AI看片，Nano Banana最令人欣慰的能力，远不止于P图那么简单
大概两周前，坊间爆料Nano Banana是google的新一代图像模型，在等待了大概两周后，google终于官宣，并上线了新的gemini flash版本，但可能Nano Banana这个名称实在太有意思了，google首次在正式产品中使用预览版的别称作为最终产品名，现在，在AI Studio中它以自己的原始名字作为模型选项。
这几天，在Nano Banana已经成为公众号的热点词，我已经在公众号看到好多篇关于用Nano Banana来P图的玩法的文章了。但是，我今早突然意识到一个问题，为什么google发布的是gemini而非imagen的版本呢？是否意味着，这其实是一个多模态模型，而非一个生图模型？在有了这样的疑惑之后，我开始进行验证，用大模型的方式“你是一个xxx，你会基于用户的xxx，然后xxx”的公式，命令大模型进行推理，结果令人震撼。
接下来，我就将总结Nano Banana的一些常见玩法，以及非常见的令人不可思议的使用场景。以及，我将提供一个我自己开发的可免费使用nano的产品。
例如去除路人、瘦脸、白平衡处理、色调处理等等以前在手机上需要一个App才能完成的复杂照片处理，现在只需要用一个模型就可以解决。
例如将照片转化为漫画风格、转化为表情包、变线稿等风格化处理也只需要一个模型就可以完成。
这是现在网上最流行的一个nano的应用场景，只需要提供一张图，就可以为你生成对应的手办照。
多图融合可以让AI帮你把多张图片融合在一起，这是很多其他功能的基础，比如试穿、室内装修等，都是提供一张主图和多张副图，让nano把它们融合在一起。而nano不负众望，几乎可以完美地完成这一任务。
不用过多介绍了，在有一段时间火的一塌糊涂的照片修复，现在只需要一个模型解决。
为线稿上色。这个我深有体会，孩子在给线稿涂色的时候没有思路，我就拍了一张照给AI上色，让孩子看一下。
通过向nano提供一份人物动作的引导图，可以让原始图片中的人物按照引导图中的动作对齐。
电商场景下，试穿变得更加轻松。同时，还可以把衣服从模特身上脱下来展示。
配合视频生成模型，还可以将上面的图片作为首尾帧，实现产品拆解效果，这种只有以前的广告后期才能做，现在只需要两个模型搞定了。
Nano Banana可以基于给定的图片，提供基于该图的更多演变。（其实照片修复、瘦脸等本质上也是一样的。）
更猛的是，nano还可以基于你提供的图和描述，衍生出剧情。
也就是说，如果有耐心，完全可以用nano banana来实现一部漫画。并且，基于漫画和视频模型，生成一部动漫。想想都很可以。
好了，以上就是我们常见的一些nano的应用场景。当然，由于网友们的脑洞无限大，还有很多其他的场景在开发。
但是，现在还并没有结束。接下来，我才会带来更为令人震惊的nano banana的一些场景。
正如我文章开头说的，gemini是一个推理模型，nano banana作为gemini的小版本，它的本质还是推理，只不过在推理的基础上，进一步优化了生图的能力，以前gemini生图类似于agent调用工具一样调用imagen来生图，而现在它已经隐藏了工具调用的特征，看上去就是gemini自己在生图。这也就意味着，gemini不仅可以理解图，还能用图给你讲解。
让gemini直接在原图中标注出你不懂的或者需要理解的部分。这使得我们（作为人）可以深度的学习和掌握以前不曾也不敢掌握的知识，例如造火箭、看病。
例如我们对植物感兴趣，在网上看到一朵很奇怪的花，不知道它的名字，那么你可以拍下来，让gemini辅助你学习。
上面是我的一个例子，当我看到这个花的时候，觉得很奇怪，便让gemini为我解释。如果不是gemini生成的图片，我绝对理解不了“兜”的含义，因为原图的视角没有拍出兜来。
此外，你有没有过这样的经历，你去医院拍片（x光片），然后回去找医生，医生随便一瞅，说“你得手术”，你拿过片，看半天看不懂。现在可以让gemini帮你看片了。
通过合理的提示词引导，让gemini理解x光片，并在原片基础上标注出病变的位置。这让我想到曾经有一位中国的极客创办了一个在线看片网站，受到世界卫生组织的关注，但仍然谢绝资助的感人故事。
https://github.com/JimmyLv/awesome-nano-banana
https://github.com/PicoTrex/Awesome-Nano-Banana-images
在过去一年里，我做了几个产品，和图像有关。包括我在内的很多做应用创业的朋友，都面临着巨大的痛苦。当我们有了一个不错的点子，吭呲吭呲做了小半年，产品上线了，也获得了一些关注，结果最后大厂的一次模型升级，就把我们的功能覆盖了。
这次nano banana出来之后，我在网上也听到了一些哀嚎，很多人投身在comfyUI的道路上，但是随着大模型的升级，一起要用复杂流水线才能完成的，现在只需要一段提示词就可以了。这对原本做comfy的人而言，真的是一次打击。
我也在不断反思，到底做什么样的产品，才不至于由于大厂模型的一次升级，就不再需要我们这样的产品了呢？现在很多做agent产品的创业团队，其实也是一样的。像openAI、google、微软这样的公司，直接在大模型层面就可以实现agent的能力，把工具封装起来，你都不知道它是在调用agent，例如写代码、做设计稿这些。
最后，我终于明白了一个道理。就像我们行业流行的一句话，“能用javascript实现的，一定会被javascript实现”，这个背后的墨菲定律告诉我们一个道理，只要我们现在能想到的，无论看上去多么离谱，它都有可能实现。所以，“能用AI完成的，一定会被AI完成”不是一句玩笑。既然AI都能做我们能做的事情了，我们还有什么意义呢？
我觉得，我们的意义就在于“做自己感兴趣的事”。就像这个世界上，有亿万富豪在忙着造火箭，也不妨碍我们在感兴趣的捏泥巴这件事上继续捏泥巴，然后把捏泥巴的过程做成短视频发到网上逗大家开心。我们做自己感兴趣的事，并不是要获得来自谁的认可，而是我们自己感兴趣，即便这个事情已经在别人来看不屑一顾的境地。
我最近更新了很久以前发布的Visor（https://visor.fuuai.com），这是一个AI作画的画布工具，你现在（直到无法使用）可以在它上面免费使用Nano Banana。之所以推荐用它来使用nano banana，是因为在某些场景下，AI并不能直接理解图片中物品的尺寸大小，从而在生图时让物品呈现出错误的尺寸。而画布，则可以让你在一个界面内，按照实物比例和角度来合成草稿图像。一图胜千言：
我想让这位模特穿上这双靴子，但是由于AI无法准确得到这双靴子的实际尺寸，在生成时就有可能显得太肥或太瘦，通过在图片中合理安排靴子尺寸和模特的比例，就可以让AI准确理解其尺寸大小。
同样，这种室内装修的生图，也需要把多个物品按照实际尺寸和位置进行放置。然后让AI生成效果图。
这是一张手绘的草图，作者用文字、箭头标识了让AI用来生成新图时的细节提示。也就是说，直接将提示指令写在了图片里面。最后可以得到：
当我们需要在图片中进行提示词标注时，普通的工具做不到，而Visor则可以，因为它是一块画布，你可以在画布上添加文字和箭头来进行标识。
这样，用户就可以更加自由地进行创作，而无需使用专业的工具。
最后，你还遇到过或者认为可以利用Nano Banana的应用场景呢？欢迎在下方留言区评论哦。
2025-09-04 13:38:03
川公网安备51052102510658号
