NanoBanana

作者用左右分屏的方式，同时用 NanoBanana Pro 和 GPT-Image 2 生成同类角色，来直观比较两边的风格与能力。因为 GPT 有题材限制，两侧的“角色”并不完全相同，但结构上统一用

原推文作者用同一个提示词，对 NanoBanana、Mai 和 Reve 进行了图像生成对比测试，主题是「四个重要亚洲城市的微缩立体书场景」，并展示了不同模型在写实感、构图和细节上的差异。提示词结构中

这条案例展示了一个适合做漫画封面/分镜海报的 NanoBanana 提示词结构，用“高端杂志折页 + 微距摄影”的视觉锚点，去重构几个经典恶魔题材漫画的概念封面。读者可以借鉴这种“概念锚点 + 主题变

这条案例展示了一个有趣思路：把你喜欢的漫画角色，当成一整个“微缩世界”来分析，再让 NanoBanana 把它转译成一道充满细节的料理形象。作者提到“不想被 GPT 各种限制打断创作”，于是直接用 N

作者分享了自己在 NanoBanana 上反复试验后的结论：相比那些特别“怪”的复杂结构，这种简洁的混合提示词，用 2x2 宫格去描绘 4 种公共空间，更易读也更稳定出好图。对想练习多场景构图、做系列

作者用同一提示词，对比 MAI-Image-2.5-Pro、Nano Banana Pro 和 Reve 三个模型，在四个亚洲城市上生成“微缩立体书场景”。同样是 2x2 网格、写实迷你纸模风格，每个

作者用一个统一的「极简 3D 微缩房间」概念锚点，让四部经典科幻电影都化身成 16:9、2×2 排布的玩具感立体房间。每个房间通过色彩、道具和角色剪影去暗示电影世界观，角色高度简化、带软阴影，整体像收

作者用 NanoBanana 做了一个有趣实验：让模型用 2x2 网格，生成“4个改变历史的著名日子”的时间线画面，并在 Prompt 中嵌入了 SQL 风格的指令。这个思路对创作者很有启发：你可以把

这条案例展示了如何用 Nano Banana Pro 搭配 GPT-Image 2，生成充满设计感的圆形构图人像：角色与一面「厚实有深度的圆形墙洞」互动，既有棚拍质感，也兼具空间层次。创作者只需替换角

作者用 NanoBanana 让模型充当“冷门好看漫画推荐官”，一次性列出 4 部恶魔题材的隐藏宝石作品，并用 2x2 网格的形式排版，每格对应一部作品，还为主角设计成 Nendoroid 风格黏土小