Nano Banana là gì? Giải thích mô hình chỉnh sửa ảnh của Google

Ban đầu không phải tên sản phẩm. Một mô hình không dán nhãn xuất hiện trong các đấu trường so kè công khai, nơi người dùng so sánh đầu ra ẩn danh mà không biết hệ thống nào tạo ra, dưới tên tạm "nano banana". Nó thắng rất nhiều, mọi người chú ý, và quá trình đoán xem ai đứng sau kéo dài nhiều tuần trước khi Google xác nhận.

Sau đó Google làm điều hiếm gặp: giữ luôn biệt danh, nên một hạ tầng nghiêm túc lại được biết tới bằng một cái tên đùa. Danh tính chính thức là mô hình hình ảnh Gemini; còn tên mọi người tìm kiếm là quả chuối.

Câu chuyện đó đáng biết vì nó giải thích tại sao thuật ngữ này cư xử kỳ lạ trên tìm kiếm. Sự quan tâm đến trước khi có tiếp thị, nên câu hỏi người ta đặt ra mang dáng dấp tin đồn — là gì, ai làm, có thật không — hơn là câu hỏi về một sản phẩm.

Đa số mô hình ảnh được thiết kế để tạo ảnh từ mô tả. Nano Banana được thiết kế để thay đổi một bức ảnh quý vị đã có, và phần khó chính là mọi thứ quý vị không yêu cầu thay đổi.

Khi bảo một mô hình đa dụng cho người trong bức ảnh này mặc áo khoác đỏ, thường quý vị nhận được một người mặc áo khoác đỏ nhưng không hoàn toàn là cùng một người — hàm hơi khác, khoảng cách mắt khác, gương mặt như anh em. Danh tính trụ được qua một lần chỉnh và suy giảm sau vài lần. Điều Nano Banana được xây để giữ chính là danh tính đó, qua một chuỗi chỉ dẫn liên tiếp.

Cách tương tác cũng theo đó. Quý vị không viết một prompt dài và chấp nhận kết quả; quý vị đối thoại, mỗi lượt tinh chỉnh kết quả trước. Chuyển ánh sáng. Giờ cho hoàng hôn. Giờ đưa anh ấy ra ngoài. Vòng lặp đó chính là sản phẩm.

Bất kỳ tình huống nào cần cùng một chủ thể xuất hiện nhiều lần. Ảnh sản phẩm trong nhiều bối cảnh, một nhân vật chạy qua loạt khung, bộ biến thể từ một chân dung, hay mockup phải cho thấy một căn phòng với bốn bảng màu khác nhau.

Nó cũng dễ chịu với người không muốn học cú pháp prompt. Vì chỉ dẫn là chỉnh sửa chứ không phải đặc tả, câu văn thường là đủ, và khi yêu cầu mơ hồ thì cái sai là một thay đổi nhỏ thay vì một bức ảnh không nhận ra.

Điểm kém phù hợp là khi bắt đầu từ trang trắng. Khi không có ảnh gốc và không có chủ thể để giữ, cơ chế nhất quán không có đất dụng võ, và các mô hình thuần text-to-image thường cho quý vị nhiều kiểm soát hơn về khung hình, quang học và phong cách ngay từ đầu.

So với Midjourney, khác biệt là tác quyền thẩm mỹ. Midjourney áp phong cách nhà mạnh và thường dùng để tạo thứ gây ấn tượng; Nano Banana cố giữ nguyên bức ảnh trừ phần quý vị yêu cầu. Một bên là stylist, bên kia là retoucher.

So với các mô hình mở — Stable Diffusion và FLUX — khác biệt là nơi đặt quyền kiểm soát. Trọng số mở cho phép cộng đồng gắn ControlNet, LoRA và các pipeline inpainting để điều khiển chính xác, đổi lại phải tự ráp pipeline. Nano Banana đặt một lát hẹp hơn của sự kiểm soát đó sau một câu văn, nhanh hơn để chạm tới và khó vượt quá hơn.

So với gpt-image-1, hai bên gần nhau hơn so với bất kỳ thứ gì khác: đều đóng, tuân chỉ dẫn, vận hành qua đối thoại và gắn với một trợ lý lớn. Khác biệt thực tế nhiều người ghi nhận là bên nào giữ gương mặt tốt hơn qua nhiều lượt, và điều đó đáng để tự thử trên chất liệu của quý vị thay vì tin bảng xếp hạng.

Không liên hệ thương mại — chúng tôi không liên kết với Google và không bán lại mô hình của họ. Trang này tồn tại vì mọi người hỏi đó là gì và câu trả lời thẳng thắn thì ngắn, còn một thư mục chỉ mô tả những mô hình mình thích thì không còn là thư mục.

Nên đọc cùng các trang chỉnh sửa tại đây, vì vốn từ vựng chuyển được. Những gì Nano Banana làm qua hội thoại thì hệ sinh thái mở làm bằng kỹ thuật có tên: inpainting cho thay đổi trong vùng mặt nạ, outpainting cho thay đổi ra ngoài khung, denoise strength cho mức cho phép kết quả lệch khỏi nguồn. Biết các thuật ngữ đó sẽ làm rõ hơn bất kỳ trình chỉnh sửa nào đang làm gì và không làm gì.