动手体验谷歌的“纳米香蕉Pro”图像生成器

本周四，谷歌推出了最新图像生成模型Nano Banana Pro。此次更新的诸多功能瞄准企业应用，包括将其集成到谷歌幻灯片（Google Slides）用于商务演示，以及接入谷歌广告（Google Ads）供全球广告主使用。

该“Pro”版本是今年早些时候发布的Nano Banana模型的迭代产品。此前，Nano Banana因用户在社交媒体上分享个性化动作玩偶和其他 meme 风格创作而走红。

Nano Banana Pro为这款AI工具新增了多项能力，比如生成4K分辨率图像。用户可在谷歌Gemini应用中免费试用，付费的Google One订阅用户则能获得额外的生成次数。

此次版本中，一项对企业极具吸引力的改进是文本渲染。在初步的文本生成测试中，Nano Banana Pro改善了许多图像模型（包括谷歌过往版本）常见的字母歪扭和拼写错误问题。

谷歌希望新模型生成的图像（包括文本）更精致，能直接用于商业场景。“哪怕有一个字母错了，都非常显眼，”谷歌DeepMind负责图像和视频的产品负责人妮可·布里赫托娃（Nicole Brichtova）表示，“这就像看到长着六根手指的手，一眼就能发现。”她指出，Nano Banana Pro能更清晰地生成文本，部分原因是底层模型升级为更强大的Gemini 3 Pro。

我生成的模拟传单和网页横幅广告有时仍带有AI生成图像常见的泛黄色调。尽管如此，Nano Banana Pro只需一个提示词就能制作出相当详细的营销素材，包含多种字体的完整句子。用户还可通过后续提示词对图像进行调整，比如删除某个细节或改变整体风格。

布里赫托娃称，文本渲染的改进显著提升了Nano Banana Pro制作信息图表的能力。在我的部分初步测试中，这一点得到了验证。该工具生成的“如何炸火鸡”信息图表包含合理的步骤说明，并引用了美国联邦机构——美国消防管理局的警告以及其他恰当的安全注意事项。

“现在，模型借助Gemini的世界知识和推理能力，不仅能生成美观的视觉内容，还能制作信息丰富的视觉内容，”布里赫托娃说，“你可以制作关于心爱动物的信息图表，也能生成用于工作演示的视觉材料。”白领们未来在工作中会看到更多AI生成的视觉内容，从演示幻灯片到宣传材料，比现在更普遍。

不过，在首日测试中，Nano Banana Pro在图像标注方面仍有不足。当要求生成一张感恩节餐桌盛宴图并标注所有物品时，AI输出中出现了错误：一把勺子被标为“秋叶”，山核桃派旁的空盘子被当成山核桃派标注，餐桌上一块空无一物的地方竟被标为“餐包”，而桌上根本没有面包。

（个人吐槽：如果秋宴上没有面包，可别邀请我。拜托了。）

Nano Banana Pro更新的另一项内容是支持多语言文本生成。“这是我首次看到我们的模型能渲染捷克语，包括变音符号等所有细节，”布里赫托娃说。企业可根据本地化需求，将品牌视觉素材切换为其他语言。谷歌的公告博客显示，该工具能将能量饮料罐上的文字从英文改为韩文，同时保留其他设计元素。

由于这款AI工具与谷歌搜索相连，Nano Banana Pro能从网络上提取细节并融入生成的图像中。但要获得最佳效果，提示词需要具体。

考虑到许多美国人的节日出行，我输入提示词：“生成一张旧金山国际机场（SFO）感恩节当天天气的图像。”起初的输出让我困惑——那是一张机场内部的写实照片，靠近登机口，大面玻璃窗视野开阔，两个穿着同款羽绒服的人在闲逛。仔细观察才发现，角落里有个蓝色小标牌，显示了感恩节日期和预测气温。

我尝试多次改写提示词，结果类似。直到我明确要求生成“信息图表”而非“图像”，Nano Banana Pro才输出了一份卡通风格的天气预报，数据来源于谷歌天气。

尽管存在这些小瑕疵，Nano Banana Pro可能仍具持久影响力。企业需要更高分辨率的输出，以及更低成本制作营销资产的方式。企业为内外部用途生成AI内容的时代正在兴起。不过，就我个人而言，即便文本生成无误，我也不确定自己能撑过多少场AI制作的演示而不睡着。