Mikä on Nano Banana? Googlen kuvamuokkausmalli selitetty

Se ei ollut tuotteen virallinen nimi. Nimettömänä pysynyt malli ilmestyi julkisiin vertailuareenoihin, joissa ihmiset arvioivat anonyymejä tuloksia tietämättä mikä järjestelmä ne tuotti, paikkamerkillä "nano banana". Se voitti usein, ihmiset huomasivat, ja arvuuttelu tekijästä jatkui viikkoja ennen kuin Google vahvisti asian.

Google teki sitten poikkeuksellisen ratkaisun ja säilytti lempinimen, minkä vuoksi vakava infrastruktuurikomponentti tunnetaan julkisesti vitsinimenä. Virallinen identiteetti on Gemini-kuvamalli; haettu nimi on banaani.

Tuo historia on hyvä tietää, koska se selittää miksi termi käyttäytyy haussa oudosti. Kiinnostus syntyi ennen markkinointia, joten kysymykset ovat huhusta tuttuja — mikä se on, kuka sen teki, onko se totta — eivätkä tuotetta koskevia.

Useimmat kuvamallit on rakennettu tuottamaan kuva kuvauksesta. Nano Banana on rakennettu muuttamaan kuvaa, joka sinulla jo on — ja vaikea osa on kaikki se, mitä et pyytänyt muuttamaan.

Jos pyydät yleiskäyttöistä mallia pukemaan tämän kuvan henkilön punaiseen takkiin, saat yleensä henkilön punaisessa takissa, joka ei ole aivan sama henkilö — hieman eri leukalinja, eri silmien väli, kasvot jotka tuntuvat sisarukselta. Identiteetti säilyy yhden muokkauksen ja heikkenee useiden aikana. Nano Banana on rakennettu pitämään kiinni juuri tuosta identiteetistä, peräkkäisten ohjeiden sarjan läpi.

Käyttötapa seuraa tästä. Et kirjoita yhtä monimutkaista promptia ja hyväksy palautusta; käyt keskustelua, jossa jokainen vuoro säätää edellistä tulosta. Siirrä valoa. Tee nyt ilta. Vie hänet ulos. Tuo silmukka on tuote.

Kaikkeen, missä sama kohde pitää näkyä useammin kuin kerran. Tuotekuvat eri ympäristöissä, hahmo sarjakuvapaneelien läpi, sarja muunnelmia yhdestä potretista, mockup, jossa sama huone pitää näyttää neljässä eri värityksessä.

Se on myös poikkeuksellisen anteeksiantava ihmisille, jotka eivät halua opetella prompt-syntaksia. Koska ohje on muokkaus eikä spesifikaatio, tavalliset lauseet toimivat, ja epämääräisen pyynnön vikamuoto on pieni muutos eikä tunnistamaton kuva.

Heikompi istuvuus on tyhjän sivun tapaus. Kun lähdekuvaa ei ole eikä kohdetta tarvitse säilyttää, yhdenmukaisuuskoneistolla ei ole tekemistä, ja puhtaaseen tekstistä–kuvaksi-kompositioon rakennetut mallit antavat aloituksessa enemmän kontrollia rajaukseen, optiikkaan ja tyyliin.

Verrattuna Midjourneyhin jako on esteettisessä tekijyydessä. Midjourney tuo vahvan talotyylin ja sitä käytetään yleensä näyttävän kuvan luomiseen; Nano Banana yrittää jättää kuvan rauhaan kaikesta muusta kuin pyytämästäsi. Toinen on stylisti, toinen retusoija.

Verrattuna avoimiin malleihin — Stable Diffusion ja FLUX — jako on siinä, missä kontrolli asuu. Avoimet painot mahdollistavat ControlNetin, LoRAjen ja inpainting-putkien pulttaamisen tarkkaa kontrollia varten sillä hinnalla, että kokoat putkiston itse. Nano Banana tuo kapeamman osan tuosta kontrollista yhden lauseen taakse, mikä on nopeammin saavutettavissa ja vaikeampi ylittää.

Verrattuna gpt-image-1:een nämä kaksi ovat lähempänä toisiaan kuin mikään muu: molemmat ovat suljettuja, ohjeita seuraavia, keskusteluvetoisia malleja, jotka on kytketty suureen assistenttiin. Käytännön ero, jonka useimmat raportoivat, on se, kumpi pitää kasvot paremmin useiden vuorojen yli — ja se kannattaa testata omalla materiaalilla eikä ottaa tulosta tulostaulukosta.

Ei mitään kaupallista — emme ole Googlen kanssa yhteistyössä emmekä jälleenmyy sen malleja. Tämä sivu on olemassa, koska ihmiset kysyvät mikä tämä on ja rehellinen vastaus on lyhyt, eikä hakemisto, joka kuvaisi vain meille mieluisat mallit, olisi hakemisto.

Tätä kannattaa lukea rinta rinnan tämän sivuston muokkaussivujen kanssa, koska sanasto siirtyy. Sen minkä Nano Banana tekee keskustellen, avoin ekosysteemi tekee nimetyillä tekniikoilla: inpainting maskin sisäiseen muutokseen, outpainting kehyksen ulkopuolelle, denoise-vahvuus sille, kuinka kauas tuloksen annetaan ajautua lähteestä. Noiden sanojen tunteminen selkeyttää, mitä mikäkin editori tekee ja mitä ei.