Nano Banana Pro 提示词：稳定生成影棚级画面的结构化写法

Nano Banana Pro 提示词写得敷衍，模型就会把错误一路执行到底。信息流里泛滥的粗糙 AI 图，与干净的影棚级画面之间，差的不是神秘种子，也不是所谓魔法词，而是结构。Google 已经公开了完整框架，只是各类提示词包网站又把它包装起来，悄悄卖给了你。

想让 Nano Banana Pro 更快生成好图，就别再堆关键词，改写一份清楚的创意简报。它的模型是 Gemini 3 Pro Image，与 Gemini 3 Pro 使用同一套推理引擎。因此，它理解提示词的方式更像艺术指导阅读创意简报：需要明确的主体、画面、光线，以及每张参考图承担的任务。信息给全，它就能稳定产出干净、清晰、可复现的结果；只写 "logo, modern, 8k, ultra HD"，得到的往往只是平庸成片。

下面这套方法以 Google 官方的七条提示框架为基础，再补上真正能把框架变成可交付作品的专业技巧。

写好 Nano Banana Pro 提示词，先守住这一条

具体比冗长更重要。效果不佳，几乎总是因为提示词太模糊，而不是因为字数太少。

Nano Banana Pro 会推理你写下的内容，而不是简单匹配词语模式，所以堆上 "masterpiece, 8k, ultra-detailed, award-winning" 这类质量标签几乎没有作用。模型本来就会追求高保真；它真正无法替你决定的，是你没有交代的部分：镜头怎样构图、光从哪里来、画面是什么情绪。留白越多，模型自由发挥得越多，而粗糙感往往就藏在这些即兴发挥里。

所以下文所有提示词都遵循同一条原则：写清真正重要的信息，删掉装饰性词语。"A ceramic coffee cup" 太弱；"A matte-black ceramic cup, top-down, on a raw concrete counter, hard mid-morning window light from the left" 才是一条可执行的指令，模型也更可能连续两次做出一致结果。

用六个部分写清场景

把提示词拆成六个部分，就能在模型开始猜测之前，把它需要的信息基本补齐。这正是 Google 的检查清单；每一项都在堵住一个自由发挥的缺口，所以有效。

• 主体：画面里是谁或什么，要写具体。不要只写“一个机器人”，而要写“一个神情冷静、双眼发出蓝光的机器人咖啡师”。
• 构图：镜头如何取景，例如极近特写、广角全景、低机位或人像构图。
• 动作：正在发生什么，例如冲咖啡、迈步途中或施放魔法。
• 地点：事情发生在哪里，例如火星上的未来咖啡馆，或黄金时刻洒满阳光的草地。
• 风格：整体审美方向，例如照片级写实、黑色电影、1990 年代产品摄影或扁平矢量风。
• 编辑指令：修改现有图片时直接说清楚，例如 "change the man's tie to green,"、"remove the car in the background."

来看一次真实的前后对比。先写偷懒版本："a sneaker product photo, clean, professional." 得到的会是一只普通鞋，摆在普通的无缝背景前；当占位图尚可，对品牌毫无价值。现在把六个部分补齐："A single white leather low-top sneaker (subject), shot at a three-quarter hero angle, filling 60% of the frame (composition), resting still on a brushed-concrete plinth (action and location), in the style of premium 1990s catalog product photography with soft directional studio light (style)." 模型没变，耗时仍是五秒，但这次的画面已经可以放进提案。

前一种写法是在搜索，后一种是在下简报。模型每次都会更偏爱后者。

像摄影指导一样调度画面

场景确定后，真正拉开业余与影棚级差距的控制项，与摄影师使用的完全相同：画幅、镜头和光线。Nano Banana Pro 能直接理解这三类自然语言指令。

先定画布。 首先写明宽高比，也就是画面的宽与高之比。图标或社交方图用 1:1，横幅主视觉或幻灯片用 16:9，手机竖版海报或 Story 用 9:16，电影感宽银幕用 21:9，信息流里表现更好的竖图用 4:5。开头就说明比例，可以避免模型为了适配你并不想要的画幅而裁掉主体。

再调度相机。 直接借用摄影指导的词汇，模型会按这些指令执行：

• "A low-angle shot with a shallow depth of field (f/1.8)"：景深指画面中保持清晰的范围；浅景深会让主体锐利、背景化成柔和虚影，通常更显高级。
• "Golden hour backlighting creating long shadows"：同时说明光线的质感和方向。
• "Cinematic color grading with muted teal tones"：调色是有意识地为整幅画面叠加色彩倾向，让它更像电影剧照，而不是随手快照。

1. 1

   锁定画幅

   开头先写宽高比和景别："A 4:5 portrait, eye-level medium shot."

2. 2

   布置光线

   说明光源、方向和质感："soft window light from camera-left, gentle falloff into shadow."

3. 3

   确定调色

   最后补上色彩处理："warm, slightly desaturated color grade, filmic contrast."

画幅、光线、调色，这三行指令足以让一张“生成图”更接近一张“拍摄成片”，代价不过是多写十五个词。

怎样让图片里的文字真正可读

如果画面必须带有清晰可辨的文字，Nano Banana Pro 是目前最出色的工具，但前提是把文字当作需要调度的画面元素，而不是临时补上的备注。

这是该模型最突出的能力。它能直接在图片中生成多种语言的正确、可读文字，因此成为海报、样机和信息图的常用选择；其他图像模型在这些场景里往往仍会生成乱码。诀窍是明确三件事：准确文案、字体风格和摆放位置。

"The headline 'URBAN EXPLORER' rendered in bold, white, sans-serif type at the top third of the frame."

用引号标出字符串，模型才知道每个字应该怎样拼写。说明风格，比如粗体、窄体、手写体或某个年代的字体，让文字贴合品牌；再指定位置，避免它飘到主体上。对产品样机或海报来说，这种控制力正是选择该模型而非 Midjourney 的关键原因，后者至今仍无法稳定排出一行干净的文字。

参考图要逐张分配任务

给 Nano Banana Pro 输入参考图时，最能明显改善结果的一步，是说明每张图究竟用来做什么。一次合成最多可接收 14 张参考图（准确上限会随使用入口而变化），并能在同一场景中维持最多 5 个人的相貌一致性。正因为如此，它才能用于真实的品牌和角色项目，而不只是生成一次性图片。

常见错误是一次扔进去三张图，然后期待模型自己理解。解决办法是在提示词里为每张图指定任务：

"Use Image A for the character's pose, Image B for the art style, and Image C for the background environment."

这样，模型会带着明确意图完成合成，而不是把所有输入平均成一团混沌。品牌主理人可以借此让同一位创始人的脸贯穿整套营销活动，代理公司也能让同一个吉祥物稳定出现在十个触点中。不分配角色时，四图混合很容易得到一个浑浊的杂交结果；分配之后，每张参考图只负责一项工作。

品牌一致性提示词：建立可复用的规范模块

做品牌项目时，不要每次从头写提示词，而要反复使用同一套结构化规范。保持视觉风格可复现的方法，是先把品牌定义成带标签的固定模块，再粘贴到每次生成任务中。

把视觉识别写成明确规范，让模型每次都用同一种方式读取：

品牌规范： 主色为深海军蓝 (#10203A)，强调色为暖珊瑚色。字体：标题使用粗体几何无衬线，全大写。气质：自信、极简、大量留白。标志：左上角放一个简洁的珊瑚色圆形标记。

本次素材： 将品牌规范应用于一张 4:5 的产品发布社交卡片，标题 "SHIP IT" 居中。

固定品牌识别模块有两项好处：既能阻止风格在多轮生成中漂移，又只需改动“本次素材”这一行，就能为整套营销活动持续产出统一画面。模型也擅长把既定设计、图案、标志或艺术作品贴合到 3D 物体和样机上，同时让光线保持自然，因此同一规范模块可以从平面卡片一路沿用到产品棚拍图。

个人创业者在这里能获得最大的杠杆：一份严谨的品牌规范模块，就能让模型像一位永远不会忘记风格指南的初级设计师。企业内部团队还可以在共享文档中管理模块版本，让所有人默认生成符合品牌规范的素材。

它会在哪里失手，以及如何补救

真正可靠的方法必须把失败场景说清楚。Google 已经列出 Nano Banana Pro 的局限，而每一项都有可以直接纳入工作流的解决办法。

补救方法与问题一一对应：

• 小字乱码 → 只生成醒目的大标题，正文和法律文案随后在设计工具中叠加。
• 图表事实错误 → 绝不要相信生成图表里的数字；在提示词中提供真实数据，交付前逐一目视核对所有标签。Search grounding 有帮助，但不能免除检查责任。
• 多语言失误 → 翻译文字投放到付费营销活动之前，交给母语人士校对。
• 混合瑕疵 → 减少参考图数量、分配更清楚的角色，或者手动完成最终合成，不要强求模型一次完成高难度混合。
• 角色漂移 → 锁定核心参考图，每次从原始参考图重新生成，不要在反复编辑过的图片上继续编辑。

分辨率与导出：按任务选择档位

按照任务需要选择分辨率，不必每次都拉到最高。Nano Banana Pro 提供三个原生输出档位：1K (1024px) 适合快速草稿和社交内容，2K (2048px) 适合大多数成品网页与演示材料，4K (最高 4096px，约 16 megapixels) 适合印刷、大幅输出或后续需要重度裁切的素材。

档位越高，每张图消耗的时间和费用越多。因此先用 1K 确认构图，反复调整提示词，等画面正确后，再用胜出的提示词以 4K 重跑一次作为最终稿。每张输出还带有不可见的 SynthID 水印，用于标记它由 AI 生成；如果素材使用场景重视来源，这一点值得提前了解。日常使用可以通过 Gemini app 完成；需要模型控制和 API 访问时，则使用 Google AI Studio 或 Vertex AI。

想知道各个平台分别如何收费、自己真正需要哪个访问档位，可以查看 Nano Banana Pro 定价详解。如果仍在判断是否要把它定为标准工具，请看它在 2026 年 AI 图像生成器对比中的位置；若只做风格探索，Midjourney在插画与氛围表现上仍然领先。

有哪些值得复制粘贴的 Nano Banana 提示词？

复制粘贴式提示词包可以用来了解模型的能力范围，但它只是起点，不是方法。相比借来的长句，模型更偏爱由主体、构图、动作、地点和风格组成的结构化场景规范。先用提示词包学习表达方式，再围绕自己的实际主体写简报。为具体场景定制的提示词，每次都会胜过通用模板。

怎样写提示词才能提升图片质量？

质量来自明确调度，而不是质量标签。堆叠 "8k, ultra-HD, masterpiece" 几乎没有作用，因为模型本来就会追求高保真。应该写出真正影响质量的条件：分辨率档位（以 2K 或 4K 生成）、真实的相机与镜头提示（"shot on a 50mm lens, shallow depth of field"），以及明确光线（"soft directional window light"）。这些信息比一串形容词有效得多。

Nano Banana Pro 提示词能用于照片编辑吗？

可以，而且这是它的强项之一。上传图片后，直接针对现有内容发出编辑指令："change the jacket to forest green,"、"remove the sign in the background,"、"relight this as golden hour." 明确说明只想改动的一项内容；指令含糊，模型就可能重做原本希望保留的部分。

Nano Banana Pro 的文字能力为什么优于其他模型？

它能直接在图片中生成多种语言的正确、清晰文字，而大多数图像模型仍会输出错乱字母。把准确文案放进引号，说明字体风格和位置，它就能排出干净的标题。但要留意尺寸：生成文字应当大而短，因为小字号和长段落仍会拼错。