाला संस्करण ("barista, laughing, steam, espresso machine") यह भूल जाता है कि कौन क्या कर रहा है, भाप कहाँ है, और फ्रेम का इमोशनल टोन क्या होना चाहिए। मॉडल इन कमियों को डिफ़ॉल्ट सेटिंग्स से भर देता है, और यही डिफ़ॉल्ट एआई छवियों को एआई जैसा दिखाते हैं।
एक कारगर Nano Banana प्रॉम्प्ट में आमतौर पर पांच या छह सामग्रियां (ingredients) होती हैं:
| सामग्री (Ingredient) | यह क्या नियंत्रित करती है | उदाहरण वाक्यांश (Example phrase) |
|---|---|---|
| Subject (विषय) | फ्रेम में कौन या क्या है | "an elderly watchmaker with wire-rim glasses" |
| Setting (परिवेश) | दृश्य कहाँ घटित हो रहा है | "at a cluttered workbench in a narrow shop" |
| Style (शैली) | समग्र रूप (Overall look) | "photorealistic" / "flat vector illustration" |
| Lighting (लाइटिंग) | प्रकाश स्रोत, दिशा और मूड | "single warm desk lamp from the left" |
| Camera (कैमरा) | एंगल और फ्रेमिंग | "close-up, shot from slightly above" |
| Lens (लेंस) | ऑप्टिकल विशेषता | "85mm lens, shallow depth of field" |
आपको हर बार इन सभी छह की आवश्यकता नहीं होगी। लेकिन आप जिस भी सामग्री को छोड़ते हैं, वह निर्णय आप वापस मॉडल के हाथों में सौंप देते हैं।
यथार्थवादी (Photorealistic) प्रॉम्प्ट: एक फोटोग्राफर की तरह लिखें
यथार्थवादी तस्वीरों के लिए सबसे प्रभावशाली शब्दावली कैमरे की भाषा है, ठीक वैसे ही जैसे वीडियो के मामले में होती है। Google के डॉक्स वह टेम्पलेट प्रदान करते हैं जिसे मैंने ऊपर उद्धृत किया है, और यह सीधे इस बात से मेल खाता है कि फोटोग्राफर किसी शूट की रूपरेखा कैसे तैयार करते हैं: शॉट का प्रकार (shot type), विषय (subject), वातावरण (environment), लाइट (light), एंगल (angle) और लेंस (glass)।
यहाँ व्यावहारिक रूप से अंतर दिखाया गया है। नीचे दी गई दोनों तस्वीरें Nano Banana 2 से 1K रिज़ॉल्यूशन पर ली गई हैं, जिनकी कीमत हमारी प्राइसिंग के अनुसार $0.06 प्रति इमेज है। सबसे पहले, वह प्रॉम्प्ट जो हर कोई पहले दिन लिखता है, केवल "A perfume bottle on a table":
ईमानदारी से कहें तो यह सुंदर है। मॉडल ने एक उज्ज्वल लाइफस्टाइल दृश्य, खिड़की की रोशनी, फूल, एक ज्वेलरी डिश को चुना, और यह एक बेहतरीन स्टॉक फोटो है। लेकिन ये सभी निर्णय मॉडल के थे, आपके नहीं, और अगला रन अलग परिणाम देगा। अब इसी विषय को सभी सामग्रियों के साथ लिखें: "A photorealistic close-up of an amber glass perfume bottle standing on wet black slate, fine water droplets across the glass. Warm golden backlight from the right, a faint cool rim light from the left. Shot from a low angle with an 85mm macro lens, shallow depth of field, dark blurred background":
समान मॉडल, समान कीमत और समान चार सेकंड का रेंडर। जो बूंदें, टू-टोन लाइट और लो एंगल किस्मत के भरोसे नहीं, बल्कि प्रॉम्प्ट में लिखे गए शब्द थे। एक विवरण जो गौर करने लायक है: लेबल। मैंने कभी इसके लिए नहीं कहा था, मॉडल ने इसे खुद से बनाया, और अपने ही बनाए गए टेक्स्ट को गलत वर्तनी के साथ लिख दिया ("EAU DE PARFUIM")। बिना प्रॉम्प्ट वाला टेक्स्ट अभी भी Nano Banana 2 का कमजोर पक्ष है, जो अगले सेक्शन के लिए एक स्पष्ट कड़ी है।
लाइटिंग के नामों को याद रखना फायदेमंद है क्योंकि वे बेहद सटीक रूप से काम करते हैं: golden hour, overcast softbox, three-point studio lighting, hard noon sun, neon spill, candlelight। अस्पष्ट मूड शब्द ("beautiful", "dramatic") लगभग कोई प्रभाव नहीं डालते। यदि आपका विषय किसी व्यक्ति के बजाय कोई उत्पाद (product) है, तो हम इसी शब्दावली को हमारे प्रोडक्ट फोटोग्राफी गाइड में काफी विस्तार से समझाते हैं। मेरे अनुभव में, लेंस का चुनाव भी लगभग उतना ही महत्वपूर्ण है; "85mm macro" और "wide-angle 24mm" दिखने में काफी भिन्न ज्योमेट्री उत्पन्न करते हैं, जो कि ठीक वैसा नियंत्रण है जो टैग-शैली वाले प्रॉम्प्ट आपको कभी नहीं दे पाते।
Nano Banana Pro से पढ़ने योग्य टेक्स्ट कैसे प्राप्त करें?
टेक्स्ट रेंडरिंग ही वह कारण है जिसके लिए Nano Banana Pro अस्तित्व में है। डॉक्स इसके बारे में सीधे तौर पर बताते हैं: पेशेवर संपत्तियों (professional assets) के लिए जहाँ टाइपोग्राफी सटीक होनी चाहिए, Pro (gemini-3-pro-image) का उपयोग करें। Nano Banana 2 एक या दो छोटे शब्दों को संभाल लेता है; वहीं Pro पूरे लेआउट को संभालता है।
दस्तावेजीकृत टेम्पलेट: "Create a [image type] for [brand] with the text '[exact text]' in a [font style]. The design should be [style], with a [color scheme]." दो आदतें सफलता की दर को बेहतर बनाती हैं। सटीक टेक्स्ट को कोट्स (quotes) में रखें, और फॉन्ट का विवरण बातचीत के लहजे में दें ("a chunky rounded sans-serif", "a thin elegant serif"), बजाय किसी विशिष्ट टाइपफेस का नाम देने के जिसे शायद मॉडल न जानता हो।
यह पोस्टर Nano Banana Pro से इस प्रॉम्प्ट के साथ तैयार किया गया था: "Create a retro poster for a coffee stand called Banana Brew with the text 'BANANA BREW' in a chunky rounded sans-serif across the top and the slogan 'cold roast, warm people' in a small handwritten script underneath, flat illustration of a single banana-yellow espresso cup in the center, cream background, amber and dark-ink color scheme":
पहली ही कोशिश में हर एक अक्षर बिल्कुल सही जगह पर आ गया। निष्पक्ष रूप से कहें तो, दो-तीन पंक्तियों से अधिक होने पर इसकी गारंटी नहीं रह जाती; सघन मेनू-शैली वाले लेआउट पर Pro अभी भी कभी-कभी किसी अक्षर को छोड़ देता है या दोगुना कर देता है, इसलिए इसे शिप करने से पहले लगभग दस से अधिक शब्दों वाले किसी भी काम को ध्यान से प्रूफरीड कर लें।
एडिटिंग प्रॉम्प्ट्स: एक चीज़ बदलें, बाकी सब वैसा ही रखें
Nano Banana मॉडल जितनी अच्छी तरह से चित्र जनरेट करते हैं, उतनी ही अच्छी तरह से उन्हें एडिट भी करते हैं, लेकिन इसका प्रॉम्प्ट पैटर्न लोगों को भ्रमित करने के लिए पर्याप्त रूप से अलग है। सामान्य गलती पूरे दृश्य का फिर से वर्णन करना है। केवल उसी बदलाव का वर्णन करें जिसे आप देखना चाहते हैं।
Google के डॉक्स इसे सेमेंटिक मास्किंग (semantic masking) कहते हैं, और उनके टेम्पलेट को हुबहू कॉपी करना बेहद उपयोगी है: "Using the provided image, change only the [specific element] to [new element]. Keep everything else exactly the same, preserving the original style, lighting, and composition." वह अंतिम वाक्य वास्तव में बड़ा काम करता है; इसके बिना, एडिट्स पैलेट को बदल सकते हैं या पूरे फ्रेम को पुनर्गठित कर सकते हैं।
यही लॉजिक क्रमिक रूप से काम करने वाले वर्कफ़्लो (iterative workflow) को चलाता है। जनरेट करें, देखें, फिर एक बार में केवल एक सुधार के लिए कहें: "make the light warmer", "replace the mug with a glass", "same scene at dusk". प्रत्येक छोटा कदम एक बड़े सुधारात्मक प्रॉम्प्ट की तुलना में आपके पसंदीदा दृश्य के अधिक हिस्से को सुरक्षित रखता है। यह धीमा लग सकता है। लेकिन यह आमतौर पर तेज़ होता है, क्योंकि आप ओवर-करेक्शन (अति-सुधार) के कारण अच्छे फ्रेम्स को खोने से बच जाते हैं।
रेफरेंस इमेज इसके ऊपर एक और सुविधा जोड़ती हैं। Gemini API डॉक्स के अनुसार, Nano Banana 2 प्रति अनुरोध 4 कैरेक्टर रेफरेंस और 10 ऑब्जेक्ट रेफरेंस तक स्वीकार करता है, जबकि Pro 5 और 6 स्वीकार करता है। यदि आप पूरी सीरीज़ में एक चेहरे को सुसंगत (consistent) रखने की कोशिश कर रहे हैं, तो यह अपने आप में एक अलग कला है जिसके अपने ट्रिक्स हैं, और हमने इसके बारे में कैरेक्टर कंसिस्टेंसी गाइड में लिखा है।
Negative प्रॉम्प्ट्स, एस्पेक्ट रेशियो और एक इमेज की कीमत
यहाँ एक ऐसा तथ्य है जो अन्य टूल्स से आने वाले लोगों को हैरान करता है: Nano Banana API में कोई नेगेटिव प्रॉम्प्ट पैरामीटर नहीं है। छवियों के लिए Veo के negativePrompt फ़ील्ड जैसी कोई चीज़ मौजूद नहीं है, और डॉक्स में भी इसका कभी ज़िक्र नहीं किया गया है। इसका व्यावहारिक विकल्प पॉजिटिव फ्रेमिंग (positive framing) है। "no cars" न लिखें; इसके बजाय "an empty, deserted street" लिखें। "no text" न लिखें; कंपोज़िशन का इतने विस्तार से वर्णन करें कि फालतू टेक्स्ट के लिए कोई जगह ही न बचे। अनुपस्थिति को उपस्थिति के रूप में प्रस्तुत करना एक शब्दों का खेल लग सकता है, लेकिन यह वास्तव में काम करता है।
एस्पेक्ट रेशियो के काफी सारे विकल्प हैं: चौकोर 1:1 से लेकर 3:2, 4:5, 9:16, 16:9 और सिनेमाई 21:9 तक दस विकल्प। रिज़ॉल्यूशन 512px, 1K, 2K और 4K हैं, जिसमें एक पेंच है जिसे हमने Lite गाइड में कवर किया है: Nano Banana 2 Lite केवल 1K आउटपुट देता है।
प्रति इमेज वर्तमान BananaBanana की कीमतें:
| मॉडल (Model) | 512px | 1K | 2K | 4K |
|---|---|---|---|---|
| Nano Banana 2 Lite | — | $0.03 | — | — |
| Nano Banana 2 | $0.03 | $0.06 | $0.09 | $0.13 |
| Nano Banana Pro | — | $0.11 | $0.11 | $0.20 |
मेरा डिफ़ॉल्ट वर्कफ़्लो वही है जो मैं वीडियो के साथ करता हूँ: सस्ते टियर पर ड्राफ्ट बनाना और महंगे टियर पर फाइनल तैयार करना। Lite या Nano Banana 2 पर 1K रिज़ॉल्यूशन पर तब तक प्रॉम्प्ट को सुधारते रहें जब तक कि कंपोज़िशन सही न हो जाए, फिर फाइनल प्रॉम्प्ट को एक बार Pro पर 2K रिज़ॉल्यूशन पर चलाएं, जिसकी कीमत 1K के समान ही $0.11 है और यह इस तालिका का सबसे बेहतरीन सौदा है। प्रॉम्प्ट की गुणवत्ता लगभग पूरी तरह से अलग-अलग टियर में ट्रांसफर हो जाती है। नए खातों को $0.20 मुफ्त मिलते हैं, जो आपके पहले छह Lite ड्राफ्ट को कवर करता है। पूरी ग्रिड प्राइसिंग पेज पर उपलब्ध है।
FAQ
Nano Banana के लिए सबसे अच्छा प्रॉम्प्ट स्ट्रक्चर क्या है?
विषय (subject), परिवेश (setting), शैली (style), लाइटिंग (lighting), कैमरा एंगल (camera angle) और लेंस (lens) को कवर करने वाले नैरेटिव वाक्यों का एक सेट: "A photorealistic [shot type] of [subject] in [setting]. [Lighting]. Shot from [angle] with [lens]." पूरे वाक्य कीवर्ड लिस्ट से बेहतर होते हैं क्योंकि मॉडल Gemini पर बने हैं और केवल संज्ञाओं (nouns) को नहीं, बल्कि उनके बीच के संबंधों को समझते हैं।
क्या Nano Banana 2 नेगेटिव प्रॉम्प्ट्स को सपोर्ट करता है?
नहीं। Gemini इमेज API में कोई नेगेटिव प्रॉम्प्ट पैरामीटर नहीं है। इसके बजाय पॉजिटिव फ्रेमिंग का उपयोग करें: उस दृश्य का वर्णन करें जो आप चाहते हैं ("an empty street at dawn"), न कि उस चीज़ का जो आप नहीं चाहते ("no cars")।
मैं Nano Banana से टेक्स्ट को सही ढंग से कैसे रेंडर करवा सकता हूँ?
Nano Banana Pro का उपयोग करें, सटीक शब्दों को कोट्स (quotes) में रखें, और बातचीत के लहजे में फॉन्ट शैली का वर्णन करें ("a chunky rounded sans-serif")। इसे प्रति इमेज लगभग दस शब्दों से कम रखें; लंबे लेआउट को अभी भी प्रूफरीडिंग की आवश्यकता होती है।
क्या मुझे Nano Banana 2 और Pro के लिए अलग तरह से प्रॉम्प्ट लिखना चाहिए?
संरचना बिल्कुल समान है। Pro टेक्स्ट रेंडरिंग, जटिल लेआउट और कई सीमाओं वाले निर्देशों पर अपनी कीमत को सही साबित करता है; वहीं Nano Banana 2 लगभग आधी कीमत पर रोज़मर्रा की यथार्थवादी तस्वीरों और इलस्ट्रेशन को संभालता है।
एक Nano Banana इमेज की कीमत कितनी है?
BananaBanana पर, $0.03 (1K पर Lite या 512px पर Nano Banana 2) से लेकर $0.20 (4K पर Pro) तक। फाइनल के लिए सबसे बेहतरीन विकल्प $0.11 में 2K पर Pro है, जिसकी कीमत 1K पर Pro के समान ही है।