初次尝试 Nano Banana 2——生成近乎真实的生活场景

先上效果

模型：Nano Banana 2

费用：Gemini 免费版 5 小时限额消耗 100%

成品一：

成品二：

生成过程

这是我第一次尝试 Gemini 软件的图片生成功能。

我一边操作 Gemini，一边用隐私浏览器将我看到的效果与疑问描述给另一个 Google AI 搜索窗口，由其向我解释 Gemini 的逻辑。

下文“电脑”指代 Gemini / Nano Banana 2，“教官”指代 Google AI 搜索。

输入一：公园里，自行车倒在垃圾桶旁的草地上

我说：请将自行车扶起来。

电脑回复：自行车已经扶起，可是图片还是倒在地上的自行车。

我又说：自行车还是倒在地上？

电脑这才将自行车扶起，并撑好脚撑。

而且，电脑查阅了自行车的品牌型号，展示的自行车与真的完全一样。

输入二：提着行李的男孩

上传这张自拍的同时，我说：请让男孩上自行车。

这一步电脑产生的结果让我叹为观止：

• 电脑找到了我穿着的上衣、裤子的确切款式。虽然输入二中裤腿口袋并不可见，但是结果里绘制了准确的口袋位置。


• 输入二提在手里的行李袋，被挪进了自行车车篮。


• 自行车从草地挪到了水泥地，而且脚撑也抬了起来。

据教官解释，电脑可以理解男孩想要骑自行车。

因为骑自行车需要双手握把，所以行李袋就被装入了车篮。

输入三：航站楼里的行李

输入二里背包的主体并不可见，所以电脑脑补了棕色背包。

我上传输入三时说到：行李式样请参看此图。

结果，电脑完全忽略了前面的场景，直接把我的两只包包从椅子上丢到了地上，然后画了一把空空的椅子。

跟随教官指引，我告诉电脑，请忽略航站楼背景、将背包画进自行车场景。

电脑这才听话，不过它在行李袋上画满了极具特色的商标。

据教官解释，电脑识别到世界知名商标后，独特文字的权重相当大，所以导致输出的每一面都出现商标。

我尝试多次，才让商标位置恢复正常。

我还发现，电脑对于“左”、“右”等方位词存在误解，难以理解我说的“左”是指自行车的左侧、还是图片的左侧。

教官建议，我要么说清“自行车的左侧”，要么使用“把手”、“前轮”等更加特定的词语来描述位置。

电脑对于背包的颜色、式样也存在巨大的困难。

虽然我给出了背包的确切型号，但是电脑画出的背包颜色始终不对劲。

如果我要求“蓝色 MOLLE loops”（背包正面用于悬挂小物件的尼龙缎带），拉链也会变成蓝色；如果我要求拉链变回黑色，缎带也会随之变色。

更有甚者，当我表示“拉链不是蓝色的”，整个背包都变成了蓝色，只剩一条黑色的拉链。

这个问题我没有找到解决方案，所以最终只能选择整体黑色的背包。

输入四：脸部与眼镜的侧面角度

我注意到中间结果里，男孩的眼眶特别深，眼镜的镜片偏小，而且黄色的镜架装饰片不见了。

所以我特意选择了一张脸部微侧的自拍，并写道：脸部与眼镜参看此图，但是注意镜片不应该变色。

之后的输出，眼眶全部恢复自然，而且镜架的装饰片也出现了。

教官赞扬了我的操作。

电脑起初选择了对着左侧的自行车，需要男孩的侧面像。

可是，输入二的脸部只有正面，所以电脑难以知道眼眶深度。

虽然镜架的黄色装饰片在输入二中可以看见，但是电脑为了节省计算成本，不得不忽略了这个细节。

因为我决定上传电脑缺少的信息，所以生成质量大大提升。

我再向电脑描述了运动鞋的型号：Pegasus 41 Arizona Wildcats。

虽然网上有大量 Pegasus 41 产品图片，但是亚利桑那大学专属版本并不多见，所以电脑在鞋子上画出了大量白色色块。

在教官的建议下，我又描述了鞋子的颜色，这才出现满意的结果。

这一步的结果就是成品一。

也许是因为输入四为纵版图片，电脑也将跟着将横板图片改成了纵版图片。

输入五：男孩戴着头盔

在教官的建议下，我让电脑生成了日落的场景。

然后我又突发奇想，写道：下大雨了，男孩的衣服都湿透了。

电脑相当理智，自动删除了太阳，而且天空布满了乌云。

但是，电脑并没有把上衣的帽子竖起来，而是任由我的头发在风中凌乱。

而且，眼镜直接换了一副，而且之前生成的背景中的公园长凳也挪动了位置。

据教官解释，虽然正常人都会在下雨时拉起帽子，但是电脑并没有这种生活常识。

对于电脑而言，一套服装就是一张粘纸。

而且，因为我从未在文字里提到镜架上的黄色装饰片，所以电脑已经遗忘了这个细节。

我又幽幽的说，出于安全考虑，骑车应该戴头盔呢。

电脑直接给加上了灰色的头盔。

我上传了输入五，并说：头盔式样参照此图。

这就是产生了成品二。

电脑画出的头盔与实际相符，湿透的服装也相当贴切。

最后我询问教官，既然共享单车公司强烈建议骑车应该双手握把、戴好头盔，那么为什么第一次骑上车时，行李袋进了车篮、头盔却没有自动加上？

教官的回答是，华盛顿的法律只要求 16 岁以下必须戴头盔，而图中的“男孩”看起来是成年人，训练集里有许多不戴头盔骑车的成年人，所以就没有自动加上。

至此，5 小时 token 额度用完，实验结束。

我学到了什么

• 一边操作 AI，一边用另一个 AI 会话当“教官”，可以理解 AI 的内部逻辑


• 所有的描述都要尽量准确且唯一，减少“左侧”等模糊用词


• 对于电脑不知道的物体式样、特定的视角，可以补充那个视角的照片，让电脑直接“复制粘贴”