Nano Banana 2 实测 – 谷歌 Gemini 3.1 Flash Image 登顶 Arena 生图榜第一

Nano Banana 2 正式登场。

昨天谷歌发布了最新图像模型 Nano Banana 2（Gemini 3.1 Flash Image），一上线就直接空降 Arena 文生图排行榜第一。

它对指令的理解和遵循更到位，多语言文字渲染也更准，还能直接输出不同宽高比、不同分辨率的图。

一句话概括：质量更高、速度更快，价格反而更低。

Lovart 第一时间就能体验，本 Pro 会员还能免费玩 Nano Banana 2，属实真香。

这篇文章就跟大家聊聊，Nano Banana 2 的一些创意玩法。

 

01. 上手实测 Nano Banana 2

 

先打开 Lovart 官网，在图像模板里选中 Nano Banana 2。

官网地址：https://www.lovart.ai/

带世界知识

Nano Banana 2 接入了 Gemini 知识库和实时搜索。比如我们让它生成一张实景图像，它会先去搜视觉参考信息，再按我们的要求把图渲染出来。

生图时选 Thinking 模式，把联网搜索打开。

提示词：高清摄影，从【一个温馨的咖啡馆】窗户向外看，正对这【黄鹤楼】，窗外天气【实时】，4k分辨率，尺寸比例16:9

Nano Banana 2 会去搜索并参考黄鹤楼的建筑特征，同时查武汉的实时天气当作生成依据。

出来的图质感很在线，要不是清楚黄鹤楼对面并没有咖啡店，真很难看出这是 AI 生成的。

把【】里的内容换掉，就能出其他地区的摄影风格图，这个玩法在 X 上特别火~

地图里给 Nano Banana 2 标的点，它照样能准确识别、理解。

提示词：生成参考图中红色标记地点的全景图，动漫风格。

Lovart 认出了红色标记的地点是东方明珠电视塔，还照着截图把黄浦江、陆家嘴天际线完整呈现了出来。

在 Lovart 里改图很省心，光线、曝光、对比度、饱和度这些参数，生图界面里就能直接调。

Lovart 无限画布的用法也简单，点一下画布里的图片，它就作为参考图进了对话，我们顺手再生成一版夜景。

生成东方明珠电视塔的夜景全景图，动漫风格，霓虹灯光效果。

风格化做得相当到位。

文本渲染更准

Nano Banana Pro 最出圈的玩法是生成信息图，但它只有在 4K 分辨率下，中文文字才比较准。

比如拿 Google 官方对 Nano Banana 2 的介绍，让它生成一张信息图。

把这篇文章内容转化成一张卡通风格的信息图，手绘插画风格，用可视化方式解释核心概念，包含少量简洁的卡通元素、图标、箭头，突出关键词与核心概念，帮助用户理解。默认使用中文。比例16:9。

用 Nano Banana Pro 出信息图得优先选 4K，否则总有部分文字糊掉、错乱。可 4K 图片塞进文章里，加载要很久，阅读体验会受影响。

我以前的做法是先出 4K 信息图，下到本地缩尺寸再用。一两张还行，图片一多就挺耗时间。

Nano Banana Pro 出的图

Nano Banana 2 把文字渲染升级了，现在不选 4K 分辨率，文字也准了不少。

文字确实没乱码了，不过我发现有 2 处错别字。用 CTRL+左键点选错别字的位置，局部改起来非常准。

这次生成就没问题了：

主体一致性更强了

Nano Banana 2 的主体一致性比 Nano Banana Pro 也更强，单次能保持最多 5 个角色的相似性，以及最多 14 个对象的保真度。

分析参考图的整体构图。识别所有关键主体（无论是单人、团体/情侣、车辆还是特定物体）及其空间关系/互动。生成一个连贯的 3×3“联系表”网格，展示在同一环境中拍摄的 9 个与上述主体完全相同的镜头。

根据内容调整标准电影镜头类型（例如，如果是团体，则保持团体完整；如果是物体，则拍摄整个物体）：

第一行（建立环境）：极远景（ELS）：主体在广阔的环境中显得渺小。远景（LS）：主体或团体从上到下完整可见（从头到脚/从车轮到车顶）。中远景（美式镜头/四分之三视角）：从膝盖以上（人物）或四分之三视角（物体）拍摄。

第二行（核心覆盖）：4. 中景（MS）：从腰部以上拍摄（或拍摄物体的中心部分）。重点关注互动/动作。 5. 中近景 (MCU)：从胸部以上取景。对主要对象进行亲密的构图。6. 特写镜头 (CU)：聚焦于面部或物体的“正面”。

第三行（细节和角度）：7. 超特写镜头 (ECU)：高度聚焦于关键特征（眼睛、手、标志、纹理），呈现类似微距的细节。8. 低角度镜头（仰视）：从地面仰视主体（营造史诗/英雄感）。9. 高角度镜头（鸟瞰）：从上方俯视主体。

确保严格一致性：所有 9 个分镜中必须出现相同的人物/物体、相同的服装和相同的光照。景深应真实地变化（特写镜头中背景虚化）。

创建一个包含 9 个分镜的专业 3×3 电影分镜网格。 网格图应呈现输入图像中特定主体/场景在所有焦距下的效果。

第一行：广角环境镜头、全身镜头、四分之三侧面（膝盖以上）。第二行：腰部以上视角、胸部以上视角、面部/正面特写。第三行：微距细节、低角度、高角度。

所有帧都必须具有逼真的纹理、一致的电影级色彩分级，以及根据分析主体或物体的数量和类型进行正确构图。

参考图在这里

Lovart 直接认出这是电影《泰坦尼克号》里情侣在黄昏场景下的经典镜头，随后生成了同一场景下的 9 张其他分镜，人物一致性保持得很好。

角色的面部特征、服装、姿势都稳。只是场景 1 和场景 9 单独看都不错，摆在一起对比，同一个场景的差距…有点大。

不过拿来当 AI 漫剧的分镜没什么影响，很好用。

Lovart 接入了全系顶尖模型，多模态能无缝联动，做好的分镜图直接一站式生成视频，对 AI 短剧、漫剧来说是实打实的高效生产力。

提示词：根据参考图生成一段视频，雨一落，整片竹林就像被雾罩住了。一个青衫少年撑着油纸伞，沿着湿滑的石阶慢慢往里走，脚下水光一闪一闪，远处瀑声也听得清清楚楚。树林里安静得过分，只剩雨点敲伞面，他却总像在听别的动静。走到林深处，他停住，抬眼看竹影晃动，像有人在暗处等他，也像有人在追他。手指把伞柄攥紧，雨水顺着木纹往下淌。最后他深吸一口气，收起心里的犹豫，踏进更浓的雾里，去赴一场旧约。

阴雨天、竹林、浓雾，再配上角色紧张四顾的神情，氛围感拉满。镜头切得也很连贯，信息是一层层递进去的。

批量出图

Lovart 单次能批量出 100 张图，配上 Nano Banana 2 又强又快的文生图能力，出图效率直接飙升。

请创作一个有趣的漫画故事，参考图中的女孩环游世界的故事。故事跌宕起伏，充满情感高潮和低谷。请保持角色服装和形象的一致性。 请以 3:4 的格式，一次创作一幅，共创作 10 幅图像。

无边画布里能看到 Lovart 的生图过程，右边对话框在库库干活，生成的图片一张张平铺在画布上，所有素材一眼扫完，找起来很省心。

想换风格、改细节，点一下图片就加进对话框，接着做二次编辑。

一起看看最终生成的结果：

一致性保持得挺好，画面设计也很有故事感。

提示词：为参考图中的角色生成81张穿搭美图，每9张图片为一组，每组图片中保持人物的穿搭、场景一致，采用远景、近景、中景、特写结合。随机生成不同拍摄角度与人物姿势，人物姿态放松自然，人体结构真实，比例正常，动作符合日常拍摄逻辑。光影自然协调，与环境一致，整体风格真实写实。

这组穿搭图可以直接发出来了~Lovart 批量出图太稳了！

商业与产品海报

Nano Banana 2 能出从 512px 到 4K、不同宽高比与分辨率的图片，设计师应该明白这个功能有多省事。

电商场景里，同一套素材往往要为不同平台准备不同规格：Banner 偏横版，店铺主图要方形，详情页需要竖图，朋友圈海报也偏竖版。全都拿一张大图去裁，构图会很乱；每张单独做，又特别费时间。

我们可以直接让 Lovart 参考图片，一次生成多张变体：

提示词：生成10张不同尺寸的变体，分别用于banner页、店铺主图、朋友圈海报、详情页展示。

画面比例变了，画风和主体一致性照样稳定。

一张出色的主视觉做出来之后，能像套模板那样一键扩展到不同场景，非常省时间。

 

02. 几句感受

 

生图模型这 2 年的发展有目共睹，AI 图像越来越清晰、越来越逼真。Nano Banana 2 更关键的提升在于能直接抓取实时信息，并基于实时数据生成画面。

Nano Banana 2 的速度几乎是 Nano Banana Pro 的三四倍，理解力和文字渲染更稳，价格还更便宜。商业里常说速度、质量、成本难兼得：想快就贵，想省就慢，想好就费钱。Nano Banana 2 一出来，这个不可能三角直接被打破了。

当然，设计效率的提升不只在于出图更快，更在于整条流程更顺、更清爽。

Lovart 里的 Nano Banana 2 更好上手，对话式生成加无限画布，所有图像都在同一个页面铺开，随手就能把参考图、历史任一版本拉进上下文，改图方便也准。再配合批量生成，一个灵感能衍生出无数可用素材。

个人的设计能力会被 AI 逐渐放大，一个人就能跑完从创意到交付的全链路。对团队来说，协作更轻，沟通成本也更低。

接下来真正拉开差距的，也许不再是谁画得更像，而是谁能把想法到落地这件事做得更快、更准、更可控。

原文地址：Lovart 接入谷歌生图新王 Nano Banana 2 ，更快更省，一手实测来了！