Nano Bananaとは何か — Googleの画像編集モデルの概要

もともと製品名ではありません。匿名で出品される公開のモデル比較アリーナ（どのシステムか伏せたまま出力を比較する場）に、プレースホルダー名の“nano banana”で現れました。勝ちを重ねて注目され、しばらく“中の人は誰か”という噂が続いたあと、Googleが正体を明かしました。

その後Googleは異例ながらニックネームを残しました。結果として、実務用のしっかりした基盤が、冗談のような名で広く知られています。正式にはGeminiの画像モデルですが、検索されるのは“banana”のほうです。

この経緯は検索行動の“癖”を説明します。マーケティングより先に関心が来たため、人々が投げる問いは製品への問いではなく噂への問い—何なのか、誰が作ったのか、本物なのか—になったのです。

多くの画像モデルは“説明から画像を生成する”ことを中心に設計されています。Nano Bananaは“手元の画像を変更する”ことが中心で、難しいのは“頼んでいない部分を変えない”ことです。

汎用モデルに「この写真の人に赤いコートを着せて」と頼むと、たいてい“赤いコートの人物”は出ますが、顎の形や目の間隔がわずかに違い、“同じ人”ではなく“似た人”になります。1回目は持ちこたえても、編集を重ねると同一性は崩れがちです。Nano Bananaが掴んで離さないのは、その“同一の顔”を連続する指示のあいだずっと保つことです。

やり取りの型もそこから決まります。長いpromptを一発で書いて戻りを受け入れるのではなく、毎ターン前回結果を少しずつ調整していきます。光を動かす。次は夕方に。次は屋外に。—この反復自体が製品です。

“同じ被写体が複数回登場する”用途全般に向きます。複数のシーンでのプロダクト写真、連番のコマにわたるキャラクター、1枚のポートレートのバリエーション、1室を4配色で見せるモックアップなど。

また、promptの書式を学びたくない方にも寛容です。仕様書ではなく“編集指示”なので平文で通じ、あいまいな指示でも“全体が別物になる”のではなく“小さな変更”に収まります。

苦手なのは白紙からの生成です。元画像も保持すべき被写体も無い状況では、一貫性の仕組みは働きません。テキストからの構図・光学・作風の制御は、最初から“生成”に最適化されたモデルのほうが有利です。

Midjourneyとの比較では“作家性”が分水嶺です。Midjourneyは強いハウススタイルを適用し、何か“映えるもの”を作る用途が中心。Nano Bananaは“頼んだ場所以外は極力そのまま”を目指します。前者はスタイリスト、後者はレタッチャーです。

オープン系（Stable DiffusionやFLUX）との比較では“制御の所在”が違います。オープンな重みは、ControlNetやLoRA、inpaintingのパイプラインを組み合わせ、手間の代わりに精密な制御を得られます。Nano Bananaはその一部を“1文の指示”の裏側に畳み、到達は速いが限界も超えにくい設計です。

gpt-image-1との比較では、どちらもクローズドで“指示に従う会話型”、大きなアシスタントに接続された点で近い存在です。実務での差としてよく語られるのは“複数ターンでどちらが顔を保てるか”で、リーダーボードを鵜呑みにせず自分の素材で試す価値があります。

商用関係はありません—当社はGoogleと提携しておらず、そのモデルの再販も行っていません。このページは“それは何か”という質問に短く正直に答えるため、そして“好きなモデルだけ載せる”目録にしないために存在します。

本サイトの編集系ページとあわせて読むことをおすすめします。語彙が共通だからです。Nano Bananaが会話で行うことは、オープンな生態系では名前のついた手法で行います。マスク内を変えるのがinpainting、枠外を広げるのがoutpainting、元画像からの乖離許容量がdenoise強度。これらの語を知ると、どのエディターが“何をしていて何をしていないか”がはっきり見えます。