Nano Banana چیست؟ آموزش ساخت و ویرایش تصویر با پرامپت حرفه‌ای
در این راهنمای کاربردی با خانواده مدل‌های تصویری Nano Banana آشنا می‌شوید، مدل مناسب را انتخاب می‌کنید، پرامپت دقیق می‌نویسید، تصویر مرجع را مرحله‌ای ویرایش می‌کنید و خروجی را با کنترل کیفیت و حقوق استفاده تحویل می‌دهید.
Nano Banana نام قابلیت‌های بومی تولید و ویرایش تصویر در خانواده Gemini است. این مدل‌ها فقط از متن تصویر نمی‌سازند؛ می‌توانند یک یا چند تصویر مرجع را همراه دستور دریافت کنند، روی نتیجه گفت‌وگویی تکرار انجام دهند و بخش‌هایی مانند ترکیب‌بندی، نور، سبک یا شیء مشخص را تغییر دهند.
کیفیت نهایی بیش از آنکه به یک عبارت جادویی وابسته باشد، به تعریف دقیق هدف و مدیریت مرحله‌های ویرایش بستگی دارد. در این مقاله یاد می‌گیرید چگونه مدل مناسب انتخاب کنید، پرامپت را به اجزای قابل کنترل بشکنید، عناصر ضروری تصویر مرجع را ثابت نگه دارید و خروجی را پیش از انتشار از نظر فنی و بصری بررسی کنید.
Nano Banana چیست و چه مدل‌هایی دارد؟
در مستندات Gemini API، Nano Banana نام مجموعه مدل‌های تصویری Gemini است. مدل‌های سریع‌تر برای حجم بالا و تأخیر کم طراحی شده‌اند و مدل Pro برای دستورهای پیچیده، کنترل خلاقانه دقیق‌تر و دارایی‌های حرفه‌ای مناسب‌تر است. انتخاب باید بر اساس پیچیدگی، سرعت، هزینه و تعداد تصاویر مرجع انجام شود؛ نه صرفاً جدیدترین نام.
| نوع نیاز | انتخاب پیشنهادی | معیار تصمیم |
|---|---|---|
| نمونه‌سازی سریع و تعداد بالا | مدل Lite یا سریع | زمان پاسخ و هزینه مهم‌تر از جزئیات پیچیده است. |
| کار عمومی تولید و ویرایش | Nano Banana Level 2 | تعادل کیفیت، سرعت و حفظ چند مرجع لازم است. |
| پوستر، متن و چیدمان پیچیده | Nano Banana Pro | دقت دستور، جزئیات و کنترل برند اولویت دارد. |
| ویرایش چندمرحله‌ای | مدل دارای پشتیبانی مرجع قوی | ثبات سوژه و تداوم تغییرات باید آزمایش شود. |
شناسه مدل‌ها ممکن است با انتشار نسخه‌های جدید تغییر کند. همیشه صفحه رسمی Models را کنترل کنید و شناسه مدل را در Configuration نگه دارید تا تعویض آن بدون تغییر کد اصلی ممکن باشد.
پرامپت حرفه‌ای برای تولید تصویر
یک پرامپت قابل کنترل از چند لایه تشکیل می‌شود: کاربرد خروجی، صحنه، سوژه، سبک، ترکیب‌بندی، نور، رنگ، متن دقیق و محدودیت‌ها. نوشتن همه این موارد لازم نیست؛ فقط جزئیاتی را اضافه کنید که در نتیجه اهمیت واقعی دارند.
الگوی ساده و قابل تکرار
- کاربرد: کاور وبلاگ، پوستر، تصویر محصول یا آیکن.
- سوژه: عنصر اصلی و ویژگی‌های ضروری آن.
- محیط: پس‌زمینه و رابطه سوژه با فضا.
- ترکیب‌بندی: نسبت تصویر، زاویه دوربین و فضای خالی.
- نور و رنگ: زمان، کنتراست و پالت.
- محدودیت: عناصر ممنوع، متن دقیق و چیزهایی که نباید تغییر کنند.
برای نمونه، به جای «یک تصویر تکنولوژی زیبا بساز» بنویسید: «کاور افقی ۱۶:۹ برای مقاله امنیت API؛ لپ‌تاپ در مرکز سمت راست، فضای خالی تیره در بالا سمت چپ، نور آبی و فیروزه‌ای، بدون لوگو، بدون متن و بدون چهره انسان». این درخواست قابل ارزیابی است و احتمال خروجی تصادفی را کاهش می‌دهد.
چگونه تصویر مرجع را درست ویرایش کنیم؟
در ویرایش، ابتدا نقش هر تصویر را مشخص کنید: هدف ویرایش، مرجع سبک یا عنصری که باید به تصویر اضافه شود. اگر این نقش‌ها مبهم باشند، مدل ممکن است سبک و هویت را با هم ترکیب کند. سپس در هر مرحله فقط یک تغییر اصلی بخواهید.
اصل «یک تغییر در هر مرحله»
- تصویر پایه را انتخاب و عناصر ثابت را فهرست کنید.
- فقط یک تغییر مانند پس‌زمینه یا نور را درخواست کنید.
- لبه‌ها، نسبت‌ها و هویت سوژه را بررسی کنید.
- نتیجه تأییدشده را ورودی مرحله بعد قرار دهید.
- در پایان ابعاد، متن و رنگ برند را جداگانه کنترل کنید.
نمونه دستور: «فقط پس‌زمینه را به استودیوی خاکستری روشن تغییر بده؛ محصول، لوگوی روی بسته، زاویه دوربین، سایه زیر محصول و نسبت ابعاد بدون تغییر بمانند». تکرار عبارت «فقط» کافی نیست؛ باید دقیقاً عناصر ثابت را نام ببرید.
حفظ هویت، محصول و برند در چند خروجی
برای ثبات شخصیت یا محصول، تصاویر مرجع با زاویه و نور مناسب آماده کنید. ویژگی‌های قابل مشاهده مانند فرم صورت، رنگ لباس، نسبت بسته‌بندی و محل لوگو را توضیح دهید. اگر خروجی اول از مرجع فاصله گرفت، ویرایش‌های بعدی معمولاً خطا را تشدید می‌کنند؛ به تصویر پایه برگردید و دستور را اصلاح کنید.
- مرجع اصلی را با کیفیت کافی و بدون فشرده‌سازی شدید بدهید.
- سبک را جدا از هویت توصیف کنید.
- رنگ برند را با مقدار دقیق و نمونه بصری کنترل کنید.
- متن حساس را پس از تولید به‌صورت دستی بازبینی کنید.
- برای مجموعه تصاویر، یک Prompt ثابت و متغیرهای محدود نگه دارید.
مدل Pro در مستندات رسمی برای کنترل برند و متن دقیق‌تر معرفی شده است، اما هیچ مدل مولدی تضمین مطلق نمی‌دهد. فایل خروجی را با مرجع رسمی لوگو و راهنمای برند مقایسه کنید.
نوشتن متن فارسی داخل تصویر
متن را عیناً داخل گیومه قرار دهید، محل، اندازه تقریبی، چینش و تعداد خطوط را تعیین کنید. از درخواست هم‌زمان چند پاراگراف پرهیز کنید. برای عنوان مهم، نسخه بدون متن نیز بسازید تا در صورت خطای تایپی بتوانید نوشته را در نرم‌افزار طراحی اضافه کنید.
کنترل نهایی باید حرف‌به‌حرف باشد. فاصله، نیم‌فاصله، اعداد، تاریخ و نام برند را جداگانه بررسی کنید. خوانا بودن در اندازه اصلی کافی نیست؛ کاور را در اندازه کارت موبایل نیز ببینید.
استفاده از Nano Banana در Gemini API
برای Automation و تولید کنترل‌شده، Gemini API امکان ارسال Prompt و دریافت بخش تصویری پاسخ را فراهم می‌کند. API Key را فقط از متغیر محیطی یا Secret Manager سمت سرور بخوانید و هرگز آن را در Frontend یا Git قرار ندهید.
from google import genai client = genai.Client()response = client.models.generate_content( model="YOUR_SUPPORTED_IMAGE_MODEL", contents="A clean 16:9 editorial illustration with no text",) for part in response.parts: if part.inline_data: with open("result.png", "wb") as output: output.write(part.inline_data.data)این نمونه ساختار کلی را نشان می‌دهد؛ نام مدل و شکل دقیق پاسخ را با نسخه مستندات و SDK نصب‌شده تطبیق دهید. MIME type را کنترل کنید، اندازه پاسخ را محدود نگه دارید و فایل را با نام تصادفی امن در مسیری خارج از پوشه اجرای عمومی ذخیره کنید.
تولید انبوه و Batch API
برای تعداد زیاد تصویر، ارسال حلقه‌ای هم‌زمان از لپ‌تاپ راه مناسبی نیست. مستندات Gemini، Batch API را برای کارهای حجیم پیشنهاد می‌کند که نرخ بالاتری در برابر زمان انتظار بیشتر فراهم می‌کند. Jobها را idempotent طراحی کنید و وضعیت، خطا و هزینه هر ورودی را ثبت کنید.
ایمنی، حریم خصوصی و حقوق استفاده
تنها تصویری را بارگذاری کنید که اجازه پردازش آن را دارید. تصویر مشتری، مدرک شناسایی یا فایل محرمانه را بدون سیاست روشن سازمانی وارد سرویس نکنید. برای استفاده تجاری، حقوق تصویر مرجع، علائم تجاری و شرایط سرویس را بررسی کنید.
طبق مستندات رسمی، تصاویر تولیدشده شامل SynthID هستند. با این حال، وجود نشان فنی مسئولیت شما برای اعلام استفاده از هوش مصنوعی یا رعایت قوانین پلتفرم مقصد را حذف نمی‌کند.
کنترل کیفیت خروجی پیش از انتشار
- ابعاد و نسبت تصویر با محل مصرف هماهنگ است.
- دست‌ها، چهره، لبه محصول و پرسپکتیو خطای واضح ندارند.
- متن، اعداد و نام برند حرف‌به‌حرف صحیح‌اند.
- لوگو از فایل مرجع و بدون تغییر نسبت استفاده شده است.
- کنتراست در موبایل و حالت کوچک کافی است.
- متادیتا و حجم فایل برای وب بهینه شده‌اند.
- حقوق تصویرهای مرجع و رضایت افراد مشخص است.
- نسخه Prompt و مدل برای تکرارپذیری ثبت شده‌اند.
برای خروجی وب، نسخه اصلی را نگه دارید و یک WebP بهینه جدا بسازید. Sharpen بیش از حد و فشرده‌سازی سنگین جزئیات پوست، متن و گرادیان را خراب می‌کند. نتیجه نهایی را پس از تبدیل، نه فقط فایل PNG اولیه، بررسی کنید.
اشتباه‌های رایج
درخواست چند تغییر بزرگ در یک مرحله
تغییر هم‌زمان پس‌زمینه، لباس، زاویه و سبک تشخیص علت خطا را دشوار می‌کند. تغییرها را جدا و هر مرحله را ذخیره کنید.
اتکا به نام محصول به جای شرح تصویری
نام سبک یا برند ممکن است نتیجه مبهم بسازد. ویژگی‌های قابل مشاهده مانند جنس، نور، لنز و ترکیب‌بندی را توصیف کنید.
نادیده گرفتن اندازه مقصد
جزئیات ظریف در Thumbnail ناپدید می‌شوند. قاب‌بندی را برای محل واقعی مصرف طراحی و همان‌جا پیش‌نمایش کنید.
انتشار بدون بازبینی انسانی
مدل می‌تواند متن نادرست، نماد مشابه برند یا جزئیات گمراه‌کننده بسازد. بازبینی انسانی و مقایسه با مرجع بخشی از فرایند تولید است.
برای طراحی جریان امن نمونه‌سازی، راهنمای Google AI Studio و حفاظت از API Key را بخوانید. اگر می‌خواهید تصاویر را در یک محصول مبتنی بر عامل استفاده کنید، مقاله ساخت AI Agent امن با Python نیز مفید است.
جمع‌بندی
Nano Banana ابزار قدرتمندی برای تولید و ویرایش گفت‌وگویی تصویر است، اما کیفیت حرفه‌ای از فرایند می‌آید: مدل مناسب، Prompt ساختاریافته، تغییر تک‌مرحله‌ای، حفظ دقیق مرجع و کنترل نهایی. برای API نیز مدیریت Secret، ثبت نسخه مدل و پردازش امن فایل ضروری است.
برای یادگیری پروژه‌محور ابزارهای تصویری هوش مصنوعی و ساخت نمونه‌کار قابل ارائه، مسیرهای آموزشی خانه برنامه نویسان البرز را بررسی کنید.