元峰AI笔记 · AI绘画与视频

实测案例

<titleNano Banana Pro 上线了</title

Nano Banana Pro 上线了

全网首发，备受期待的 Nano banana Pro 终于上线了！

图片为谷歌DeepMind官方推文，宣布发布Nano Banana Pro，基于Gemini 3构建。推文提到凭借先进文本渲染、丰富世界知识及创意控制，Gemini 3 Pro Image可创建复杂视觉效果、信息图表等。下方展示了Nano Banana Pro的视频演示，包含多个场景画面，如紫色背景的图像、人物肖像、建筑模型等，还配有“Hope”字样。该图片与文档中介绍Nano Banana Pro上线的内容相呼应，直观呈现了其功能。

图片展示的是Google Cloud平台中Gemini 3 Pro Image Preview的页面。页面上方有“Start your Free Trial with $300 in credit”等信息。中间部分介绍Gemini 3 Pro Image，称其为标准模型升级版，适用于快速创意工作流，具备图像生成和对话式、多轮编辑能力。下方有“Open in Vertex AI Studio”和“View Code”按钮，右侧列出Model ID、Version name等信息。底部有“Latest”“Overview”“Documentation”等标签，还提供了“Generation”“Extraction”“Recognition”等功能选项。

官方博客：https://console.cloud.google.com/vertex-ai/publishers/google/model-garden/gemini-3-pro-image-preview?pli=1

图片展示了Gemini 3 Pro Image的模型分析报告。核心概览中提到推理能力强、多模态专家、4K分辨率等。模型参数方面，Token固定为1024 Token，支持上下文模式。功能特性包括Grounding、交互生成、指令理解等。限制与状态方面，功能暂未开放，测试版本资源ID为“gemini-3-pro-image-preview”，有效期至2025 - 11 - 20。开发接入有Vertex AI Studio、Python SDK、cURL/REST等。模型家族为Gemini 2.5 Flash Image、Gemini 3 Pro Image。

分享几个可以快速使用的平台。

ZenMux

这个平台已经接入了， https://zenmux.ai?invite_code=ICJUtabv14633765 目前免费用，快薅。

图片展示的是ZenMux平台界面，左侧有Studio、Analysis、Cost、Usage、Insurance等导航栏。右侧显示“Google: Gemini 3 Pro Image (Nano Banana Pro) Free”模型信息，包括模型类型、输出类型、上下文长度、最大输出长度等参数，还显示了可用提供商数量及可用时间。该图片与文档中介绍ZenMux平台接入Nano Banana Pro模型的内容相关，直观呈现了平台上的模型展示情况。

图片展示了ZenMux平台的界面，中央大幅显示一张女孩怀抱玩偶的图片，女孩穿紫色上衣和白色裙子，玩偶黑色，背景为淡紫色，上方有字母“A”和“ANNISA”。界面上方有“Thank you for choosing our service. Add credits today to receive an additional 20% bonus. Add Credits”的提示。该图片与上文提到的Nano Banana Pro已接入ZenMux平台相呼应，直观呈现了ZenMux平台的操作界面及其中展示的内容。

flowithOS

flowithOS 里面也已经上线了，可以免费薅。

https://try.flowith.io/flowithos

图片展示了Nano Banana Pro平台的界面。界面顶部有“Flow mode”字样，下方有多个板块，每个板块包含文字说明和图片。其中“香蕉计划”板块以紫色背景突出显示，其下方有“香蕉计划”字样。界面底部有一个输入框，显示“正在等待处理...”。该图片与文档中介绍Nano Banana Pro上线的内容相关，直观呈现了平台的界面布局及部分板块样式。

ListenHub

ListenHub第一时间接入，并做了一个产品 Banana Lab。

链接：https://banana.listenhub.ai

公开：加入 Case 库（20 张/日）；私密（默认）：仅自己可见（10 张/日）。

图片展示的是ListenHub产品Banana Lab的界面。界面上方显示“Banana Lab”及“Powered by Listenium，the world's best AI podcast generator”，并有“打开 Listenium”按钮。中间部分有“生成”按钮，下方有“图像编辑”和“文本生成”选项卡，当前选中“文本生成”。下方有“描述”输入框，提示可输入400字，超字数可使用ChatGPT。还有“风格”“语言”“可编辑”等下拉选择框，以及“生成”按钮。该图片与文档中介绍ListenHub第一时间接入Banana Lab的内容相关，展示了其功能界面。

图片展示的是ListenHub接入Banana Pro后，其产品Banana Lab的界面。左侧有“我的作品”“搜索”“案例库”等选项，当前选中“我的作品”。右侧是作品展示区域，有“搜索记录”和“任意系列”选项，下方展示了多张作品图片，如“姬”“夜”“幻”等，每张图片下方有作品名称、作者及点赞数等信息。该图片与文档中ListenHub接入Banana Pro并做产品Banana Lab的内容相关，直观呈现了其作品展示情况。

实测案例

第1组：出师表分镜图

先帝创业未半而中道崩殂，今天下三分，益州疲弊，此诚危急存亡之秋也。然侍卫之臣不懈于内，忠志之士忘身于外者，盖追先帝之殊遇，欲报之于陛下也。诚宜开张圣听，以光先帝遗德，恢弘志士之气，不宜妄自菲薄，引喻失义，以塞忠谏之路也。 　　宫中府中，俱为一体；陟罚臧否，不宜异同。若有作奸犯科及为忠善者，宜付有司论其刑赏，以昭陛下平明之理，不宜偏私，使内外异法也。 　　侍中、侍郎郭攸之、费祎、董允等，此皆良实，志虑忠纯，是以先帝简拔以遗陛下。愚以为宫中之事，事无大小，悉以咨之，然后施行，必能裨补阙漏，有所广益。 　　将军向宠，性行淑均，晓畅军事，试用于昔日，先帝称之曰能，是以众议举宠为督。愚以为营中之事，悉以咨之，必能使行阵和睦，优劣得所。 　　亲贤臣，远小人，此先汉所以兴隆也；亲小人，远贤臣，此后汉所以倾颓也。先帝在时，每与臣论此事，未尝不叹息痛恨于桓、灵也。侍中、尚书、长史、参军，此悉贞良死节之臣，愿陛下亲之信之，则汉室之隆，可计日而待也。 　　臣本布衣，躬耕于南阳，苟全性命于乱世，不求闻达于诸侯。先帝不以臣卑鄙，猥自枉屈，三顾臣于草庐之中，咨臣以当世之事，由是感激，遂许先帝以驱驰。后值倾覆，受任于败军之际，奉命于危难之间，尔来二十有一年矣。 　　先帝知臣谨慎，故临崩寄臣以大事也。受命以来，夙夜忧叹，恐托付不效，以伤先帝之明；故五月渡泸，深入不毛。今南方已定，兵甲已足，当奖率三军，北定中原，庶竭驽钝，攘除奸凶，兴复汉室，还于旧都。此臣所以报先帝而忠陛下之职分也。至于斟酌损益，进尽忠言，则攸之、祎、允之任也。 　　愿陛下托臣以讨贼兴复之效，不效，则治臣之罪，以告先帝之灵。若无兴德之言，则责攸之、祎、允等之慢，以彰其咎；陛下亦宜自谋，以咨诹善道，察纳雅言，深追先帝遗诏。臣不胜受恩感激。今当远离，临表涕零，不知所言。

根据上面的文章，生成分镜图。

图片为《出师表》分镜图，以古代中国地图为背景，呈现诸葛亮向刘禅上表的场景。画面中诸葛亮身着深色长袍，坐在床榻上，刘禅则跪于床前。周围有文臣武将、士兵等人物，或在讨论，或在行礼。图中还配有相关文字，如“先帝创业未半而中道崩殂，今天下三分，益州疲弊，此诚危急存亡之秋也...”等，与《出师表》内容相契合，直观呈现了表文中的关键情节。

图片为《前出师表》分镜图，共九格画面。首格是诸葛亮写《出师表》；第二格是诸葛亮在宫中与人讨论；第三格是诸葛亮在亲贤臣、远小人；第四格是诸葛亮在草庐中与刘备商议；第五格是诸葛亮北定中原；第六格是诸葛亮向后主刘禅辞行；第七格是诸葛亮与后主刘禅交谈；第八格是诸葛亮骑马出征；第九格是诸葛亮远去，不知所言。此图与文档中介绍的《前出师表》内容相契合，以分镜形式呈现故事场景。

第2组：长文古画

Prompt: 生成一幅 4K 古画，画上写着：明月几时有？把酒问青天。不知天上宫阙，今夕是何年。我欲乘风归去，又恐琼楼玉宇，高处不胜寒。起舞弄清影，何似在人间。转朱阁，低绮户，照无眠。不应有恨，何事长向别时圆？人有悲欢离合，月有阴晴圆缺，此事古难全。但愿人长久，千里共婵娟。

图片展示了一幅古画，画面右侧有两人在月下起舞，左侧是古风建筑。画面上方有苏轼的《水调歌头·明月几时有》全文，诗中表达了对月的赞美与对人间美好生活的向往。该图片位于“第3组：封神归来：其他AI模型全都给我跪下！”内容之后，可能是作为该组内容的背景或插图，与AI绘画大模型的展示相呼应，体现古风文化元素。

第3组：封神归来：其他 AI模型全都给我跪下！

封神归来：其他 AI模型全都给我跪下！ 下图提示词：这张图王座上备注上Nano Banana Pro，下跪人的头上分别是ChatGPT，即梦4.0，Claude，Mindjourney，SD，Adobe Firefly，文心一格，千问等AI绘画大模型。

图片展示的是Nano Banana Pro上线后的实测案例中，第2组“长文古画”生成的古画画面。画面中，一位身穿黄色长袍、戴着王冠的人物坐在宝座上，宝座周围有“NANO BANANA PRO”“封神归来”等文字。宝座下方，ChatGPT、Claude、Adobe Firefly等AI模型人物跪拜，画面底部写着“其他AI模型全都给我跪下！”。该图片直观呈现了Nano Banana Pro在古画生成方面的效果。

第4组：聊天界面生成

Prompt: 生成两张竖版的微信群聊天界面截图，群成员正在讨论 Nano Banana Pro 的发布。

图片展示了Nano Banana Pro上线后，群成员围绕其发布进行讨论的聊天界面截图。左侧显示群成员对Nano Banana Pro发布表示期待，如“终于来了！”“哇！”，并有链接分享。右侧呈现了用Nano Banana Pro制作的聊天界面截图，群成员对其细节表示赞赏，如“疯狂的好！”“细节简直疯狂”。图片直观呈现了文档中关于聊天界面生成测试的实测案例，体现了群成员对Nano Banana Pro发布及功能的积极反馈。

图片展示了两张微信群聊界面截图，主题为“AI Art & Tech Talk”。左侧截图中，AI News Bot发布链接，称谷歌宣布Nano Banana Pro发布，是下一代超逼真、超写实的AI图像生成。下方用户纷纷点赞、评论。右侧截图中，Artistic Soul发布一张画作，称用Nano Banana Pro制作，细节令人惊叹，群成员如Developer Dan、Meme Master等对其表示赞赏。该图片与文档中“第4组：聊天界面生成”内容相关，展示了基于Prompt生成的微信群聊界面截图。

第5组：太阳系图表（测试物理逻辑）

Prompt: "给我展示一个太阳系图表，并用中文给每个行星标注一个有趣的事实

图片展示了一个太阳系图表，背景为黑色，太阳位于中心，周围环绕着八大行星。行星按距离太阳由近及远依次为水星、金星、地球、火星、木星、土星、天王星、海王星，每个行星旁配有其英文名称及简要介绍。如水星是太阳系中最小的行星，表面温度可达到430℃；金星是太阳系中最热的行星，表面温度比水星还高；地球是目前已有记载的唯一有生物生存的行星等。该图与文档中“第5组：太阳系图表（测试物理逻辑）”的Prompt相契合。

第6组：古诗词意境 (测试中文理解与抽象审美)

Prompt: "基于唐诗'大漠孤烟直，长河落日圆'生成一幅画面。广阔无垠的金色沙漠，地平线处有一轮巨大的红色夕阳。远处有一缕笔直的白色烟雾升腾。画面要有油画般的厚重质感，光影层次丰富，展现出苍凉而壮阔的史诗感。"

图片展示了一幅油画风格的沙漠景象。画面中，一轮巨大的红色夕阳悬于天际，地平线处有笔直的白色烟雾升腾。沙漠广阔无垠，沙丘起伏，一条蜿蜒的河流穿行其间。近处，几只骆驼和一个帐篷点缀在画面中，帐篷旁有火光。画面整体色调以暖色为主，光影层次丰富，展现出苍凉而壮阔的史诗感，与文档中基于唐诗“大漠孤烟直，长河落日圆”生成的画面描述相契合。

第7组：超写实微距美食 (测试纹理与食欲感)

Prompt: "一碗极具食欲的四川红油火锅特写。镜头聚焦在翻滚的红油汤底上，可以看到花椒颗粒和鲜红的干辣椒浮动。夹起的一片极薄的雪花肥牛沾满了汤汁，并在灯光下闪着油润的光泽。蒸汽腾腾，4k微距摄影，浅景深。"

图片展示了一锅正在煮的火锅，锅中红油翻滚，漂浮着红辣椒、花椒等调料。画面前景中，一双筷子夹起一片肉，肉片上清晰可见纹理，表面有芝麻点缀。火锅上方有热气腾腾的蒸汽，锅边还放着一个透明玻璃杯。图片与文档中“第7组：超写实微距美食(测试纹理与食欲感)”的测试内容相关，直观呈现了超写实微距美食的效果，强调了纹理与食欲感的呈现。

第8组：逻辑与空间嵌套测试（套娃挑战）

Prompt: "一个晶莹剔透的玻璃水晶球，放在粗糙的旧木桌上。水晶球内部漂浮着一个微缩的宇宙，可以看到旋转的星系和星云。而在那个微缩宇宙的中心，有一个更小的红色苹果。光线穿过水晶球，在木桌上投射出彩虹般的焦散光斑，同时准确地倒映出水晶球内的星系。"

图片展示了一幅超现实主义画作，画面中一个透明的水晶球悬浮在木质桌面上，内部漂浮着一个红色苹果，周围环绕着旋转的星系和星云。水晶球在木桌上投射出彩虹般的焦散光斑，同时准确地倒映出内部的星系。这幅画作与上下文提到的“超写实微距美食(测试纹理与食欲感)”相呼应，体现了超现实主义风格与微缩宇宙概念的结合。

第9组：抽象概念与悖论测试（埃舍尔风格）

Prompt: "一幅超现实主义的画作。一条由流动的液态水构成的莫比乌斯环（Mobius Strip），悬浮在空中。水流在没有重力的情况下无限循环流动。由于是莫比乌斯环，水流既在内侧也在外侧。几条金鱼正在这反重力的水流中游动。背景是白色的虚无空间。"

图片展示了一幅艺术画作，画面主体是一个由蓝色、白色和黄色交织的水波纹构成的环形结构，环内有五条橙色的金鱼游动。这幅画作位于文档中“第10组：中文文字生成测试（OCR杀手）”部分的Prompt示例之前，可能是作为示例图片，用于展示艺术作品或与文字生成测试相关联，为后续文字生成测试提供视觉参考。

第10组：中文文字生成测试（OCR 杀手）

Prompt: "一张赛博朋克风格的街道照片，夜景。画面正中央有一个巨大的、破旧的霓虹灯招牌，招牌上用标准的中文楷体清晰地写着四个大字：'香蕉计划'。招牌滋滋作响，闪烁着粉紫色的光芒，照亮了下方的积水路面。"

图片展示了一张赛博朋克风格的街道夜景照片。画面正中央有一个巨大的、破旧的霓虹灯招牌，招牌上用标准的中文楷体清晰地写着四个大字“香蕉计划”，招牌滋滋作响，闪烁着粉紫色的光芒，照亮了下方的积水路面。招牌周围有电线纵横交错，街道上有行人和车辆，远处建筑的窗户透出灯光。这张图片与文档中“中文文字生成测试（OCR杀手）”的上下文对应，展示了AI生成的赛博朋克风格图片效果。

图片展示了一张赛博朋克风格的街道夜景照片，画面正中央有一个巨大的、破旧的霓虹灯招牌，招牌上用标准的中文楷体清晰地写着四个大字“香蕉计划”。招牌呈现出粉紫色的光芒，照亮了下方的积水路面，周围环境昏暗，街道两旁建筑林立，霓虹灯闪烁，营造出一种未来科技感。该图片与文档中“中文文字生成测试（OCR杀手）”的上下文对应，是对测试Prompt中“香蕉计划”文字生成效果的呈现。

第11组：温馨且充满细节的“旅行手账”

Prompt: A top-down flat lay photography of an open creative travel journal spread on a wooden table. The theme is "My Guangxi Trip". The pages feature a colorful hand-drawn map of Guangxi province with city names. There are printed photographs taped with washi tape showing Guilin Karst mountains, an ancient wind and rain bridge, and a beach. Mixed media style: combining real photos with watercolor illustrations of a bowl of Guilin rice noodles, a girl riding a bike, and Longji terraced fields. Physical details: A small bouquet of dried baby's breath flowers tied with twine is placed in the center of the book. A yellow pressed ginkgo leaf and a scenic spot ticket stub are glued to the page. Handwritten Chinese travel notes and calligraphy titles. Warm natural lighting, cozy atmosphere, high resolution, detailed scrapbooking aesthetic.

图片展示的是“我的广西之旅”主题的开放创意旅行手账。左侧是手绘的广西地图，标注城市名称。右侧有桂林米粉、桂林道路、龙脊梯田等插画，还贴有桂林山水、风雨桥等照片。页面中央有手写中文旅行笔记和书法标题，底部有压花的银杏叶和景点门票。整体呈现温馨且充满细节的旅行手账风格，与文档中介绍的实测案例相契合。

图片展示了一本“My Guangxi Trip”主题的创意旅行手账。左侧页面有手绘地图，标注城市名称，附有桂林山水等照片。右侧页面有北海海滩照片，以及手绘的桂林米粉、骑车女孩、长吉梯田等插画。页面上还粘贴有黄叶、门票等小物件，配有手写中文旅行笔记和书法标题。整体呈现温馨且充满细节的旅行记录风格，与文档中介绍的实测案例相契合。

第12组：新中式赛博朋克 (测试复杂光影与文化融合)

Prompt: "赛博朋克风格的重庆洪崖洞夜景，雨夜。画面中央是一座巨大的全息投影佛像，佛像呈现出半透明的霓虹蓝色。周围是密集的摩天大楼和悬浮列车，街道两旁挂满了红色的发光灯笼，路面湿润反射着五光十色的霓虹灯光。电影级构图，8k分辨率，虚幻引擎5渲染风格。"

图片展示的是赛博朋克风格的重庆洪崖洞夜景。画面中央是一座巨大的全息投影佛像，呈现出半透明的霓虹蓝色。周围是密集的摩天大楼和悬浮列车，街道两旁挂满了红色的发光灯笼，路面湿润反射着五光十色的霓虹灯光。画面右上角有“悬浮列车”字样。该图与文档中对赛博朋克风格重庆洪崖洞夜景的描述相契合，直观呈现了文档所要求的场景。

Google DeepMind 的产品经理 Bea Alessio 给出了一份详细的使用指南，其中透露出不少关键信息。最基本的使用方式当然是随便说一句话，让模型自己猜你想要什么。但如果你想达到专业水准，就需要像导演一样思考。

一个完整的提示词应该包含六个要素：主体（谁或什么）、构图（如何取景）、动作（正在发生什么）、场景（在哪里）、风格（什么审美）、编辑指令（如何修改）。

而如果你想要更精细的控制，还需要进一步明确：

画幅比例（9:16 竖版海报还是 21:9 电影宽屏）、镜头参数（低角度、浅景深 f/1.8）、光线细节（逆光的黄金时刻，拉长阴影）、调色方向（电影级调色，偏青绿色调）、以及具体的文字内容和样式。