Le pides a un modelo de imagen que \u201ccambie solo el fondo,\u201d pero el rostro se desplaza, la ropa cambia de color y aparece un accesorio extra. El problema no siempre es el modelo. Con frecuencia, la solicitud mezcla la edición, el resultado deseado y las reglas de preservación en una sola oración.
En este artículo
Por qué los prompts JSON de Nano Banana pueden mejorar el control
Los modelos de imagen suelen tratar una oración compacta como permiso para reinterpretar todo el encuadre. Separar la solicitud en bloques con nombre reduce esta ambigüedad. El principio útil no es simplemente \u201cusa llaves\u201d; esdeclarar qué cambia, qué permanece fijo y cómo debe evaluarse el resultado.
| Necesidad de prompting | Por qué la estructura ayuda |
| Campañas repetibles | Los campos estables de marca, producto, personaje y cámara pueden reutilizarse mientras las variables de escena cambian. |
| Edición de imágenes | Las operaciones de edición pueden separarse de las reglas de preservación explícitas. |
| Producción en equipo | Escritores, diseñadores y operadores pueden revisar variables con nombre en lugar de descifrar un largo párrafo. |
| Depuración | Un resultado fallido puede rastrearse hasta campos contradictorios, vagos o sobrecargados. |
| Variantes en lote | Una sola plantilla puede producir cambios controlados en la relación de aspecto, fondo, lente, iluminación o vestuario. |
También existe un desacuerdo entre creadores que vale la pena entender. Algunos tutoriales presentan el JSON como un \u201ctrucoculto de control.\u201d En la práctica, se entiende mejor como un método de diseño de instrucciones. Gemini puede no aplicar tu objeto como una API de software tipada. Interpreta el significado semántico de los campos, por lo que un JSON sintácticamente perfecto puede fallar si la solicitud visual es contradictoria o está más allá de las capacidades del modelo.
Un esquema JSON práctico para Nano Banana
Un esquema confiable debe reflejar cómo tomas decisiones creativas. No necesitas todos los campos para cada solicitud, pero los nombres de los campos deben mantenerse estables a lo largo de un proyecto.
{ "task": "generate | edit | combine", "subject": { "identity": "quién o qué debe permanecer reconocible", "appearance": "detalles físicos, vestuario, material, colores", "action": "pose, gesto, interacción" }, "environment": { "location": "escenario", "time": "hora del día o era", "weather": "condiciones atmosféricas" }, "composition": { "shot": "close-up | medium | wide", "framing": "centrado | regla de tercios | espacio negativo", "aspect_ratio": "16:9" }, "camera": { "lens": "50mm", "angle": "nivel de los ojos", "depth_of_field": "superficial" }, "lighting": { "key": "luz suave de ventana", "direction": "izquierda de cámara", "color_temperature": "luz diurna neutra" }, "style": { "medium": "fotografía editorial", "palette": ["azul cobalto", "gris cálido"], "finish": "textura natural, contraste contenido" }, "edit": { "operation": "reemplazar fondo", "target": "solo el fondo" }, "preserve": ["rostro", "cabello", "vestuario", "pose", "encuadre de cámara"], "constraints": ["sin personas extra", "sin texto", "sin objetos duplicados"]}
Usa valores concretos. \u201cCinemático\u201d es amplio; \u201cluz práctica de tungsteno suave, lente de 35mm, contraste de clave baja, grano de película sutil\u201d es inspeccionable. Mantén los campos ortogonales. Coloca las decisiones de cámara en cámara, no en cinco campos de estilo diferentes. Haz que las restricciones sean observables. \u201cHazlo bueno\u201d no puede verificarse, mientras que \u201cpreserva la silueta de la botella y elimina todo el texto del fondo\u201d sí puede. Para lenguaje de escenario adicional, compara estos ejemplos de prompts de Nano Banana Pro y conserva solo los campos que afecten materialmente tu propio resultado.
Plantilla de prompt JSON de Nano Banana para generación de imágenes
Para una imagen nueva, define primero el sujeto y luego avanza hacia afuera a través del entorno, la composición, la cámara, la luz y el acabado. Esta jerarquía reduce las contradicciones en etapas avanzadas.
{ "task": "generar una imagen de campaña fotorrealista", "subject": { "type": "corredora de trail ficticia", "appearance": "finales de los 20, cabello rizado oscuro, cortavientos naranja", "action": "ajustando un zapato antes del amanecer" }, "environment": { "location": "inicio de sendero en montaña rocosa", "weather": "ligera neblina matutina", "background": "crestas montañosas escalonadas sin edificios" }, "composition": { "shot": "retrato ambiental de plano medio-amplio", "framing": "sujeto en el tercio izquierdo, espacio abierto a la derecha", "aspect_ratio": "16:9" }, "camera": {"lens": "35mm", "angle": "ligeramente bajo", "motion": "congelado"}, "lighting": {"key": "luz de borde al amanecer", "fill": "luz de cielo suave y fría"}, "style": {"medium": "fotografía editorial de exteriores", "finish": "textura real de piel y tela"}, "constraints": ["manos anatómicamente correctas", "sin logotipos", "sin texto", "sin extremidades extra"]}
Cuando la exploración es el objetivo, el lenguaje natural puede ser más rápido. Usa JSON después de identificar las variables que importan, o cuando un resultado exitoso necesita convertirse en un activo de producción reutilizable. Los equipos de comercio electrónico también pueden adaptar los bloques de escena, superficie, cámara e iluminación de estos patrones de prompts para maquetas de productos con IA.
Prompts JSON para edición de imágenes sin cambios no deseados
El prompt de edición más seguro es específico. Describe la imagen fuente, aísla el objetivo de edición, especifica el reemplazo y repite las reglas de preservación en términos visuales.
{ "task": "editar el retrato proporcionado", "edit": { "operation": "reemplazar fondo", "target": "píxeles detrás de la persona", "replacement": "neblina en plataforma de tren de montaña al amanecer" }, "match": { "perspective": "igualar el nivel de ojos y la distancia focal de la fuente", "lighting": "añadir luz ambiental fría sutil y derrame de borde realista", "shadows": "mantener sombras de contacto naturales y direccionales" }, "preserve": [ "identidad facial exacta y edad", "línea del cabello, peinado y color de ojos", "diseño y color de la chaqueta", "expresión, pose, manos y encuadre" ], "constraints": ["no añadir accesorios", "no embellecer el rostro", "sin texto"]}
Si deseas probar este patrón sin gestionar un flujo de trabajo local, el generador de imágenes Nano Banana de Media.io admite la creación y edición de imágenes guiadas por prompts en el navegador. Para usuarios que trabajan específicamente con la ruta del modelo más reciente, la edición de imagen a imagen de Nano Banana 2 es el espacio de trabajo más directo. Sube una fuente clara, aplica una edición controlada y luego compara la identidad, la geometría, la iluminación y las adiciones no deseadas antes de ampliar el prompt.
Prueba una edición estructurada con Nano Banana 2
Flujos de trabajo JSON para consistencia de personajes y maquetas de productos
Mantener un personaje reconocible en nuevas escenas
La consistencia del personaje no puede reducirse a un solo campo llamado \u201cmismo personaje.\u201d Un bloque de identidad reutilizable debe describir la geometría facial estable, el cabello distintivo, el rango de edad, las proporciones corporales, el vestuario característico y uno o dos anclajes de identidad. La escena, la pose, la cámara y la expresión se convierten entonces en variables reemplazables.
{ "character_id": "courier_01", "identity_lock": { "face": "cara ovalada, ojos grises separados, nariz recta, tenue cicatriz en la mejilla izquierda", "hair": "bob corto cobrizo con flequillo lateral", "proportions": "complexión atlética, altura y anchura de hombros consistentes", "signature": ["chaqueta utilitaria azul verdoso", "pequeño colgante plateado"] }, "scene_variables": { "location": "estación de tránsito orbital bajo la lluvia", "action": "consultando un mapa de ruta holográfico", "shot": "plano medio-corto", "expression": "concentrada pero tranquila" }, "preserve": ["identity_lock", "edad", "tono de piel", "diseño de chaqueta", "colgante"]}
Para un flujo de trabajo guiado en el navegador, consulta la herramienta de consistencia de personajes de Nano Banana. Úsala después de definir un bloque de identidad compacto; añadir más adjetivos es menos útil que proteger unos pocos rasgos distintivos y repetibles.
Crear variantes de producto sin rediseñar el producto
Los prompts de producto deben separar la geometría inmutable del producto de la dirección de arte de campaña mutable. Preserva la silueta, la tapa, el material, la colocación de la etiqueta, las proporciones y los colores de marca. Varía la superficie, el fondo, los accesorios, el lente y la iluminación. Para la producción de comercio electrónico, el generador de maquetas de productos Nano Banana es una opción contextualmente más adecuada que una herramienta genérica de imagen a video.
Prompt JSON para composición de múltiples imágenes
El prompting de múltiples imágenes falla cuando el modelo no conoce el rol de cada entrada. Asigna a cada referencia una función: referencia de identidad, referencia de producto, referencia de entorno, referencia de pose o referencia de estilo. Luego define la prioridad cuando dos fuentes estén en conflicto.
{ "task": "combinar tres imágenes proporcionadas en un anuncio de viajes", "inputs": [ {"image": 1, "role": "preservar la identidad y el vestuario del modelo"}, {"image": 2, "role": "preservar la forma, el material y el color de la maleta"}, {"image": 3, "role": "usar la terraza del hotel como entorno"} ], "composition": "modelo de pie junto a la maleta cerca de la barandilla de la terraza", "integration": { "scale": "proporciones físicamente plausibles de humano y equipaje", "lighting": "unificar todos los sujetos bajo luz cálida de hora dorada", "shadows": "añadir sombras de contacto consistentes con el suelo de la terraza", "depth": "modelo y maleta nítidos, mar retrocediendo suavemente" }, "priority": ["identidad del modelo", "geometría del producto", "perspectiva del entorno"], "constraints": ["sin maleta duplicada", "sin dedos extra", "sin bordes visibles de imagen fuente"]}
Cuando el trabajo consiste principalmente en combinar referencias en lugar de reescribir una escena completa, un flujo de trabajo de combinación de imágenes con IA puede reducir la ambigüedad del prompt. Evalúa la fusión de bordes, la escala de los objetos, la dirección de la luz, las sombras de contacto y si el encuadre final respeta el rol asignado a cada fuente.
Errores comunes en los prompts JSON de Nano Banana
| Fallo | Qué ocurre | Solución |
| Sintaxis JSON inválida | Las personas y la automatización no pueden reutilizar el prompt de forma confiable. | Usa comillas dobles, llaves coincidentes, sin comas finales, y valida antes de guardar. |
| Campos en conflicto | El prompt solicita luz cálida de amanecer y luz clínica fría, o tanto un primer plano como un plano general. | Elige una prioridad y elimina la dirección creativa duplicada. |
| Anidamiento excesivo | El prompt se vuelve largo sin añadir información visualmente útil. | Mantén un esquema plano con campos que un revisor pueda escanear. |
| Valores vagos | Palabras como \u201cmejor,\u201d \u201cbello\u201d y \u201ccinemático\u201d dejan las decisiones al modelo. | Describe opciones observables de cámara, luz, material, color y composición. |
| Sin reglas de preservación | La identidad, la forma del producto, la pose, el encuadre o los colores de marca se alteran durante una edición. | Crea un array de preservación explícito y reduce el objetivo de edición. |
| Demasiados cambios | El modelo resuelve el prompt reconstruyendo todo el encuadre. | Realiza ediciones secuenciales y aprueba cada etapa. |
| Lógica espacial imposible | Las manos, los reflejos, la escala y el contacto con los objetos se vuelven inconsistentes. | Simplifica las interacciones y define la perspectiva, la escala y las sombras. |
Un orden de depuración útil es: eliminar conflictos, reducir el número de ediciones, reforzar la preservación, simplificar el esquema, mejorar la imagen de referencia y solo entonces agregar más detalle. Los prompts largos a menudo ocultan la contradicción real.
Un flujo de trabajo de prompting JSON repetible
- Escribe el objetivo visual en una sola oración. Si no puedes expresar la edición con claridad, JSON solo organizará la ambigüedad.
- Clasifica la tarea. Elige generar, editar, combinar, extender, restaurar o crear variantes.
- Separa las variables bloqueadas de las editables. La identidad, la geometría del producto, los logotipos, la pose o el recorte pueden necesitar permanecer fijos.
- Elige solo los campos relevantes. No incluyas controles de cámara para un gráfico plano a menos que tengan un propósito.
- Valida la sintaxis. Guarda las plantillas como JSON válido si se reutilizarán en hojas de cálculo, scripts o automatización.
- Ejecuta la prueba más pequeña y útil. Prueba un cambio antes de solicitar una campaña completa.
- Revisa con criterios. Verifica la preservación, el cambio solicitado, la anatomía, el conteo de objetos, el texto, la perspectiva, la luz y los artefactos.
- Versiona los prompts exitosos. Guarda el prompt, las referencias de entrada, el modelo, la fecha, la relación de aspecto y el resultado.
El mejor prompt JSON de Nano Banana no es el más largo. Es la instrucción estructurada más pequeña que hace que el cambio deseado sea comprobable mientras protege lo que al usuario ya le gusta. Comienza con un esquema estable, mejóralo a partir de fallos reales y mantén plantillas específicas para retratos, productos, personajes y composiciones.
Preguntas frecuentes
-
¿Qué es un prompt JSON de Nano Banana?
Un prompt JSON de Nano Banana organiza una solicitud de generación o edición de imágenes en campos con nombre como sujeto, entorno, cámara, iluminación, operaciones de edición, restricciones y reglas de preservación. Es una convención de prompting, no necesariamente un esquema de API oficial estricto. -
¿Nano Banana entiende JSON real?
Los modelos de imagen de Gemini generalmente pueden seguir instrucciones con formato JSON bien estructurado porque la estructura separa las variables con claridad. Sin embargo, el modelo puede interpretar el JSON semánticamente en lugar de validarlo como un software, por lo que una sintaxis válida no garantiza que cada campo sea obedecido. -
¿El prompting con JSON es mejor que un prompt normal?
JSON es mejor para flujos de trabajo repetibles, multivariable, de edición, por lotes y en equipo. Un prompt corto en lenguaje natural puede ser más rápido para exploración. La estructura ayuda más cuando necesitas cambiar una variable mientras preservas todo lo demás. -
¿Cómo evito que Nano Banana cambie un rostro?
Establece reglas de preservación de identidad explícitamente: preserva la geometría del rostro, la edad, el tono de piel, la línea del cabello, el color de ojos, la expresión y las proporciones corporales. Limita el alcance de la edición, identifica qué puede cambiar y usa la imagen de referencia más clara disponible. -
¿Qué debe incluirse en un prompt JSON de edición de imágenes?
Incluye el rol de la imagen fuente, la operación de edición, la región objetivo, el reemplazo deseado, las reglas de preservación, la composición, la coincidencia de iluminación, las restricciones de realismo y una lista de elementos que no deben agregarse ni cambiarse. -
¿Puedo reutilizar un prompt JSON para múltiples imágenes?
Sí. Trata los campos estables como una plantilla y reemplaza variables como fondo, cámara, vestuario, relación de aspecto o escena de campaña. Mantén un prompt maestro versionado para que las configuraciones exitosas sigan siendo reproducibles. -
¿Por qué un prompt JSON válido sigue produciendo un resultado incorrecto?
Las causas comunes incluyen campos conflictivos, valores vagos, demasiados cambios simultáneos, reglas de preservación faltantes, imágenes de referencia débiles, instrucciones espaciales imposibles o limitaciones del modelo. Simplifica la solicitud y prueba una edición a la vez.
