Hướng dẫn Viết Prompt Nano Banana: Mô tả Cảnh, Đừng Dùng Thẻ

Prompt Nano Banana là một bản mô tả cảnh bằng văn bản mà các mô hình hình ảnh của Google, gồm Nano Banana 2, Nano Banana Pro, và gói giá rẻ Lite, sẽ chuyển đổi thành một bức tranh. Các mô hình này được xây dựng trên Gemini, nghĩa là chúng đọc prompt của bạn như một ngôn ngữ tự nhiên thay vì chỉ là một tập hợp các từ khóa. Thực tế đơn giản này sẽ thay đổi cách bạn viết prompt. Theo tài liệu tạo hình ảnh của Google, các mô tả kể chuyện phong phú luôn mang lại kết quả tốt hơn danh sách từ khóa phân tách bằng dấu phẩy, và các tác phẩm thực tế của chúng tôi hằng ngày cũng chứng minh điều đó.

Nói một cách ngắn gọn, nếu bạn chỉ muốn lấy mẫu: "Một bức ảnh chân thực [loại góc máy] của [chủ thể] trong [bối cảnh]. [Mô tả ánh sáng]. Chụp từ [góc camera] với [loại ống kính]." Hãy viết bằng các câu hoàn chỉnh. Hãy gọi tên nguồn sáng và ống kính như một nhiếp ảnh gia thực thụ. Chỉ riêng thói quen đó thôi đã giúp thu hẹp đáng kể khoảng cách giữa một bản dựng thô sơ chung chung và một bức ảnh thực sự chuyên nghiệp để xuất bản.

Đây là bài viết đồng hành chuyên sâu về hình ảnh cho hướng dẫn viết prompt Veo 3.1 của chúng tôi. Cùng một triết lý nhưng sử dụng từ vựng khác nhau: prompt video xoay quanh chuyển động và góc quay của camera, còn prompt hình ảnh xoay quanh ánh sáng, ống kính và bố cục. Mỗi bản demo bên dưới đều được tạo ra trên BananaBanana với chính xác prompt được hiển thị, ngay từ lần thử đầu tiên và không cần tạo lại.

Tại sao prompt dạng mô tả lại hiệu quả hơn danh sách từ khóa?

Thói quen cũ từ thời diffusion rất khó bỏ. Nếu bạn đã học cách viết prompt trên Stable Diffusion hoặc Midjourney, bạn có thể sẽ viết những câu như "perfume bottle, product photo, 8k, dramatic lighting, masterpiece". Các mô hình Nano Banana vẫn phân tích được những từ đó, nhưng bạn đang lãng phí thế mạnh lớn nhất của chúng: khả năng hiểu mối quan hệ giữa các vật thể, chứ không chỉ là bản thân các vật thể đó.

"Một nhân viên pha chế đang cười với ai đó ngoài khung hình trong khi hơi nước bốc lên từ máy pha cà phê espresso phía sau cô ấy" là một cảnh phim rõ ràng. Phiên bản dùng từ khóa ("barista, laughing, steam, espresso machine") sẽ làm mất đi thông tin ai đang làm gì, hơi nước ở đâu và cảm xúc chủ đạo của khung hình là gì. Mô hình sẽ tự động lấp đầy những khoảng trống đó bằng các giá trị mặc định, và chính những mặc định này là thứ khiến các bức ảnh AI trông rập khuôn và thiếu tự nhiên.

Một prompt Nano Banana hiệu quả thường chứa năm hoặc sáu thành phần sau:

Không phải lúc nào bạn cũng cần cả sáu thành phần này. Nhưng mỗi thành phần bạn bỏ qua là một quyết định bạn nhường lại cho mô hình tự quyết định.

Prompt ảnh thực tế: Hãy viết như một nhiếp ảnh gia

Để tạo ra các bức ảnh chân thực, nhóm từ khóa mang lại hiệu quả cao nhất chính là ngôn ngữ máy ảnh, tương tự như với video. Tài liệu của Google cung cấp mẫu mà tôi đã trích dẫn ở trên, và nó tương thích trực tiếp với cách các nhiếp ảnh gia lên kế hoạch cho một buổi chụp: loại góc máy, chủ thể, môi trường, ánh sáng, góc chụp, ống kính.

Dưới đây là sự khác biệt trong thực tế. Cả hai bức ảnh bên dưới đều được tạo ra bởi Nano Banana 2 ở độ phân giải 1K, có giá $0.06 mỗi ảnh theo bảng giá của chúng tôi. Đầu tiên là prompt mà mọi người thường viết trong ngày đầu tiên, chỉ đơn giản là "A perfume bottle on a table":

Thành thật mà nói thì bức ảnh khá đẹp. Mô hình đã chọn một cảnh phong cách sống tươi sáng, ánh sáng cửa sổ, hoa, đĩa đựng trang sức, và đó là một bức ảnh stock hoàn toàn ổn. Nhưng tất cả những quyết định đó đều là của mô hình chứ không phải của bạn, và lượt tạo tiếp theo sẽ cho ra những kết quả khác biệt. Bây giờ, hãy xem cùng một chủ thể nhưng được điền đầy đủ các thành phần: "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":

Cùng một mô hình, cùng mức giá, cùng thời gian render bốn giây. Những giọt nước, ánh sáng hai tông màu và góc chụp thấp đều là những từ ngữ được chỉ định cụ thể trong prompt chứ không phải do may mắn. Một chi tiết đáng chú ý: nhãn dán. Tôi chưa bao giờ yêu cầu tạo nhãn dán, mô hình tự nghĩ ra nó và viết sai chính tả văn bản tự chế của mình ("EAU DE PARFUIM"). Văn bản không được chỉ định trước vẫn là điểm yếu của Nano Banana 2, và đây là một bước chuyển nhịp nhàng sang phần tiếp theo.

Các tên gọi ánh sáng rất đáng để ghi nhớ vì chúng hoạt động cực kỳ ổn định: golden hour, overcast softbox, three-point studio lighting, hard noon sun, neon spill, candlelight. Những từ mô tả tâm trạng mơ hồ ("beautiful", "dramatic") hầu như không mang lại tác dụng gì. Nếu chủ thể của bạn là một sản phẩm thay vì con người, chúng tôi sẽ đào sâu hơn nhóm từ vựng này trong bài hướng dẫn chụp ảnh sản phẩm. Theo kinh nghiệm của tôi, việc lựa chọn ống kính cũng quan trọng không kém; "85mm macro" và "wide-angle 24mm" tạo ra hình học không gian khác biệt rõ rệt, điều mà các prompt dạng tag từ khóa không bao giờ kiểm soát được.

Làm thế nào để tạo chữ rõ ràng, dễ đọc từ Nano Banana Pro?

Khả năng hiển thị chữ chính xác là lý do Nano Banana Pro tồn tại. Tài liệu hướng dẫn đã nêu rõ: đối với các tài nguyên chuyên nghiệp yêu cầu thiết kế chữ (typography) chính xác, hãy sử dụng Pro (gemini-3-pro-image). Nano Banana 2 có thể xử lý một hoặc hai từ ngắn; trong khi Pro có thể xử lý cả các bố cục phức tạp.

Mẫu thiết kế chuẩn theo tài liệu: "Create a [image type] for [brand] with the text '[exact text]' in a [font style]. The design should be [style], with a [color scheme]." Hai thói quen sau sẽ giúp tăng tỷ lệ thành công. Đầu tiên, đặt văn bản chính xác trong dấu nháy đơn, và mô tả phong cách phông chữ một cách tự nhiên ("a chunky rounded sans-serif", "a thin elegant serif") thay vì gọi tên một phông chữ cụ thể mà mô hình có thể không biết.

Tấm áp phích này được tạo ra từ Nano Banana Pro với prompt: "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":

Mọi ký tự đều được hiển thị chính xác ngay từ lần thử đầu tiên. Tuy nhiên, để công bằng mà nói, điều này không còn được đảm bảo hoàn toàn nếu văn bản dài hơn vài dòng; với các bố cục dày đặc dạng thực đơn, thỉnh thoảng Pro vẫn có thể bị sót hoặc lặp ký tự, vì vậy hãy kiểm tra kỹ bất kỳ thiết kế nào chứa nhiều hơn mười từ trước khi sử dụng.

Chỉnh sửa prompt: Thay đổi một chi tiết, giữ nguyên phần còn lại

Các mô hình Nano Banana có khả năng chỉnh sửa hình ảnh tốt như cách chúng tạo ra chúng, và cấu trúc prompt chỉnh sửa có sự khác biệt rõ rệt dễ khiến mọi người nhầm lẫn. Sai lầm phổ biến là mô tả lại toàn bộ khung cảnh. Thay vào đó, bạn chỉ nên mô tả phần cần thay đổi.

Tài liệu của Google gọi đây là tính năng mặt nạ ngữ nghĩa (semantic masking), và mẫu cấu trúc của họ rất đáng để bạn sao chép nguyên văn: "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." Câu chốt ở cuối đóng vai trò cực kỳ quan trọng; nếu không có nó, các chỉnh sửa thường có xu hướng làm lệch bảng màu hoặc thay đổi bố cục của khung hình ban đầu.

Logic tương tự cũng được áp dụng cho quy trình làm việc lặp đi lặp lại. Hãy tạo ảnh, quan sát, sau đó yêu cầu từng điều chỉnh nhỏ một: "make the light warmer", "replace the mug with a glass", "same scene at dusk". Mỗi bước đi nhỏ này giúp bảo toàn những chi tiết bạn ưng ý tốt hơn nhiều so với một prompt sửa lỗi khổng lồ. Cách này có vẻ chậm hơn, nhưng thực tế thường nhanh hơn vì bạn không còn lo mất đi những khung hình đẹp do sửa chữa quá đà.

Hình ảnh tham chiếu cũng hoạt động dựa trên nguyên lý này. Nano Banana 2 chấp nhận tối đa 4 ảnh tham chiếu nhân vật và 10 ảnh tham chiếu vật thể cho mỗi yêu cầu, trong khi Pro hỗ trợ tương ứng là 5 và 6 ảnh, theo tài liệu Gemini API. Nếu bạn đang muốn giữ tính nhất quán cho một khuôn mặt xuyên suốt cả chuỗi hình ảnh, đó là một kỹ thuật riêng biệt với những mẹo riêng, và chúng tôi đã tổng hợp trong hướng dẫn về tính nhất quán của nhân vật.

Prompt phủ định, tỷ lệ khung hình và chi phí của mỗi bức ảnh

Có một thực tế sẽ gây bất ngờ cho những ai chuyển từ các công cụ khác sang: API của Nano Banana không có tham số prompt phủ định (negative prompt). Không có trường negativePrompt nào tương tự như của Veo dành cho hình ảnh, và tài liệu cũng không bao giờ đề cập đến nó. Giải pháp thay thế hiệu quả là sử dụng cách diễn đạt khẳng định (positive framing). Đừng viết "no cars" (không có ô tô); hãy viết "an empty, deserted street" (một con phố trống trải, vắng vẻ). Đừng viết "no text" (không có chữ); hãy mô tả bố cục chi tiết đến mức các ký tự thừa thãi không còn chỗ để xuất hiện. Diễn đạt sự biến mất dưới dạng sự hiện diện nghe có vẻ như một trò chơi chữ, nhưng nó mang lại hiệu quả rõ rệt.

Các tùy chọn tỷ lệ khung hình rất đa dạng: mười lựa chọn từ hình vuông 1:1 cho đến 3:2, 4:5, 9:16, 16:9, và cả tỷ lệ điện ảnh 21:9. Độ phân giải bao gồm 512px, 1K, 2K, và 4K, với một lưu ý mà chúng tôi đã đề cập trong hướng dẫn về Lite: phiên bản Nano Banana 2 Lite chỉ hỗ trợ xuất ảnh ở độ phân giải 1K.

Giá hiện tại trên BananaBanana cho mỗi bức ảnh:

Quy trình làm việc mặc định của tôi cũng tương tự như khi làm video: nháp trên gói giá rẻ, xuất bản trên gói cao cấp. Thử nghiệm prompt trên Lite hoặc Nano Banana 2 ở độ phân giải 1K cho đến khi bố cục ổn định, sau đó chạy prompt cuối cùng một lần trên Pro ở độ phân giải 2K. Việc này chỉ tốn $0.11, bằng giá với 2K/1K trên Pro, và đây chính là một món hời thầm lặng trong bảng giá này. Chất lượng prompt được chuyển đổi gần như hoàn hảo giữa các gói. Các tài khoản mới sẽ nhận được $0.20 miễn phí, đủ để bạn thử nghiệm sáu bản nháp đầu tiên trên Lite. Bảng giá đầy đủ có tại trang bảng giá.

Câu hỏi thường gặp

Cấu trúc prompt tốt nhất cho Nano Banana là gì?

Một chuỗi câu mô tả bối cảnh bao gồm chủ thể, bối cảnh, phong cách, ánh sáng, góc camera và ống kính: "A photorealistic [shot type] of [subject] in [setting]. [Lighting]. Shot from [angle] with [lens]." Các câu hoàn chỉnh sẽ tốt hơn danh sách từ khóa vì các mô hình này được xây dựng trên Gemini và có khả năng phân tích các mối quan hệ ngữ nghĩa chứ không chỉ các danh từ riêng lẻ.

Nano Banana 2 có hỗ trợ prompt phủ định không?

Không. Không có tham số prompt phủ định nào trong Gemini image API. Hãy sử dụng cách diễn đạt khẳng định thay thế: mô tả cảnh bạn muốn ("an empty street at dawn") thay vì thứ bạn không muốn xuất hiện ("no cars").

Làm thế nào để Nano Banana hiển thị chữ chính xác?

Hãy sử dụng Nano Banana Pro, đặt văn bản chính xác trong dấu nháy đơn và mô tả phong cách phông chữ một cách tự nhiên ("a chunky rounded sans-serif"). Giới hạn dưới mười từ cho mỗi hình ảnh; các bố cục dài hơn vẫn cần được kiểm tra lại.

Tôi có cần viết prompt khác nhau cho Nano Banana 2 và Pro không?

Cấu trúc viết prompt hoàn toàn giống nhau. Pro xứng đáng với mức giá của mình nhờ khả năng hiển thị chữ chính xác, xử lý các bố cục phức tạp nhiều thành phần và tuân thủ các hướng dẫn có nhiều ràng buộc; trong khi Nano Banana 2 xử lý tốt các nhu cầu chụp ảnh thực tế và vẽ minh họa thông thường với mức chi phí chỉ bằng một nửa.

Chi phí cho mỗi bức ảnh Nano Banana là bao nhiêu?

Trên BananaBanana, mức giá dao động từ $0.03 (Lite ở độ phân giải 1K hoặc Nano Banana 2 ở độ phân giải 512px) đến $0.20 (Pro ở độ phân giải 4K). Lựa chọn tối ưu nhất cho sản phẩm hoàn thiện là Pro ở độ phân giải 2K với giá $0.11, bằng giá với bản Pro ở độ phân giải 1K.