- „Google“ patvirtina, kad „Nano Banana“ yra „Gemini 2.5 Flash Image“, skirto vaizdų generavimui ir redagavimui, slapyvardis.
- Pokalbio stiliaus redagavimas su nuosekliais veikėjais ir objektais bei nuosekliais rezultatais.
- Prieinama nemokamai „Gemini“ programėlėje ir kūrėjams per API, „AI Studio“ ir „Vertex AI“.
- Saugumo sustiprinimas naudojant „SynthID“ ir filtrus jautriam turiniui.
Pastaruoju metu pavadinimas „Nano Banana“ kaip žaibas išplito techniniuose forumuose ir tinkluose dėl savo pasirodymo dirbtinio intelekto valdomuose vaizdo redagavimo testuose. Tai, kas atrodė kaip paslaptis, dabar turi autorių: už to slypi „Google“ ir jos naujasis vaizdų variklis, integruotas į „Gemini“.
Bendrovė patvirtina, kad „Nano Banana“ yra „Gemini 2.5 Flash Image“ – sistemos, galinčios generuoti ir retušuoti nuotraukas naudojant natūralią kalbą, išlaikant stilių, personažus ir objektus su nuoseklumu, kuris anksčiau šiems modeliams buvo sudėtingas, – slapyvardis.
Kas yra „Nano Banana“ ir kas už jo slypi?
Pirmaisiais pasirodymais modelis buvo rodomas LM Arena reitinguose pravarde „Nano Banana“, sukeldamas spėliones ir juokelius apie „bananą“, kol „Google“ oficialiai nepristatė jo kaip „Gemini“ dalies. Pagrindinė idėja aiški: sujungti vaizdų generavimą ir redagavimą į paprastą, pokalbių stiliaus ir greitą darbo eigą.
„Google“ pabrėžia, kad jos metodas remiasi „Gemini“ žiniomis apie pasaulį ir pažangiais dirbtinio intelekto modeliais , kurie padeda suprasti instrukcijų kontekstą ir pritaikyti tikslesnius pakeitimus nei grynai vizualiniai generatoriai.
Pokalbio redagavimas: nuo raginimo iki tikslinimo
Modelis veikia su natūralios kalbos komandomis ir leidžia sąveikauti su vaizdu: galite paklausti „padaryti dangų dramatiškesnį“, „pašalinti tą ženklą“ arba „pakeisti automobilio spalvą į raudoną“ ir patikslinti rezultatą iš eilės einančiais etapais, nepradėdami nuo nulio.
Ši daugiapakopė sąveika sumažina tradiciniams įrankiams būdingą trintį. Pasak „Google“, galima pasirinkti konkrečias sritis , kad būtų galima pakoreguoti spalvą, apšvietimą ar tekstūrą, pašalinti nepageidaujamus elementus, pakeisti fonus ir pridėti objektus, kurie sklandžiai integruojasi, atsižvelgiant į šešėlius ir perspektyvą.
Be pagrindinio retušavimo, platforma supranta tokias instrukcijas kaip „įdėti tą patį veikėją į kitą sceną“ arba „parodyti produktą iš įvairių kampų“, išsaugant objektą ir jo išvaizdą, užtikrinant nuoseklumą tarp redagavimų.
Nuoseklumas, kokybė ir greitis
Vienas iš išskirtinių patobulinimų yra vizualinio nuoseklumo pagerėjimas visuose vėlesniuose leidimuose: veido bruožai, rankos, augintiniai ir objektai išlieka stabilūs su mažesniais iškraipymais, o tai istoriškai kėlė problemų generatyviniams modeliams.
Fotorealizmą sustiprina natūralesnis apšvietimas ir tekstūros, o „Google“ teigia, kad jis pasižymi žaibišku našumu , kuris pagreitina kūrybinius ciklus atliekant tokias užduotis kaip produktų variacijos ar teminės scenos.
Bendruomenės testavimo metu sistema pakilo į LM Arena vaizdų redagavimo reitingą ir, remiantis vartotojų įvertinimais, atsidūrė tarp geriausią naudotojo patirtį turinčių sistemų.
Pagrindiniai įrankiai ir naudojimo atvejai
„Gemini 2.5 Flash Image“ turi funkcijų, skirtų tiek paprastiems vartotojams, tiek kūrybinėms komandoms. Kai kurios įspūdingiausios funkcijos leidžia kurti vaizdus iš kelių šaltinių ir patalpinti juos darnioje aplinkoje.
- Kontekstinis retušavimas: spalvų, ekspozicijos, tekstūros ar stiliaus koregavimai neprarandant pagrindinių originalo elementų.
- Pašalinimas ir pakeitimas: ištrinti objektus, pakeisti fonus arba pridėti elementų su šviesos ir šešėlių integracija.
- Sudėtis ir mišinys: sujungti dvi nuotraukas į vieną sceną ir perkelti raštai ar stiliai iš vieno paveikslėlio į kitą.
- Daugiapamainis leidimas: grandininiai pakeitimai (sienų dažymas, baldų pridėjimas, spintos modifikavimas) nepradedant proceso iš naujo.
Rinkodaros, dekoravimo, mados ar socialinės žiniasklaidos turinio srityse šis įrankis naudojamas norint greitai kurti variantus, palaikyti nuoseklius prekės ženklo išteklius ir išbandyti vizualines idėjas nenaudojant tradicinės programinės įrangos.
Saugumo ir naudojimo apribojimai
Siekdama sumažinti piktnaudžiavimą, „Google“ taiko filtrus, kurie blokuoja smurtinį ar seksualiai atvirą turinį ir riboja tikrų žmonių ar viešų asmenų redagavimą. Tikslas – sumažinti dezinformacijos ir giliųjų klastočių riziką.
Visuose sugeneruotuose ar redaguotuose vaizduose yra „SynthID“ – nepastebimas skaitmeninis vandens ženklas pačiame faile, kuris padeda patikrinti jo kilmę. Be to, bendrovė mini ir kitus signalus bei aktyvias kontrolės priemones, skirtas atsekamumui sustiprinti.
Naudojimo politika aiškiai draudžia kurti intymią medžiagą be sutikimo ir kitas jautrias kategorijas, sustiprindama dėmesį atsakingam dirbtiniam intelektui „Gemini“ paslaugose.
Kaip naudoti „Nano Banana“ „Gemini“ programėlėje
Prieiga paprasta: nereikia nieko papildomai diegti ar rinktis konkretaus modelio. Tiesiog atidarykite „Gemini“, įkelkite nuotrauką ir aprašykite pakeitimus . Jei norite išsaugoti viską, išskyrus vieną koregavimą, galite pradėti nuo „Originalioje nuotraukoje…“, kad būtų aišku, jog visa kita turėtų būti išsaugota.
Keletas naudingų pavyzdžių: „konvertuoti į nespalvotą“, „pašalinti kampinį stulpą“, „pridėti šunį ant suoliuko“ arba „pakeisti suknelę į žalią“. Sistema bando išlaikyti objekto bruožus ir proporcijas, taikydama pakeitimą.
Taip pat galite įkelti dvi nuotraukas ir paprašyti, kad vienos turinys būtų rodomas kitoje arba kad rašto stilius (pvz., drugelio sparnai) būtų perkeltas į drabužį ar objektą antrame paveikslėlyje.
Prieinamumas ir prieiga kūrėjams
Ši funkcija „Gemini“ programėlėje prieinama plačiajai visuomenei. Profesionalioms integracijoms ją galima pasiekti per „Gemini“ API, „Google AI Studio“ ir „Vertex AI“, atveriant duris į darbo eigas įmonėse ir trečiųjų šalių programose.
Naudojimas programėlėje yra nemokamas, su pagrįstais apribojimais. Kūrėjams „Google“ siūlo mokėjimo pagal naudojimą principą ; API nurodoma 30 USD kaina už milijoną žetonų, o apytiksliai apskaičiuota, kad kiekvienas vaizdas kainuoja kelis centus, priklausomai nuo naudojimo atvejo.
Konkurencinis kontekstas
Šis žingsnis nukreiptas tiesiai į konkurentus, tokius kaip „Midjourney“ ir „DALL·E“ („OpenAI“). „Google“ strategija orientuota į pokalbių redagavimą ir nuoseklius rezultatus, kuriuos palaiko „Gemini“ kontekstinis supratimas.
Dabar, kai „Nano Banana“ slapyvardis yra integruotas į jos ekosistemą, bendrovė bando užpildyti spragą srityje, kurioje greitis, kokybė ir kontrolė yra labai svarbūs galutiniam vartotojui.
Dažniausiai užduodami klausimai
Ar „Nano Banana“ yra atskira programėlė?
Ne. Tai modelis „Gemini“ viduje , todėl jis naudojamas iš pačios programos sąsajos.
Ar yra išlaidų galutiniams vartotojams?
„Gemini“ programėlė siūlo nemokamą naudojimą su naudojimo apribojimais. API integracijos yra mokamos.
Ar turiu rankiniu būdu pasirinkti modelį?
Ne. Pasirinkimas atliekamas automatiškai, kai „Gemini“ programoje atliekate vaizdų generavimo arba redagavimo funkcijas.
Dėmesys pokalbių redagavimui, objektų nuoseklumui visuose kadruose ir integruotoms saugumo priemonėms suteikia „Nano Banana“ („Gemini 2.5 Flash Image“) tvirtą pasirinkimą kuriant ir retušuojant vaizdus tiek kasdieniame gyvenime, tiek profesionaliuose projektuose, tiek naudojant „Gemini“ programėlę, tiek jos API.
