Sie bitten ein Bildmodell, „nur den Hintergrund zu ändern", aber das Gesicht verschiebt sich, die Kleidung wechselt die Farbe und ein zusätzliches Requisit erscheint. Das Problem liegt nicht immer am Modell. Oft vermischt die Anfrage die Bearbeitung, das gewünschte Ergebnis und die Erhaltungsregeln in einem einzigen Satz.
In diesem Artikel
Warum JSON-Prompts von Nano Banana die Kontrolle verbessern können
Bildmodelle behandeln einen kompakten Satz oft als Erlaubnis, den gesamten Bildrahmen neu zu interpretieren. Die Aufteilung der Anfrage in benannte Blöcke reduziert diese Mehrdeutigkeit. Das nützliche Prinzip lautet nicht einfach „geschweifte Klammern verwenden"; es lautetdeklarieren, was sich ändert, was fest bleibt und wie das Ergebnis bewertet werden soll.
| Prompting-Bedarf | Warum Struktur hilft |
| Wiederholbare Kampagnen | Stabile Marken-, Produkt-, Charakter- und Kamerafelder können wiederverwendet werden, während sich Szenen-Variablen ändern. |
| Bildbearbeitung | Bearbeitungsoperationen können von expliziten Erhaltungsregeln getrennt werden. |
| Teamproduktion | Autoren, Designer und Operatoren können benannte Variablen überprüfen, anstatt einen langen Absatz zu entschlüsseln. |
| Debugging | Ein fehlgeschlagenes Ergebnis kann auf widersprüchliche, vage oder überlastete Felder zurückgeführt werden. |
| Batch-Varianten | Ein Template kann kontrollierte Änderungen in Seitenverhältnis, Hintergrund, Objektiv, Beleuchtung oder Garderobe erzeugen. |
Es gibt auch eine Meinungsverschiedenheit unter Erstellern, die es wert ist, verstanden zu werden. Einige Tutorials stellen JSON als einen „versteckten Kontroll-Hack" dar. In der Praxis ist es besser als eine Methode des Instruktionsdesigns zu verstehen. Gemini erzwingt Ihr Objekt möglicherweise nicht als typisierte Software-API. Es interpretiert die semantische Bedeutung der Felder, sodass syntaktisch perfektes JSON immer noch fehlschlagen kann, wenn die visuelle Anfrage widersprüchlich oder über die Fähigkeiten des Modells hinaus ist.
Ein praktisches JSON-Schema für Nano Banana
Ein zuverlässiges Schema sollte widerspiegeln, wie Sie kreative Entscheidungen treffen. Sie benötigen nicht jedes Feld für jede Anfrage, aber die Feldnamen sollten über ein Projekt hinweg stabil bleiben.
{ "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"]}
Verwenden Sie konkrete Werte. „Cinematisch" ist weit gefasst; „weiche Wolfram-Praktikumslichter, 35-mm-Objektiv, Low-Key-Kontrast, subtiles Filmkorn" ist überprüfbar. Halten Sie Felder orthogonal. Platzieren Sie Kameraentscheidungen in das Kamera-Feld, nicht in fünf verschiedene Stil-Felder. Machen Sie Einschränkungen beobachtbar. „Mach es gut" kann nicht überprüft werden, während „die Flaschensilhouette erhalten und allen Hintergrundtext entfernen" überprüfbar ist. Für zusätzliche Szenariosprache vergleichen Sie diese Nano Banana Pro Prompt-Beispiele und behalten Sie nur die Felder, die Ihr eigenes Ergebnis wesentlich beeinflussen.
Nano Banana JSON-Prompt-Template für die Bildgenerierung
Für ein neues Bild definieren Sie zuerst das Motiv und arbeiten sich dann nach außen durch Umgebung, Komposition, Kamera, Licht und Finish vor. Diese Hierarchie reduziert Widersprüche in späteren Phasen.
{ "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"]}
Wenn Erkundung das Ziel ist, kann natürliche Sprache schneller sein. Verwenden Sie JSON, nachdem Sie die Variablen identifiziert haben, die wichtig sind, oder wenn ein erfolgreicher Look zu einem wiederverwendbaren Produktions-Asset werden soll. E-Commerce-Teams können auch die Szenen-, Oberflächen-, Kamera- und Beleuchtungsblöcke aus diesen KI-Produkt-Mockup-Prompt-Mustern.
JSON-Prompts für Bildbearbeitung ohne unerwünschte Änderungen
Der sicherste Bearbeitungs-Prompt ist eng gefasst. Beschreiben Sie das Quellbild, isolieren Sie das Bearbeitungsziel, geben Sie den Ersatz an und wiederholen Sie die Erhaltungsregeln in visuellen Begriffen.
{ "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"]}
Wenn Sie dieses Muster testen möchten, ohne einen lokalen Workflow verwalten zu müssen, unterstützt der Media.io Nano Banana Bildgenerator prompt-gesteuerte Bilderstellung und -bearbeitung im Browser. Für Benutzer, die speziell mit der neueren Modellroute arbeiten, ist Nano Banana 2 Bild-zu-Bild-Bearbeitung der direktere Arbeitsbereich. Laden Sie eine klare Quelle hoch, wenden Sie eine kontrollierte Bearbeitung an und vergleichen Sie dann Identität, Geometrie, Beleuchtung und unerwünschte Ergänzungen, bevor Sie den Prompt erweitern.
Probieren Sie eine strukturierte Nano Banana 2-Bearbeitung aus
JSON-Workflows für Charakterkonsistenz und Produkt-Mockups
Einen Charakter über neue Szenen hinweg erkennbar halten
Charakterkonsistenz kann nicht auf ein einzelnes Feld namens „gleicher Charakter" reduziert werden. Ein wiederverwendbarer Identitätsblock sollte stabile Gesichtsgeometrie, markantes Haar, Altersbereich, Körperproportionen, charakteristische Garderobe und ein oder zwei Identitätsanker beschreiben. Szene, Pose, Kamera und Ausdruck werden dann zu austauschbaren Variablen.
{ "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"]}
Für einen geführten Browser-Workflow siehe das Nano Banana Charakterkonsistenz-Tool. Verwenden Sie es nach der Definition eines kompakten Identitätsblocks; das Hinzufügen weiterer Adjektive ist weniger nützlich als der Schutz einiger weniger markanter, wiederholbarer Merkmale.
Produktvarianten erstellen, ohne das Produkt neu zu gestalten
Produkt-Prompts sollten unveränderliche Produktgeometrie von veränderbarer Kampagnen-Art-Direction trennen. Erhalten Sie Silhouette, Verschluss, Material, Etikettenplatzierung, Proportionen und Markenfarben. Variieren Sie Oberfläche, Hintergrund, Requisiten, Objektiv und Beleuchtung. Für die E-Commerce-Produktion ist der Nano Banana Produkt-Mockup-Generator eine stärkere kontextuelle Option als ein generisches Bild-zu-Video-Tool.
Multi-Bild-Komposition JSON-Prompt
Multi-Bild-Prompting scheitert, wenn das Modell die Rolle der einzelnen Eingaben nicht kennt. Weisen Sie jeder Referenz eine Funktion zu: Identitätsreferenz, Produktreferenz, Umgebungsreferenz, Posenreferenz oder Stilreferenz. Definieren Sie dann Prioritäten, wenn zwei Quellen im Widerspruch stehen.
{ "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"]}
Wenn die Aufgabe hauptsächlich darin besteht, Referenzen zu kombinieren, anstatt eine ganze Szene neu zu schreiben, kann ein KI-Bildkombinations-Workflow die Prompt-Mehrdeutigkeit reduzieren. Bewerten Sie Kantenübergänge, Objektmaßstab, Lichtrichtung, Kontaktschatten und ob der finale Bildrahmen die zugewiesene Rolle jeder Quelle noch respektiert.
Häufige Nano Banana JSON-Prompt-Fehler
| Fehler | Was passiert | Lösung |
| Ungültige JSON-Syntax | Menschen und Automatisierung können den Prompt nicht zuverlässig wiederverwenden. | Verwenden Sie doppelte Anführungszeichen, übereinstimmende geschweifte Klammern, keine abschließenden Kommas und validieren Sie vor der Speicherung. |
| Widersprüchliche Felder | Der Prompt fordert warmes Sonnenaufgangslicht und kühles klinisches Licht, oder sowohl eine Nahaufnahme als auch eine Weitaufnahme. | Wählen Sie eine Priorität und entfernen Sie doppelte kreative Anweisungen. |
| Übermäßige Verschachtelung | Der Prompt wird lang, ohne visuell nützliche Informationen hinzuzufügen. | Verwenden Sie ein flaches Schema mit Feldern, die ein Prüfer überfliegen kann. |
| Vage Werte | Wörter wie „besser", „schön" und „cinematisch" überlassen Entscheidungen dem Modell. | Beschreiben Sie beobachtbare Kamera-, Licht-, Material-, Farb- und Kompositionsentscheidungen. |
| Keine Erhaltungsregeln | Identität, Produktform, Pose, Ausschnitt oder Markenfarben driften während einer Bearbeitung. | Erstellen Sie ein explizites Preserve-Array und grenzen Sie das Bearbeitungsziel ein. |
| Zu viele Änderungen | Das Modell löst den Prompt, indem es den gesamten Bildrahmen neu aufbaut. | Führen Sie sequentielle Bearbeitungen durch und genehmigen Sie jede Phase. |
| Unmögliche räumliche Logik | Hände, Reflexionen, Maßstab und Objektkontakt werden inkonsistent. | Vereinfachen Sie Interaktionen und definieren Sie Perspektive, Maßstab und Schatten. |
Eine nützliche Debugging-Reihenfolge ist: Konflikte beseitigen, die Anzahl der Bearbeitungen reduzieren, die Beibehaltung stärken, das Schema vereinfachen, das Referenzbild verbessern und erst dann mehr Details hinzufügen. Lange Prompts verbergen oft den eigentlichen Widerspruch.
Ein wiederholbarer JSON-Prompting-Workflow
- Formulieren Sie das visuelle Ziel in einem Satz. Wenn Sie die Bearbeitung nicht klar formulieren können, wird JSON nur die Unklarheit strukturieren.
- Klassifizieren Sie die Aufgabe. Wählen Sie zwischen Generieren, Bearbeiten, Kombinieren, Erweitern, Wiederherstellen oder Varianten erstellen.
- Trennen Sie gesperrte und bearbeitbare Variablen. Identität, Produktgeometrie, Logos, Pose oder Ausschnitt müssen möglicherweise unverändert bleiben.
- Wählen Sie nur relevante Felder aus. Fügen Sie keine Kamerasteuerungen für eine flache Grafik ein, es sei denn, sie dienen einem bestimmten Zweck.
- Syntax validieren. Speichern Sie Vorlagen als gültiges JSON, wenn sie in Tabellen, Skripten oder der Automatisierung wiederverwendet werden.
- Führen Sie den kleinsten sinnvollen Test durch. Testen Sie eine Änderung, bevor Sie eine vollständige Kampagne anfordern.
- Überprüfen Sie anhand von Kriterien. Überprüfen Sie Beibehaltung, angeforderte Änderung, Anatomie, Objektanzahl, Text, Perspektive, Licht und Artefakte.
- Erfolgreiche Prompts versionieren. Speichern Sie den Prompt, Eingabereferenzen, Modell, Datum, Seitenverhältnis und Ergebnis.
Der beste Nano Banana JSON-Prompt ist nicht der längste. Es ist die kleinste strukturierte Anweisung, die die gewünschte Änderung testbar macht und gleichzeitig schützt, was dem Benutzer bereits gefällt. Beginnen Sie mit einem stabilen Schema, verbessern Sie es anhand realer Fehler und behalten Sie szenariospezifische Vorlagen für Porträts, Produkte, Charaktere und Kompositionen.
Häufig gestellte Fragen
-
Was ist ein Nano Banana JSON-Prompt?
Ein Nano Banana JSON-Prompt organisiert eine Bildgenerierungs- oder Bearbeitungsanfrage in benannte Felder wie Motiv, Umgebung, Kamera, Beleuchtung, Bearbeitungsoperationen, Einschränkungen und Beibehaltungsregeln. Es handelt sich um eine Prompting-Konvention und nicht zwingend um ein offizielles API-Schema. -
Versteht Nano Banana echtes JSON?
Gemini-Bildmodelle können in der Regel gut strukturierten JSON-ähnlichen Anweisungen folgen, da die Struktur Variablen klar trennt. Das Modell interpretiert das JSON jedoch möglicherweise semantisch, anstatt es wie Software zu validieren, sodass eine gültige Syntax nicht garantiert, dass jedes Feld befolgt wird. -
Ist JSON-Prompting besser als ein normaler Prompt?
JSON ist besser für wiederholbare, mehrere Variablen umfassende, Bearbeitungs-, Batch- und Team-Workflows. Ein kurzer Prompt in natürlicher Sprache kann für die Erkundung schneller sein. Struktur hilft am meisten, wenn Sie eine Variable ändern müssen, während alles andere erhalten bleibt. -
Wie verhindere ich, dass Nano Banana ein Gesicht verändert?
Geben Sie Identitätserhaltungsregeln explizit an: Gesichtsgeometrie, Alter, Hautton, Haaransatz, Augenfarbe, Ausdruck und Körperproportionen beibehalten. Begrenzen Sie den Bearbeitungsbereich, legen Sie fest, was sich ändern darf, und verwenden Sie das klarste verfügbare Referenzbild. -
Was sollte in einem JSON-Prompt zur Bildbearbeitung enthalten sein?
Geben Sie die Rolle des Quellbildes, die Bearbeitungsoperation, den Zielbereich, den gewünschten Ersatz, Beibehaltungsregeln, Komposition, Lichtabgleich, Realismus-Einschränkungen und eine Liste der Elemente an, die nicht hinzugefügt oder geändert werden dürfen. -
Kann ich einen JSON-Prompt für mehrere Bilder wiederverwenden?
Ja. Behandeln Sie stabile Felder als Vorlage und ersetzen Sie Variablen wie Hintergrund, Kamera, Garderobe, Seitenverhältnis oder Kampagnenszene. Behalten Sie einen versionierten Master-Prompt, damit erfolgreiche Einstellungen reproduzierbar bleiben. -
Warum liefert ein gültiger JSON-Prompt trotzdem ein falsches Ergebnis?
Häufige Ursachen sind widersprüchliche Felder, vage Werte, zu viele gleichzeitige Änderungen, fehlende Beibehaltungsregeln, schwache Referenzbilder, unmögliche räumliche Anweisungen oder Modelleinschränkungen. Vereinfachen Sie die Anfrage und testen Sie jeweils eine Bearbeitung.
