美國時間20日，Google正式對外揭露全新的影像生成模型NanoBananaPro（Gemini3ProImage），主打更高解析度與更精準控制的影像生成與編輯能力，鎖定的是已經在多模態應用上布局的開發者，這款新模型延續今年稍早推出的NanoBanana（也就是2.5FlashImage），但不只是「加強版」，而是從文字呈現、畫面真實度到邏輯推理能力整體拉高規格，被視為Google在多模態戰場上銜接雲端服務與實際應用的重要角色。
依照GoogleDeepMind公布的技術資訊，NanoBananaPro是建立在Gemini3Pro架構之上的影像模型，也就是說，它不是單純的「畫圖工具」，而是把大型語言模型的世界知識與推理能力，直接灌進影像生成流程，官方說明，這個模型支援與GoogleSearch串接的grounding功能，在使用者輸入prompt時，可以先取回即時且經過搜尋驗證的資訊，再據此生成更貼近現實的畫面，例如更準確的地標細節、商品外觀或歷史場景，在服務形式上，NanoBananaPro目前已經透過GoogleAIStudio與VertexAI以付費預覽的方式分階段開放，目標族群是已經在Google雲端上建置服務的團隊，以及需要穩定API與企業級安全機制的開發者，這樣的安排，也讓NanoBananaPro一開始就被放進雲端產品線，而不是單一實驗性工具。
在影像層級，NanoBananaPro支援2K與4K解析度輸出，不只是畫面變「更清楚」，而是讓許多原本需要專業美術或修圖軟體才能完成的細節，都可以直接透過參數調整完成，開發者可以在prompt中或介面上，更精細地控制光線方向、鏡頭焦段、景深、色調乃至構圖比例，藉此生成更符合品牌調性的視覺素材，或為產品頁面快速建立一整組一致風格的照片，另一個被特別點名的升級，是角色與畫面元素的穩定度，官方表示，NanoBananaPro可以在同一專案中維持最多五位角色的高度一致性，不論是臉部特徵、身形比例或穿著風格，都能在不同場景裡維持連貫；同時也支援最多十四張輸入圖片的整合，將多個實拍或設計元素重新組合成新畫面，用在電商商品示意、廣告情境組合與多元素合成等場景，對需要大量產製素材的團隊，等於多了一個可控度相對高的視覺引擎。
過去影像生成模型常被批評在文字處理上不可靠，從標示拼錯字、LOGO扭曲，到漫畫分鏡中文字難以辨識，都成為實際落地時的阻礙，Google這次把「文字渲染」列為NanoBananaPro的升級主軸之一，相較於2.5FlashImage，新模型在標籤、招牌、LOGO與漫畫分鏡中的文字，能更精準地呈現，也比較能忠實維持原本的字型風格與版面配置。這樣的改變，直接對接到真實世界的在地化需求。官方說明，NanoBananaPro可以被用來處理多語言情境，例如翻譯商品包裝上的文字、餐廳菜單、活動海報或指示牌資訊，在轉換語言的同時，保留原有版面與視覺風格，對需要快速產出多國版素材的團隊來說，這種「翻譯加重排一站到位」的能力，比單純機器翻譯更貼近實際工作流程。
除了商業視覺用途，NanoBananaPro也被定位成知識可視化工具，根據Google的說明，新模型可以生成更貼近實物的科學示意圖，例如分子結構、人體構造或器材組成；在歷史領域，則能依照prompt生成事件時間線、戰役位置或社會變遷的資訊圖表，協助使用者以圖像方式理解抽象概念，由於模型本身建立在Gemini3Pro的世界知識架構上，開發者可以透過prompt自動建立教育用資訊圖、教學講義配圖，以及內容行銷常用的統整型視覺素材，例如「某項技術演進史」、「某一市場成長關鍵因素整理」等。這些畫面不需要額外尋找設計資源，而是透過API或工具介面，直接串進既有教學平台或內容管理系統。
在安全與溯源層面，Google延續過去的做法，在NanoBananaPro中整合了SynthID浮水印技術，讓模型所生成的內容都能保留清楚的AI來源標示，方便平台營運者、內容供應商以及監管單位辨識，也降低生成內容被誤認為實拍影像的風險，這一點對新聞、教育與廣告產業來說，都逐漸成為部署AI影像時的基本門檻，為了讓開發者更快掌握NanoBananaPro的特性，Google同時釋出一系列示範App，涵蓋UI介面設計生成、漫畫製作器、商品視覺Mockup、自動化資訊圖工具等實際情境，讓使用者可以先從具體案例感受模型的輸出表現，再進一步透過GeminiAPI整合到自己的服務中，官方也在相關平台提供使用手冊、提示詞寫作指南與交流討論區，讓不同領域的開發者分享實測經驗與最佳實務，逐步形塑出圍繞NanoBananaPro的多模態開發生態。
Copyright © 2025 Storm Media Group All Rights Reserved. ◎未經授權．不得轉載
Version: 20251127-090731
