Nano Banana Pro 参考图：最佳设置与常见修复（2026）

简短答案：截至 2026 年 3 月 28 日，Nano Banana Pro 参考图最稳定的用法不是把一堆“看起来有帮助”的图片一起塞进去，而是把每张图当成一个明确角色。先从 2 到 4 张开始，把必须高保真的内容放进前六个槽位，再用一句提示词说明每张图分别控制什么。如果一开始就堆到很多张，通常得到的不是更精准，而是更严重的漂移。

Nano Banana Pro 对应 Google 的 gemini-3-pro-image-preview。官方 Gemini 图像生成文档 现在明确写到：Gemini 3 图像模型一次最多可混合 14 张参考图，而 Pro 模型最多支持 6 张高保真物体参考图以及最多 5 张角色一致性参考图。这些数字是真实上限，但不等于推荐起步配置。大多数失败并不是因为参考图太少，而是因为参考图过多、彼此抢角色。

真正有用的默认规则很简单：先决定你最不能丢的是什么，是人物身份、产品外形、场景构图、材质细节，还是风格方向。把那个视觉锚点尽量放在前面，再只加入真正承担不同职责的图片。其余图片等基础工作流跑通之后再说。如果你后面确实需要更完整的多图系统，可以继续看我们的多参考图组合完整指南。这篇文章故意保持更窄：只讲参考图设置、槽位顺序、提示词结构，以及 Pro 为什么仍然会漂移。

要点速览

• **官方上限：**Google 说明 Gemini 3 图像模型最多可以混合 14 张参考图，而 Nano Banana Pro 支持最多 6 张高保真对象参考图，加上最多 5 张角色一致性参考图。
• **最佳起步集：**先用 2 到 4 张，不要一上来就 10 张以上。只有当每张图承担清晰职责时，更多参考图才会真正有帮助。
• **前六规则：**必须保留的主体、身份、细节，应优先放在前六个槽位。
• **提示词规则：**给每张图一个职责，例如主体、角色身份、环境、姿态、风格、材质或光线。
• **常见失败原因：**参考图彼此冲突时，模型往往会把它们平均，而不是听从你真正最在意的那张。
• **什么时候该用 Pro：**当你需要更强的参考保真度、更稳定的文字渲染或更复杂的多图组合时用 Pro；如果只是先找构图和氛围，Nano Banana 2 往往更划算。

先从最小但足够的参考图组合开始

很多人会把参考图当成“保险”。他们担心模型漏掉什么，于是额外多放几张图补强。但在 Nano Banana Pro 里，额外上下文经常带来的不是保险，而是歧义。第二张脸部照片如果光线不同，另一张产品图如果角度冲突，或者某张灵感板图片风格太强，都会和真正应该保留的核心参考图争夺控制权。

因此，最稳的默认策略是最小可用参考集。如果你在做产品重绘或改风格，一个主体图加一张风格图或环境图，已经足够测试流程是否健康。如果你要保留某个人物，一张身份照加一张姿态图或环境图，通常已经足够判断模型是否抓住了对的脸和身体语言。只有在这个基础版本已经工作后，第三张或第四张图才值得用于补光线、材质细节或背景信息。

小集合的最大优势是排错清晰。模型失败时，你比较容易判断是哪张图把结果带偏了。相反，如果你一开始就上传 8 张甚至更多参考图，每一次失败都像黑箱。你不知道到底是风格图太强、主体图太弱，还是某张“看起来挺有用”的灵感图偷偷接管了构图。

这里还有一个直接的成本问题。Google 官方 定价页 目前列出的 Nano Banana Pro 价格，按 2026 年 3 月 28 日计算，相当于 每张 1K 或 2K 图像 0.134 美元，每张 4K 图像 0.24 美元。这不是离谱的价格，但也绝对不适合用大量大包参考图做盲试错。正确做法是先用小集合把视觉逻辑跑通，再决定是否值得把 Pro 用在最终成片上。

真正应该问的问题不是“Pro 最多能吃多少张参考图”，而是“为了让模型做出我需要的那个决定，最小且完整的参考集是什么”。只要你诚实回答这个问题，第一版成功工作流通常都会落在 2 到 4 张这个区间。

前六个槽位应该放什么

Google 的官方文档比大多数第三方页面更清楚地写出了参考图上限，但真正重要的实际含义依然经常被忽略。前六个高保真对象参考槽位，应该留给那些你绝对不能丢的视觉锚点。如果成图必须保留某个产品轮廓、某张脸、某件衣服的关键细节，或者某种材质纹理，这些图片就应该尽量早放。后面的槽位更适合承担可选影响，而不是“你其实最希望模型听它”的信息。

最容易记住的方式是：**前面的槽位负责身份与结构保真，后面的槽位负责影响和微调。**这不代表后面完全不重要，而是说最关键的信息绝对不能只存在于后排。

如果你做的是人物工作流，要记住“角色一致性”不等于“整张图所有要素都固定不变”。它本质上更偏向于保住这个人本身。因此身份照仍然要清晰、光线稳定、脸部面积足够大。DeepMind 的 Pro 模型页 明确提到，小脸、复杂混合和细节丰富的组合仍然容易出问题，这也是人物漂移最常见的根源之一。

如果你做的是产品图，优先级会略有不同。产品工作流通常最在意的是轮廓、logo、材质表面和比例。这种情况下，英雄产品图应排在最前，接着是承载表面纹理、包装细节或结构特征的特写。生活方式场景图和风格图应排在后面，否则它们很容易反客为主。

一个最好执行的判断标准是：如果这个细节丢了你会生气，就不要把它藏在后排槽位。

给每张图一个职责的提示词公式

很多关于 Nano Banana Pro 的提示词建议本身没有错，但仍然不够。确实，提示词需要清晰、约束要明确；但只有当提示词的结构和参考图的结构对应起来时，流程才会变稳定。模型需要知道：哪张图负责身份，哪张图负责姿态，哪张图负责风格，哪些信息只允许轻度影响，而不能改掉主体。

最稳的提示词模式，是先给图片分角色，再描述这些角色如何组合。不要先写“我想要一张怎样的成图”，最后再补一句“请参考这些图片”。更可靠的顺序是先命名参考图，再说明每张图对最终结果的控制边界。这样可以显著降低模型把你的参考图当成“灵感”而不是“指令”的概率。

你可以用下面这种结构：

text
图 1：必须精确保留的主体或产品
图 2：角色身份 / 脸部参考
图 3：姿态或构图参考
图 4：环境或场景参考
图 5：风格或光线参考

请生成一张最终图像，保留图 1 的主体结构，
保留图 2 的人物身份，
遵循图 3 的姿态与画面安排，
使用图 4 的环境，
只吸收图 5 的色彩氛围和光线方向。
不要重设计主体，不要替换人物身份，
保持整体真实、统一、不过度混合。

这个结构有两个直接好处。第一，它能减少角色重叠。第二，它天然更容易排错。如果脸变了，你先检查身份照和与图 2 对应的那句提示词；如果环境把主体压住了，你知道问题大概率出在环境参考图或环境描述太强，而不是整段提示词都要重写。

你真正应该避免的是“让所有图片一起发挥作用”的写法。像“请参考所有这些图片，生成一张高级、电影感、真实、光影完美、构图现代的商业图片”这种提示词，听起来具体，其实还是把最关键的判断交给模型自己猜。漂移大多数时候就发生在这一步。

更稳的写法，是把约束拆成三类：

• **必须保留：**脸、产品轮廓、logo 位置、面料图案
• **可以适配：**背景风格、光线冷暖、最终裁切、具体机位
• **应该避免：**换主体、换脸、把两个风格混成泥、改掉产品结构

如果你想进一步加强风格迁移，也应该一次只用一张风格参考图，并明确写出“风格只影响渲染方式，不得替换身份或主体”。等角色逻辑已经稳固之后，再去看我们的提示词进阶指南和风格克隆指南才更有效，而不是靠继续加图碰运气。

真正的核心不是把最终想要的画面描述得更华丽，而是让提示词准确描述图片与图片之间的关系。Nano Banana Pro 擅长推断，但你的工作是尽量减少它必须做出的错误推断。

三种值得直接照搬的参考图工作流

不同类型的参考图任务会以不同方式失败，因此准备几种可重复的工作流，比指望“一套万能模板”要靠谱得多。重点不是背模板，而是先认出你现在真正跑的是哪种结构。

1. 产品图 + 风格图

这是最干净、也最值得先测试的参考图工作流。你有一张必须保住的产品图，再加一张负责情绪、构图或场景质感的风格图。模型的任务很清楚：产品保持不变，展示方式发生变化。

这种模式很适合化妆品、消费电子、包装、家具、鞋类和时尚配件。产品图应是最清楚、最靠前的那张，风格或环境图排在第二位，而且不应与产品图的角度和光线强烈冲突。如果产品图是正面，环境图却是强俯拍，模型其实是在被迫选边站，这并不是忠实工作流，而是一场视觉谈判。

对应的提示词可以很短：

text
图 1：必须精确保留的产品主体
图 2：高级广告风格与背景氛围

请生成一张商业产品图，保持图 1 的产品形状、
logo、材质和比例不变，同时借用图 2 的光线氛围、
构图风格与背景处理方式。

这也是判断 Pro 到底有没有帮到你的最快方法。如果连两张图的产品流程都保不住轮廓、比例或 logo，问题通常不在于“参考图还不够多”，而在于输入图质量和角色分配本身。

2. 人物身份 + 姿态或环境控制

人物流程更脆弱，因为人脸比产品更容易被一眼识别出问题。所以身份图必须足够强，最好是清晰、光线稳定、眼睛可见、脸部占比足够大的照片。如果脸很小，模型可能保住“像这个人”的感觉，却保不住“就是这个人”的精确身份。DeepMind 的限制说明 对这一点说得很直白。

在这种流程里，身份图应该排在第一或第二，姿态图和环境图放在后面。如果环境很戏剧化，但你最在意的是人物本人，那么环境就不应该压过身份。同样的道理也适用于风格迁移。既然你搜索“参考图”的真正动机是保住人物身份，就不要让风格图占据最强槽位。

很多创作者会把这种失败误判成“提示词写得不够聪明”。实际上，问题往往是输入图太差。如果身份照分辨率低、滤镜重，或者和目标角度差太大，模型就会被迫脑补。比起继续打磨文案，一张更好的身份照通常更能提升结果。

3. 小规模多参考图组合

一旦参考图任务超过两张，工作流就开始变得容易失稳，但这也是 Pro 真正体现价值的地方。小规模多参考图组合，通常意味着你要同时解决三到五个明确问题：例如人物、产品、背景和风格，或模特、服装、地点与灯光。

稳定的版本依然应该是“小而清晰”。四到五个职责分离的参考图，通常比十二张含糊不清的图更强。你的每张参考图最好只负责一个维度。如果两张图都试图控制构图，或者两张图都试图定义同一个人物身份，模型就很容易把它们混在一起。人们口中的“模型没听参考图”，很多时候其实就是模型在替你做平均。

这种流程最适合用分层思维来组织：

1. **核心保真层：**绝不能漂移的主体、人物或产品
2. **结构层：**姿态、环境、画面布局
3. **审美层：**风格、颜色氛围、光线方向
4. **可选细节层：**纹理、道具、表面修饰

如果某张参考图连自己属于哪一层都说不清，它大概率不应该出现在第一轮里。

排查：为什么 Nano Banana Pro 忽略、混合或扭曲了你的参考图

坏消息是，参考图失败非常正常。好消息是，大多数失败都可以诊断。Google 自己的 Pro 模型页 就提醒过，多图混合可能导致场景割裂，而社区讨论也表明，在某些 API 流程里，输出尺寸和预览模型行为仍然会偶尔不稳定。因此遇到失败时，正确做法不是一次次重写整段提示词，而是按顺序排查。

最有效的排错习惯其实是删，而不是加。当一次生成失败时，把参考图裁回最小可用版本。如果两张图的版本能工作、六张图的版本会失败，你其实已经知道问题类别了。接下来要做的是找出哪张新增图片改变了层级，而不是去发明更复杂的提示词。

另一个常见误区是先修错变量。很多人会先重写提示词，但真正的问题是参考图包本身；也有人先换图，其实是因为提示词从来没明确告诉模型每张图负责什么。更稳的排查顺序应该是：

1. 先确认主体图或身份图本身质量足够。
2. 删除所有职责重叠或重复的参考图。
3. 调整前六个槽位，把必须保留的信息提到前面。
4. 重写提示词，逐张命名参考图角色。
5. 只有在这之后，再去调整风格强度或增加细节图。

如果你遇到的不是普通漂移，而是拒绝响应或安全拦截，那么路线就不同了。那种情况下应转到我们的图像生成被拒绝指南和图像安全错误指南。那不是提示词“写得不够好”的问题，而是请求形态和政策边界的问题。

什么时候该为 Pro 付费，什么时候 Nano Banana 2 就够了

不是每一个参考图任务都值得直接上 Nano Banana Pro。只有当你需要更硬的保真度、更稳定的文字渲染，或更复杂的参考图组合时，Pro 才最有价值。品牌产品图、要求更高的人物连续性、复杂的宣传画面，以及主体必须严格保住、同时风格又要明显变化的任务，都更适合 Pro。

如果你还处在探索阶段，Nano Banana 2 往往更合理。Google 的 Gemini 3 开发者指南 把 gemini-3.1-flash-image-preview 放在更高吞吐、更低价格的路线里，这正是最适合拿来打草稿的模型。你还在试气质、试大构图、试场景方向时，先用更便宜的路线找到视觉逻辑；等逻辑成立了，再用 Pro 做最终高质量版本。

一个最容易执行的分法是：

• 当参考图层级比速度更重要时，用 Pro。
• 当试错速度和成本比一次性高保真更重要时，用 Nano Banana 2。

这也意味着，不要把这类问题简单理解成“每张图多少钱”。真正的决策是：更高质量的模型能不能帮你减少返工次数，减少无效重试。对于参考图要求严格的商业工作流，答案通常是能；对于早期概念探索，答案往往不是。

官方 changelog 还提醒了一点：Pro 仍然属于 preview 系列，并且在 2025 年 11 月 20 日 发布。因此，对它保持“强，但并非无条件稳定”的预期，本身就是正确工作流的一部分，而不是你用错了模型。

如果你后续想补技术接入，下一篇该看的是我们的API 设置指南。如果你下一步关心成图质量和尺寸，可以继续看4K 图像生成指南。如果你确定需要更完整的多参考图体系，那么多图组合完整指南才是更对路的后续页面。

最重要的一点是：你的第一次成功，应该来自清晰层级，而不是运气。Nano Banana Pro 很强，但它最擅长听懂的是一个已经被你排好优先级的参考图系统，而不是一堆互相争夺角色的图片。