Името „Нано банан“ стана вирусен в мрежи и технологични форуми, но зад прякора не се крие независим продукт: това е разговорният начин, по който е бил кръстен Джемини 2.5 Флаш изображение, моделът на Google за генериране и редактиране на снимки, задвижван от изкуствен интелект, който вече е част от приложението Gemini. Това предложение се откроява със своите обработка на естествен език и за визуалната съгласуваност, която поддържа между изданията.
Голямото обещание на тази функция е да позволи бързи и прецизни редакции без познания за дизайна. С инструкции на естествен език, Gemini интерпретира командата и прилага промените за секунди, зачитане на идентичността на субекта и стил на снимане. Това се изразява в по-малко редки артефакти и по-точни резултати в сравнение с предишните поколения модели.
Какво всъщност е Нано Банан и защо е важен
По време на вътрешното си тестване Google използва неофициалното име „Нано банан“ за обозначаване на изображението от Flash от Gemini 2.5След обявяването си, този модел беше вграден в приложението Gemini, както уеб, така и мобилно. Неговата мисия: редактиране, композиране и генериране на изображения разговорно, възползвайки се от контекста на Близнаци, за да разберете нюансите и детайлите, които правят разликата.
Това, което поставя този инструмент крачка пред алтернативите, е способността му да поддържат характеристики, стил и последователност в множество модификации. Когато променяте един и същ човек, домашен любимец или обект в множество версии, системата запазва визуалната идентичност със забележителна точност, избягвайки класическото „почти същото“ което оставя странно усещане.
В допълнение към редактирането, моделът добавя функции на генериране и състав: позволява ви да започнете от текст, за да създадете изображение от нулата, да комбинирате няколко снимки в съгласувана сцена или стилове на трансфер между изображения. Това отваря вратата към креативни кампании, комикси, персонализирани картички или Продуктова фотография без нужда от класически софтуер.
Google демонстрира тази композируемост в публични примери. В една демонстрация се предлага нещо толкова просто като: „Качете няколко снимки и поискайте да ги комбинирате.“Системата разбира какво да запази от всеки елемент и как да го позиционира, което ви позволява да прецизирате какво да промените или запазите.
Наличност, цена и съхранение
Потребителската употреба е безплатно в приложението GeminiНе е нужно да активирате странен режим или да избирате модел: просто качете изображението и заявете размяната със свои думи и това е всичко. Google посочва, че те съществуват. общи ограничения за употреба които се актуализират с течение на времето, така че мащабната наличност се управлява динамично.
За бизнеса и разработчиците, професионалният достъп се осъществява чрез Google AI Studio и Vertex AIВ тази среда се предлага таксуване с токени: моделът за изходно изображение се ценообразува на 30 долара на милион токени, което Google грубо превежда като $0,029 за генерирано изображение в рамките на определени параметри. Това е схема, предназначена за мащабиране на търговски интеграции без загуба на контрол върху разходите.
Друг практичен аспект е продължителност на съхранение на изображениетоВ свободен режим изображенията се съхраняват за 15 дни, докато при платежните сметки задържането се увеличава до 140 дниТози прозорец ви позволява да продължите да работите с материала в Gemini, без да е необходимо незабавно да управлявате външно хранилище.
Редактиране с прости инструкции: как да работите
Философията е, че Не е нужно да знаете за маски, слоеве или селекцииМожете да напишете заявки като „направете го черно-бяло“, „премахнете обекта от фона“, „променете небето на ясно“ или „поставете ме в ретро кафене с розови неонови светлини“ и моделът ще го редактира, като спазва осветлението и перспективата. За да избегнете недоразумения, това работи много добре за начало „На оригиналната снимка,…“ когато искате да подчертаете, че основната сцена е запазена.
При прости задачи системата действа от първия опит: коригирайте цвета, преминете към черно-бяло или променете температурата на светлината. За по-креативни заявки, отговорете, като добавите или замените елементи: изтриване на обекти и възстановява фона, променя цветове, прически или дрехи, Добавяне очила или шапкии дори да конвертирате вашите котка върху динозавър ако това е, което търсите.
Особено мощна функция е обединете две изображения да вмъкнете съдържанието на едното в другото. Например, можете да държите лист хартия на първата снимка и да помолите рисунката да бъде заменена с тази на второто изображение, запазване на рамката и осветлението оригинали, за да изглеждат истински.
Освен това се усеща много естествено средства за промяна: отидете от всяка улица до тропически плаж, мъглива гора или футуристичен град. Моделът разбира дълбочината и геометрия на сцената, и прави обекта да пасва с правдоподобни сенки и тонове.
Запазете идентичността на обекта във всяко издание
Качественият скок е в съгласуваност на портретаАко ретуширате един и същ човек или домашен любимец няколко пъти – като сменяте гардероб, фон или епоха – инструментът го прави... „Продължавай да бъдеш себе си“Не става въпрос само за очите или прическата, които си приличат: системата се грижи за пропорциите, отличителни черти и външен вид, което избягва онова чувство за „разумна прилика“, което разваля магията.
Google подчертава, че това подобрение решава класически проблем с редактирането, причинено от изкуствен интелект: запазване на ключовите характеристики непокътнати на обекта, докато променя останалата част от снимката. Благодарение на контекстуалното разбиране на Gemini, крайното изобразяване запазва своята идентичност, дори когато средата е нова, независимо дали е хол с тапети различен или смел визия от шейсетте години.
След редактиране можете дори качете ретушираното изображение отново към Джемини, за да го превърне в кратко видео По същата причина. Тази приемственост между форматите разширява използването на социални медии, реклама или презентации, без да е необходимо свързването на множество инструменти.
Типичен пример, който работи много добре, е „смяната на гардероба“ или „смяната на местоположението“: качвате снимка на себе си или на кучето си и питате за различни стилове, места или часове, без да губите точна приликаТова е забавно, динамично и най-вече постоянен поток, изображение след изображение.
Режими на работа: генериране, редактиране и композиция
Системата поддържа няколко потока: Текст към изображение да създаваш от нулата; Изображение + текст да редактирате определени части; и няколко изображения едновременно да композирате нови сцени или да прехвърляте стилове. Във всички случаи можете итерирам на свой ред да се коригират фините детайли и да се стигне до окончателната версия.
Когато изображението включва текст (плакат или диаграма), моделът прави четливо и добре разположено изобразяване, което е полезно за материали за брандиране. Освен това, всички генерирани изображения включват Воден знак на SynthID, технически сигнал, който показва, че са произведени с изкуствен интелект.
Ако ще качвате изображения чрез API, се поддържа следното: Качване в Base64 и по-големи качвания с множество файлове. Важно е да запомните правилата за употреба: трябва да имате права над това, което качвате, и избягвайте съдържание, което подвежда, тормози или причинява вреда. Този слой сигурност е неразделна част от услугата.
Практичен съвет: ако искате изображения с текст, това обикновено работи по-добре. първо генерирайте текста и след това поискайте изображението да го вгради. А за множество входове, оптималната производителност идва до 3 изображения като контекст за редактиране.
Бързи стратегии, които работят
Най-доброто правило е да се опише пълна сцена, не нанизвайте отделни думи. Разказвателен параграф, който уточнява обстановката, камерата, осветлението и стила, обикновено създава по-последователни резултати отколкото списък с етикети.
За фотореализъм, споменете ъгли на камерата, обективи и осветление („широкоъгълен кадър, подсветка отзад, следобедна светлина, топъл тон на кожата“). За графични материали, бъдете ясни относно стила и заявката прозрачен фон когато имате нужда от икони или стикери.
Това също помага да се обясни предназначение„Създайте лого за минималистична марка от висок клас“ насочва резултата по-добре от общото „направете лого“. Разделете сложните сцени на прогресивни стъпкипърво фон, след това основни елементи и накрая детайли или окончателно осветление.
Вместо „без автомобили“, опитайте семантични отрицателни инструкции формулирано в положителна форма: „празна, безлюдна улица без пътни знаци“. И той контролира композицията с език фотографски или кинематографски („близък план“, „ниска перспектива“, „центрирана изчезваща точка“).
Ограничения, езици и сигурност
За да постигне най-добра езикова производителност, моделът се отличава с EN, es-MX, ja-JP, zh-CN и hi-INВъпреки че работи с изображения, не поддържа входни данни от няма аудио или видео при генериране на изображения. И може да не следва винаги милиметровата точност точният брой изображения изисква се, ако наложите много стриктно броене в един ред.
В регулаторната област има териториални ограничения: например в ЕИП, Швейцария и Обединеното кралство Не могат да се качват изображения на непълнолетни лица за момента. Инструментът включва мерки за сигурност и цялото генерирано съдържание се носи SynthID за отговорно проследяване.
Също така не забравяйте да спазвате Политика за забранена употреба и се уверете, че имате права върху изображението които качвате. Тези насоки защитават както създателите, така и крайните потребители и са част от преживяването.
В ежедневието редактирането работи особено добре с до три изображения От самото начало. Ако трябва да включите текст в композицията си, първото получаване на текста и след това интегрирането му в изображението обикновено дава по-добра типография и разположение.
Професионални съвети за резултати от най-високо ниво
- Когато ви е грижа за запазването висококачествени детайли — лице, лого — опишете ги точно заедно със заявката за редактиране. Посочете точните цветове, текстури и диференциални характеристики на обекта, така че моделът да даде приоритет на неговото запазване.
- Не спирайте при първия опит: повтаряйте кратки съобщения като „Запази всичко същото, но…“Този бърз цикъл „по-добре, но повече…“ е мястото, където разговорният монтаж блести. Градирането на светлината, изразителността, кадрирането и цветовия тон води до повече изпипан и последователен.
- Разделете сложните сцени на стъпки: „първо горският фон на разсъмване с мъгла; след това каменен олтар с мъх на преден план; накрая, блестящ меч върху олтара.“ Това последователно разделяне улеснява модела не се губете в хаоса и улавя елементите по-добре.
- Ако това, което искате, е графичен ресурс, който може да се използва в презентации или в интернет, поискайте го. минималистичен дизайн и „негативно пространство“ за заглавия. Осигурете чист фон и достатъчен контраст, за да можете по-късно наслагване на текстове без да се борим с четивността.
Нано Банан — прякорът на модела Джемини 2.5 Флаш изображение— е спечелил репутацията си: предлага естествено редактиране чрез инструкции, сливане на снимки, съгласуваност на идентичността и безплатен достъп в Gemini; за тези, които се нуждаят от мащабиране, има достъп чрез Google AI Studio и Vertex AI с ценообразуване на токени. Известните ограничения включват езикови предпочитания, максимум три входни изображения и регулаторни ограничения; в замяна потокът е плавен, качеството е високо, а водният знак гарантира отговорна употреба.