Você pede a um modelo de imagem para "alterar apenas o fundo", mas o rosto muda, a roupa muda de cor e um acessório extra aparece. O problema nem sempre é o modelo. Muitas vezes, a solicitação mistura a edição, o resultado desejado e as regras de preservação em uma única frase.
Neste artigo
Por que os prompts JSON do Nano Banana podem melhorar o controle
Modelos de imagem frequentemente tratam uma frase curta como permissão para reinterpretar o quadro inteiro. Separar a solicitação em blocos nomeados reduz essa ambiguidade. O princípio útil não é simplesmente "usar chaves"; édeclarar o que muda, o que permanece fixo e como o resultado deve ser avaliado.
| Necessidade de prompting | Por que a estrutura ajuda |
| Campanhas repetíveis | Campos estáveis de marca, produto, personagem e câmera podem ser reutilizados enquanto as variáveis de cena mudam. |
| Edição de imagens | As operações de edição podem ser separadas das regras explícitas de preservação. |
| Produção em equipe | Escritores, designers e operadores podem revisar variáveis nomeadas em vez de decifrar um longo parágrafo. |
| Depuração | Um resultado com falha pode ser rastreado até campos conflitantes, vagos ou sobrecarregados. |
| Variantes em lote | Um único modelo pode produzir alterações controladas em proporção de tela, fundo, lente, iluminação ou figurino. |
Há também uma divergência entre criadores que vale entender. Alguns tutoriais apresentam o JSON como um "hack secreto de controle". Na prática, é melhor compreendido como um método de design de instruções. O Gemini pode não aplicar seu objeto como uma API de software tipada. Ele interpreta o significado semântico dos campos, por isso um JSON sintaticamente perfeito ainda pode falhar quando a solicitação visual é contraditória ou está além da capacidade do modelo.
Um esquema JSON prático para o Nano Banana
Um esquema confiável deve refletir como você toma decisões criativas. Você não precisa de todos os campos para cada solicitação, mas os nomes dos campos devem permanecer estáveis ao longo de um projeto.
{ "task": "generate | edit | combine", "subject": { "identity": "who or what must remain recognizable", "appearance": "physical details, wardrobe, material, colors", "action": "pose, gesture, interaction" }, "environment": { "location": "setting", "time": "time of day or era", "weather": "atmospheric conditions" }, "composition": { "shot": "close-up | medium | wide", "framing": "centered | rule of thirds | negative space", "aspect_ratio": "16:9" }, "camera": { "lens": "50mm", "angle": "eye level", "depth_of_field": "shallow" }, "lighting": { "key": "soft window light", "direction": "camera left", "color_temperature": "neutral daylight" }, "style": { "medium": "editorial photography", "palette": ["cobalt blue", "warm gray"], "finish": "natural texture, restrained contrast" }, "edit": { "operation": "replace background", "target": "background only" }, "preserve": ["face", "hair", "wardrobe", "pose", "camera crop"], "constraints": ["no extra people", "no text", "no duplicated objects"]}
Use valores concretos. "Cinematográfico" é amplo; "práticas suaves de tungstênio, lente de 35mm, contraste baixo, granulação sutil de filme" é inspecionável. Mantenha os campos ortogonais. Coloque as decisões de câmera em câmera, não em cinco campos de estilo diferentes. Torne as restrições observáveis. "Deixe bom" não pode ser verificado, enquanto "preserve a silhueta da garrafa e remova todo o texto do fundo" pode. Para linguagem de cenário adicional, compare estes exemplos de prompt do Nano Banana Pro e mantenha apenas os campos que afetam materialmente seu próprio resultado.
Modelo de prompt JSON do Nano Banana para geração de imagens
Para uma nova imagem, defina o assunto primeiro e depois avance para o ambiente, composição, câmera, luz e acabamento. Essa hierarquia reduz as contradições nas etapas finais.
{ "task": "generate a photorealistic campaign image", "subject": { "type": "fictional female trail runner", "appearance": "late 20s, dark curly hair, orange windbreaker", "action": "tightening a shoe before sunrise" }, "environment": { "location": "rocky mountain trailhead", "weather": "thin morning mist", "background": "layered ridgelines with no buildings" }, "composition": { "shot": "medium-wide environmental portrait", "framing": "subject on left third, open space on right", "aspect_ratio": "16:9" }, "camera": {"lens": "35mm", "angle": "slightly low", "motion": "frozen"}, "lighting": {"key": "sunrise rim light", "fill": "soft cool sky light"}, "style": {"medium": "outdoor editorial photography", "finish": "real skin and fabric texture"}, "constraints": ["anatomically correct hands", "no logos", "no text", "no extra limbs"]}
Quando a exploração é o objetivo, a linguagem natural pode ser mais rápida. Use o JSON depois de identificar as variáveis que importam, ou quando um visual bem-sucedido precisa se tornar um ativo de produção reutilizável. Equipes de e-commerce também podem adaptar os blocos de cena, superfície, câmera e iluminação destes padrões de prompt para mockup de produto com IA.
Prompts JSON para edição de imagens sem alterações indesejadas
O prompt de edição mais seguro é específico. Descreva a imagem de origem, isole o alvo da edição, especifique a substituição e repita as regras de preservação em termos visuais.
{ "task": "edit the supplied portrait", "edit": { "operation": "replace background", "target": "pixels behind the person", "replacement": "misty mountain railway platform at dawn" }, "match": { "perspective": "match the source eye level and focal length", "lighting": "add subtle cool ambient light and realistic edge spill", "shadows": "maintain natural contact and directional shadows" }, "preserve": [ "exact facial identity and age", "hairline, hairstyle and eye color", "jacket design and color", "expression, pose, hands and crop" ], "constraints": ["do not add accessories", "do not beautify the face", "no text"]}
Se você quiser testar esse padrão sem gerenciar um fluxo de trabalho local, o gerador de imagens Nano Banana do Media.io suporta criação e edição de imagens guiadas por prompt no navegador. Para usuários que trabalham especificamente com a rota do modelo mais recente, a edição de imagem para imagem do Nano Banana 2 é o espaço de trabalho mais direto. Faça upload de uma fonte clara, aplique uma edição controlada e compare identidade, geometria, iluminação e adições indesejadas antes de expandir o prompt.
Experimente uma edição estruturada com o Nano Banana 2
Fluxos de trabalho JSON para consistência de personagens e mockups de produtos
Mantenha um personagem identificável em novas cenas
A consistência de personagens não pode ser reduzida a um único campo chamado "mesmo personagem". Um bloco de identidade reutilizável deve descrever a geometria facial estável, o cabelo distinto, a faixa etária, as proporções corporais, o guarda-roupa característico e uma ou duas âncoras de identidade. Cena, pose, câmera e expressão tornam-se então variáveis substituíveis.
{ "character_id": "courier_01", "identity_lock": { "face": "oval face, wide-set gray eyes, straight nose, faint left-cheek scar", "hair": "short copper bob with side fringe", "proportions": "athletic build, consistent height and shoulder width", "signature": ["teal utility jacket", "small silver pendant"] }, "scene_variables": { "location": "rainy orbital transit station", "action": "checking a holographic route map", "shot": "medium close-up", "expression": "focused but calm" }, "preserve": ["identity_lock", "age", "skin tone", "jacket design", "pendant"]}
Para um fluxo de trabalho guiado no navegador, consulte a ferramenta de consistência de personagens do Nano Banana. Use-a após definir um bloco de identidade compacto; adicionar mais adjetivos é menos útil do que proteger alguns recursos distintos e repetíveis.
Crie variantes de produto sem redesenhar o produto
Os prompts de produto devem separar a geometria imutável do produto da direção de arte de campanha mutável. Preserve a silhueta, a tampa, o material, o posicionamento do rótulo, as proporções e as cores da marca. Varie a superfície, o fundo, os acessórios, a lente e a iluminação. Para produção de e-commerce, o gerador de mockup de produtos Nano Banana é uma opção contextualmente mais adequada do que uma ferramenta genérica de imagem para vídeo.
Prompt JSON para composição com múltiplas imagens
O prompting com múltiplas imagens falha quando o modelo não sabe o papel de cada entrada. Atribua a cada referência uma função: referência de identidade, referência de produto, referência de ambiente, referência de pose ou referência de estilo. Em seguida, defina a prioridade quando duas fontes entrarem em conflito.
{ "task": "combine three supplied images into one travel advertisement", "inputs": [ {"image": 1, "role": "preserve model identity and wardrobe"}, {"image": 2, "role": "preserve suitcase shape, material and color"}, {"image": 3, "role": "use hotel terrace as the environment"} ], "composition": "model standing beside suitcase near terrace railing", "integration": { "scale": "physically plausible human and luggage proportions", "lighting": "unify all subjects under warm golden-hour light", "shadows": "add contact shadows consistent with the terrace floor", "depth": "model and suitcase sharp, sea softly receding" }, "priority": ["model identity", "product geometry", "environment perspective"], "constraints": ["no duplicated suitcase", "no extra fingers", "no visible source-image borders"]}
Quando o trabalho consiste principalmente em combinar referências em vez de reescrever uma cena inteira, um fluxo de trabalho de combinação de imagens com IA pode reduzir a ambiguidade do prompt. Avalie a mistura de bordas, a escala dos objetos, a direção da luz, as sombras de contato e se o quadro final ainda respeita o papel atribuído a cada fonte.
Erros comuns em prompts JSON do Nano Banana
| Falha | O que acontece | Correção |
| Sintaxe JSON inválida | Humanos e automações não conseguem reutilizar o prompt de forma confiável. | Use aspas duplas, chaves correspondentes, sem vírgulas finais, e valide antes de salvar. |
| Campos conflitantes | O prompt solicita luz de nascer do sol quente e luz clínica fria, ou ao mesmo tempo um close-up e um plano aberto. | Escolha uma prioridade e remova a direção criativa duplicada. |
| Aninhamento excessivo | O prompt fica longo sem adicionar informações visualmente úteis. | Mantenha um esquema simples com campos que um revisor possa verificar rapidamente. |
| Valores vagos | Palavras como "melhor", "bonito" e "cinematográfico" deixam as decisões para o modelo. | Descreva escolhas observáveis de câmera, luz, material, cor e composição. |
| Sem regras de preservação | Identidade, forma do produto, pose, recorte ou cores da marca se alteram durante uma edição. | Crie um array de preservação explícito e restrinja o alvo da edição. |
| Muitas alterações ao mesmo tempo | O modelo resolve o prompt reconstruindo o quadro inteiro. | Execute edições sequenciais e aprove cada etapa. |
| Lógica espacial impossível | Mãos, reflexos, escala e contato com objetos ficam inconsistentes. | Simplifique as interações e defina perspectiva, escala e sombras. |
Uma ordem de depuração útil é: remover conflitos, reduzir o número de edições, fortalecer a preservação, simplificar o esquema, melhorar a imagem de referência e só então adicionar mais detalhes. Prompts longos geralmente escondem a contradição real.
Um Fluxo de Trabalho Repetível de Prompts JSON
- Escreva o objetivo visual em uma frase. Se você não consegue descrever a edição com clareza, o JSON apenas organizará a ambiguidade.
- Classifique a tarefa. Escolha gerar, editar, combinar, estender, restaurar ou criar variantes.
- Separe as variáveis bloqueadas das editáveis. Identidade, geometria do produto, logotipos, pose ou recorte podem precisar permanecer fixos.
- Escolha apenas os campos relevantes. Não inclua controles de câmera para um gráfico plano a menos que sirvam a um propósito.
- Valide a sintaxe. Armazene os modelos como JSON válido se forem reutilizados em planilhas, scripts ou automação.
- Execute o menor teste útil. Teste uma alteração antes de solicitar uma campanha completa.
- Revise com critérios. Verifique preservação, alteração solicitada, anatomia, contagem de objetos, texto, perspectiva, luz e artefatos.
- Versione os prompts bem-sucedidos. Salve o prompt, as referências de entrada, o modelo, a data, a proporção de aspecto e o resultado.
O melhor prompt JSON do Nano Banana não é o mais longo. É a menor instrução estruturada que torna a alteração desejada testável enquanto protege o que o usuário já gosta. Comece com um esquema estável, melhore-o a partir de falhas reais e mantenha modelos específicos por cenário para retratos, produtos, personagens e composições.
Perguntas Frequentes
-
O que é um prompt JSON do Nano Banana?
Um prompt JSON do Nano Banana organiza uma solicitação de geração ou edição de imagem em campos nomeados como sujeito, ambiente, câmera, iluminação, operações de edição, restrições e regras de preservação. É uma convenção de prompts, não necessariamente um esquema oficial de API estrito. -
O Nano Banana entende JSON real?
Os modelos de imagem Gemini geralmente conseguem seguir instruções semelhantes a JSON bem formadas porque a estrutura separa as variáveis com clareza. No entanto, o modelo pode interpretar o JSON semanticamente em vez de validá-lo como um software, portanto, uma sintaxe válida não garante que todos os campos serão obedecidos. -
O prompting com JSON é melhor do que um prompt normal?
O JSON é melhor para fluxos de trabalho repetíveis, multivariáveis, de edição, em lote e em equipe. Um prompt curto em linguagem natural pode ser mais rápido para exploração. A estrutura ajuda mais quando você precisa alterar uma variável enquanto preserva todo o resto. -
Como faço para impedir que o Nano Banana altere um rosto?
Declare explicitamente as regras de preservação de identidade: preservar geometria facial, idade, tom de pele, linha do cabelo, cor dos olhos, expressão e proporções corporais. Limite o escopo da edição, identifique o que pode ser alterado e use a imagem de referência mais clara disponível. -
O que deve ser incluído em um prompt JSON de edição de imagem?
Inclua o papel da imagem de origem, operação de edição, região alvo, substituição desejada, regras de preservação, composição, correspondência de iluminação, restrições de realismo e uma lista de elementos que não devem ser adicionados ou alterados. -
Posso reutilizar um prompt JSON para múltiplas imagens?
Sim. Trate os campos estáveis como um modelo e substitua variáveis como plano de fundo, câmera, figurino, proporção de aspecto ou cena de campanha. Mantenha um prompt mestre versionado para que as configurações bem-sucedidas permaneçam reproduzíveis. -
Por que um prompt JSON válido ainda produz o resultado errado?
As causas comuns incluem campos conflitantes, valores vagos, muitas alterações simultâneas, regras de preservação ausentes, imagens de referência fracas, instruções espaciais impossíveis ou limitações do modelo. Simplifique a solicitação e teste uma edição por vez.
