最近，AI 社區(qū)又冒出一個神秘的圖像生成和編輯模型，名叫 Nano-Banana。

起初它在 LMArena 平臺的「Battle」模式中被發(fā)現(xiàn)，但未在公開排行榜上列出，也沒有官方開發(fā)者明確聲稱其歸屬。

不過很多網(wǎng)友循著蛛絲馬跡，猜測這可能是谷歌的研究模型。

上周二，谷歌 AI Studio 產(chǎn)品負責(zé)人 Logan Kilpatrick 在 X 上發(fā)布了一個香蕉表情符號。

谷歌 DeepMind 產(chǎn)品經(jīng)理 Naina Raisinghani 也發(fā)布了一張與意大利藝術(shù)家 Maurizio Cattelan 2019 年創(chuàng)作的膠帶粘貼香蕉藝術(shù)作品類似的圖片。

再加上谷歌過去曾將其較小的模型稱為「Nano」，而且其生成圖像的質(zhì)感與 Google 的 Imagen 或 Gemini 系列相似。

以上種種，似乎都在暗示它出自谷歌之手。

該模型不僅在文本編輯、風(fēng)格融合和場景理解等方面表現(xiàn)更優(yōu)，還可以上傳兩張圖片、輸入提示詞將其中的元素融合。

比如，上傳一摞書和臥室床頭柜的圖片，輸入提示詞「Flip stack of books to be upright and put on table between two bookends.」

它能精準(zhǔn)理解復(fù)雜文本提示，將橫放的三本書立起來，并加上書擋擺放到柜子上。

上傳一張模特照再加上一張棒球帽子圖，輸入提示詞：「Put the baseball hat on the woman.」

棒球帽上有著復(fù)雜的文字和圖案刺繡，Nano-Banana 編輯后的圖片保留了帽子上的所有細節(jié)，同時光線、視角和構(gòu)圖也能一致性。

在產(chǎn)品照片、場景搭建圖、廣告等商業(yè)場景下，Nano-Banana 的表現(xiàn)也穩(wěn)得一批。

當(dāng)然，它也并非完美無缺，在某些情況下，Nano-Banana 生成的圖像可能出現(xiàn)反射、光照邏輯或物體位置不一致等視覺問題，人物的手指也偶爾出現(xiàn)畸形的情況。

如果細看上圖中生成的書籍，就會發(fā)現(xiàn)其中的瑕疵：書名出現(xiàn)了「鬼畫符」。

由于尚無官方 API 或正式的官網(wǎng)鏈接，我們只能通過 LMArena 隨機體驗該模型。

換句話說，每次都得靠運氣才能遇到 Nano Banana，體驗很不穩(wěn)定。

更搞笑的是，網(wǎng)上出現(xiàn)了一堆假網(wǎng)站，聲稱提供 Nano Banana 服務(wù)，讓不少網(wǎng)友李鬼和李逵傻傻分不清。

Nano-Banana 一手測評

我們也來了個一手測評。

打開 lmarena 官網(wǎng)，選擇 Battle 模式，可以直接輸入提示詞進行文生圖，也可以上傳圖片、輸入提示詞再進行 AI 編輯。

官網(wǎng)鏈接：https://lmarena.ai/

頁面會出現(xiàn)兩個匿名模型同時生成圖片，只有當(dāng)我們選出其中生成質(zhì)量最好的一張圖片時，平臺才會亮出對戰(zhàn)雙方的身份。

先來試試文生圖效果。

我們輸入同樣的提示詞：Present a portrait-style image in a Polaroid photo shoot style. In the picture, there is a makeup artist with long, loose curly hair, wearing oversized clothing. She has a delicate face and exudes a casual vibe, posing with a peace sign directly at the camera, creating an ultra-free atmosphere. The image has a slight grainy texture, with vibrant and captivating colors，1:1.

第一幅是 Nano Banana 的「作品」，第二幅是 ChatGPT 生成的效果。前者生成的圖片背景中有雜亂的眼影盤、指甲油等，更符合提示詞中的「化妝師」身份，而且人物的動作、服裝細節(jié)更自然，手部也沒有明顯的瑕疵；而后者背景較為單一，大拇指也有些虛化。

再來試試它的圖片編輯功能。

上傳一張舊金山阿拉莫廣場的野餐照片，輸入提示詞：Add some humanoid robots in the park，make them blend with the environment.

乍一看我們還以為 Nano Banana「罷工」了，直到在畫面右側(cè)找到了一個正在走路的類人機器人，它完全融入環(huán)境，毫無違和感。

我們上傳一張人物攝影照片，讓 Nano Banana 進行逆向工程描繪其創(chuàng)作過程。

提示詞：Show the set being set up before, the model is sitting up scrolling her phone, there is a woman behind the model fixing her hair, a man up on a ladder, hanging the curtain in the background, revealing the studio behind it.

有網(wǎng)友用 Nano Banana 讓碧梨和邁克爾?杰克遜跨時空自拍：

我們也嘗試了下。上傳馬斯克和奧特曼的照片，輸入提示詞：The two people are happily taking a selfie.

Nano Banana 確實生成了一張自拍照，馬斯克的形象、動作也幾乎找不出什么問題，只是奧特曼大變樣。

為了不「冤枉」它，我們又給了它一次機會，Nano Banana 還是翻車。

難度繼續(xù)升級。上傳小扎、馬斯克肖像照和一張風(fēng)景照，讓 Nano Banana 把兩個人自然地放在圖三中。

Gemini 2.0 flash 生成的效果完全認不出這兩個大名人，而 Nano Banana 將二人完美融入圖三環(huán)境中，不過手指等細節(jié)方面還是有瑕疵。

進階玩法

如果把 Nano-Banana 和谷歌的 Veo3 結(jié)合在一起，會碰撞出怎樣的火花？

@a16z 合伙人 Justine Moore 就搞了個新工作流，用于制作較長的視頻。

下面這個視頻是一個游戲或電影中的潛行任務(wù)場景，角色從昏暗的博物館中盜取一幅名畫，觸發(fā)了激光警報。

她還放出了制作教程。提取第一個視頻片段的最后一幀，將該幀上傳到 lmarena 上的 Nano Banana，提示生成下一個場景，例如「角色轉(zhuǎn)向走廊」，然后將新生成的幀用 Veo 3 進行動畫制作。

X 網(wǎng)友 @ZHO_ZHO_ZHO 則發(fā)現(xiàn)了 Nano-Banana 另一種好玩的用法 —— 把插畫變成手辦。

上傳一張圖片，輸入提示詞：turn this photo into a character figure. Behind it, place a box with the character’s image printed on it, and a computer showing the Blender modeling process on its screen. In front of the box, add a round plastic base with the character figure standing on it. Make the PVC material look clear, and set the scene indoors if possible.

據(jù)該博主測評，Nano-Banana 生成的圖幾乎沒有 AI 味，五官和細節(jié)都保留得很好，真實感十足。

然后再用 Veo3 將其制作為 8 秒視頻。提示詞：Pick up the figure with both hands and show it from all angles.

底下評論區(qū)不少網(wǎng)友也按照上述工作流整活。比如哪吒雙手抱拳的：

還有哆啦 A 夢的，正面看哆啦 A 夢的尾巴挺正常，但轉(zhuǎn)個身就大變樣：

我們也復(fù)刻了下，上傳一張 Q 版插畫圖片，輸入以上提示詞。

效果如下：

最后打開 Gemini 2.5 Pro，選擇 Video，上傳生成的圖片，輸入提示詞，靜待 1 分鐘左右，就能得到一段 8 秒視頻。

上周末，谷歌 Veo 3 對所有 Gemini 用戶免費開放，供其體驗 AI 視頻生成功能。

不過，這項免費體驗活動只持續(xù)到太平洋時間 8 月 24 日晚上 10 點（北京時間 8 月 25 日上午 1 點） 。在此期間，免費用戶每天最多可以生成 3 個 8 秒的視頻片段，每個視頻都包含自動生成的音頻。

通常，Veo 3 的視頻生成功能僅對 Google AI Pro 或 Ultra 訂閱用戶開放。Pro 用戶每天可生成 3 個視頻，而 Ultra 用戶的配額為 10 個視頻。

感興趣的朋友也去體驗一波吧。