Nano Banana 提示词指南：描绘场景而非标签

Nano Banana 提示词是对场景的书面描述，Google 的图像模型 Nano Banana 2、Nano Banana Pro 以及高性价比的 Lite 档，都可以将其转化为图片。这些模型基于 Gemini 构建，这意味着它们是将您的提示词作为语言来阅读，而不是作为一堆关键词的组合。这一个事实就彻底改变了您的写作方式。根据 Google 的图像生成文档，丰富的叙事性描述始终优于用逗号分隔的标签列表，我们每天的实际生成结果也证实了这一点。

简单来说，如果您只需要模板："A photorealistic [shot type] of [subject] in [setting]. [Lighting description]. Shot from [camera angle] with [lens type]."（一张逼真的关于 [subject] 在 [setting] 中的 [shot type]。[Lighting description]。使用 [lens type] 从 [camera angle] 拍摄。）请写完整的句子。像摄影师一样说出光源和镜头的名称。仅凭这一个习惯，就能在很大程度上弥补普通渲染图与真正可发布图像之间的差距。

这是我们 Veo 3.1 提示词指南 在图像生成方面的配套篇章。理念相同，但词汇不同：视频提示词围绕动作和摄像机移动展开，而图像提示词则围绕光线、镜头和构图展开。以下所有演示都是在 BananaBanana 上使用所示的精确提示词一次性生成的，没有经过重新生成。

为什么叙事性提示词的效果优于关键词列表？

旧的扩散模型使用习惯很难改变。如果您是在 Stable Diffusion 或 Midjourney 上学会写提示词的，您可能会写出类似于 "perfume bottle, product photo, 8k, dramatic lighting, masterpiece" 这样的内容。虽然 Nano Banana 模型能解析这些内容，但您却浪费了它们的核心优势：它们理解事物之间的关系，而不仅仅是事物本身。

"A barista laughing at something off-frame while steam rises from the espresso machine behind her"（咖啡师对着镜头外的某些事物微笑，同时她身后的意式浓缩咖啡机冒出蒸汽）是一个场景。而关键词版本（"barista, laughing, steam, espresso machine"）则丢失了谁在做什么、蒸汽在哪里，以及画面应有的情感基调。模型会用默认设置来填补这些空白，而默认设置正是让 AI 图像看起来充斥着“AI味”的原因。

一个实用的 Nano Banana 提示词通常包含五到六个要素：

您不需要每次都用齐这六个要素。但是，您跳过的每一个要素，都是将决定权交还给模型。

逼真写实提示词：像摄影师一样写作

对于写实照片来说，最具有杠杆效应的词汇是相机语言，这与视频生成一致。Google 文档给出了我上面引用的模板，它直接对应了摄影师筹备拍摄时的企划：拍摄类型、主体、环境、光线、角度、镜片。

这是实际效果的对比。以下两张图像均来自 Nano Banana 2，分辨率为 1K，在我们的定价中每张只需 $0.06。首先是每个人在第一天都会写的提示词，仅仅是 "A perfume bottle on a table"（桌子上的香水瓶）：

坦白说，还挺好看的。模型选择了一个明亮的生活方式场景、窗光、花朵、珠宝盘，这是一张非常不错的素材照片。但每一个决定都是模型做出的，而不是您，下一次运行会产生完全不同的结果。现在，我们将上述要素填入相同的题材中："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"（一张逼真写实的特写，展示了站在湿润黑色板岩上的琥珀色玻璃香水瓶，玻璃表面有细微的水滴。右侧有温暖的金黄色背光，左侧有微弱的冷色边缘光。使用 85mm 微距镜头低角度拍摄，浅景深，暗色模糊背景）：

相同的模型，相同的价格，同样只需四秒渲染。水滴、双色调光线和低角度都是提示词中写明的词汇，而不是凭运气得到的。有一个细节值得放大观察：标签。我从未要求生成标签，模型自己创造了它，并拼错了它自己创造的文本（"EAU DE PARFUIM"）。未显式声明的文本仍然是 Nano Banana 2 的软肋，这也正好顺理成章地引出了下一节。

光照名称非常值得记住，因为它们的呈现效果非常稳定可靠：golden hour（黄金时刻）、overcast softbox（阴天柔光箱）、three-point studio lighting（三点式摄影棚布光）、hard noon sun（正午烈日）、neon spill（霓虹溢光）、candlelight（烛光）。模糊的氛围词（如 "beautiful"、"dramatic"）几乎起不到任何作用。如果您的主体是产品而不是人物，我们在 产品摄影指南 中对这套词汇进行了更深入的探讨。根据我的经验，镜头的选择也同样重要；"85mm macro"（85mm 微距）和 "wide-angle 24mm"（24mm 广角）会产生明显不同的几何透视，而这恰恰是标签式提示词永远无法给您的控制力。

如何让 Nano Banana Pro 渲染出清晰可读的文本？

文本渲染是 Nano Banana Pro 存在的核心原因。文档对此非常直白：对于排版必须精准的专业素材，请使用 Pro 模型（gemini-3-pro-image）。Nano Banana 2 只能处理一两个短单词，而 Pro 则能轻松掌控整个布局。

文档中记录的模板："Create a [image type] for [brand] with the text '[exact text]' in a [font style]. The design should be [style], with a [color scheme]。"（为 [brand] 创建一个包含字体风格为 [font style] 的文本 '[exact text]' 的 [image type]。设计风格应为 [style]，并搭配 [color scheme]。）有两个习惯可以提高文本生成成功率：将精确的文本放在单引号内，并用口语化的方式描述字体（例如 "a chunky rounded sans-serif"（圆润粗体无衬线字）、"a thin elegant serif"（纤细优雅的衬线字）），而不是指定它可能不认识的具体字体名称。

这张海报来自 Nano Banana Pro，所使用的提示词为："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"（为名为 Banana Brew 的咖啡摊创建一张复古海报，顶部是以圆润粗体无衬线字呈现的文本 'BANANA BREW'，下方是以手写体呈现的标语 'cold roast, warm people'，中间是单只香蕉黄意式浓缩咖啡杯的扁平插画，奶油色背景，琥珀色和深墨色调）：

所有的字符在第一次尝试时就全部渲染成功。不过说实话，如果超过两行，就无法保证百分之百成功了；在密集菜单式的排版中，Pro 偶尔仍会漏掉或多出一个字母，因此在正式发布任何包含十个单词以上的内容之前，请务必仔细校对。

编辑提示词：只修改一处，保持其他不变

Nano Banana 模型的图像编辑能力与其生成能力一样出色，而编辑提示词的模式与生成模式有很大不同，很容易让人感到困惑。常见的错误是重新描述整个场景。实际上，您应该只描述修改的部分。

Google 文档将此称为语义遮罩（semantic masking），其模板非常值得一字不差地复制："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."（使用提供的图像，仅将 [specific element] 更改为 [new element]。保持其他所有内容完全相同，保留原始的风格、光照和构图。）最后那句话起到了至关重要的作用；如果没有它，编辑往往会导致色调产生偏差或导致画面重新构图。

相同的逻辑也适用于迭代工作流。生成，观察，然后一次只请求一个调整，例如："make the light warmer"（让光线更暖一些）、"replace the mug with a glass"（将马克杯换成玻璃杯）、"same scene at dusk"（黄昏时的相同场景）。比起一个庞大且试图一次性纠正所有的提示词，每一个微小的步骤都能保留更多您喜欢的设计。这看起来似乎比较慢，但实际上通常更快，因为您不会因为过度纠正而失去原本满意的画面。

在此基础上还可以叠加参考图像。根据 Gemini API 文档，Nano Banana 2 每次请求最多支持 4 张人物参考图和 10 张物体参考图，而 Pro 支持 5 张和 6 张。如果您试图在整个系列中保持同一张脸的一致性，那是一门具有独立技巧的手艺，我们已在 角色一致性指南 中进行了详细阐述。

反向提示词、宽高比以及单张图像成本

这是一个让习惯于其他工具的用户感到惊讶的事实：Nano Banana API 没有反向提示词参数。图像生成不存在类似于 Veo 的 negativePrompt 字段，文档中也从未提及。最有效的替代方案是正面描述（positive framing）。不要写 "no cars"（没有汽车）；写 "an empty, deserted street"（一条空旷、荒无人烟的街道）。不要写 "no text"（没有文字）；而是极为完整地描述画面构图，让杂乱的文字没有容身之所。将“不存在”定义为一种“存在”听起来像是一个文字游戏，但它在实际应用中效果显著。

宽高比选择非常丰富：从正方形 1:1 到 3:2、4:5、9:16、16:9，一直到电影级的 21:9，共提供十种选择。分辨率包含 512px、1K、2K 和 4K，但有一点需要注意，我们在 Lite 指南中提到过：Nano Banana 2 Lite 仅支持 1K 输出。

目前 BananaBanana 单张图像价格：

我的默认工作流与处理视频时完全相同：在便宜的档位打样，在昂贵的档位交付。在 Lite 或 Nano Banana 2 的 1K 分辨率上反复调整提示词，直到构图稳定，然后在 Pro 的 2K 分辨率上重新运行一次最终的提示词。Pro 2K 的价格与 1K 相同，均为 $0.11，绝对是该价格表中最具性价比的隐藏福利。提示词质量在不同档位之间几乎可以完美迁移。新账户可免费获得 $0.20 的体验额度，足够支付您前三次的 Lite 样稿生成。完整的价格表已在 定价页面 上列出。

常见问题解答

什么是 Nano Banana 的最佳提示词结构？

一个包含主体、场景、风格、光照、相机角度和镜头的叙事性句群："A photorealistic [shot type] of [subject] in [setting]. [Lighting]. Shot from [angle] with [lens]"（一张逼真写实的关于 [subject] 在 [setting] 中的 [shot type]。[Lighting]。使用 [lens] 从 [angle] 拍摄）。完整句子的效果要优于关键词列表，因为模型基于 Gemini 构建，能够解析逻辑关系，而不仅仅是名词。

Nano Banana 2 支持反向提示词吗？

不支持。Gemini 图像 API 中没有反向提示词参数。请使用正面描述来代替：描绘您想要的场景（例如 "an empty street at dawn"（黎明时空无一人的街道）），而不是您不想要的事物（例如 "no cars"（没有汽车））。

如何让 Nano Banana 正确渲染出文本？

使用 Nano Banana Pro，将精确的文字内容放入引号内，并用口语化的方式描述字体风格（例如 "a chunky rounded sans-serif"（圆润粗体无衬线字））。确保每张图像的单词量在十个以内，更长的布局仍然需要人工校对。

我应该对 Nano Banana 2 和 Pro 使用不同的提示词写法吗？

写法结构是完全一致的。Pro 模型之所以物有所值，是因为它能出色地处理文本渲染、复杂的多元素布局以及带有诸多限制的复杂指令；而 Nano Banana 2 则能以大约一半的成本处理日常的逼真写实和插画生成。

生成一张 Nano Banana 图像需要多少钱？

在 BananaBanana 上，价格从 $0.03（Lite 1K 或 Nano Banana 2 512px）到 $0.20（Pro 4K）不等。交付最终稿的最佳选择是 Pro 2K，价格仅为 $0.11，与 Pro 1K 相同。