Chiedi a un modello di immagini di "cambiare solo lo sfondo", ma il volto cambia, l’abbigliamento cambia colore e compare un oggetto extra. Il problema non è sempre il modello. Spesso, la richiesta mescola la modifica, il risultato desiderato e le regole di preservazione in un'unica frase.
In questo articolo
Perché i prompt JSON di Nano Banana possono migliorare il controllo
I modelli di immagini spesso interpretano una frase compatta come permesso di reinterpretare l’intero fotogramma. Separare la richiesta in blocchi nominati riduce questa ambiguità. Il principio utile non è semplicemente "usare le parentesi graffe"; èdichiarare cosa cambia, cosa rimane fisso e come deve essere valutato il risultato.
| Necessità di prompting | Perché la struttura aiuta |
| Campagne ripetibili | Campi stabili per brand, prodotto, personaggio e camera possono essere riutilizzati mentre le variabili della scena cambiano. |
| Modifica delle immagini | Le operazioni di modifica possono essere separate dalle regole esplicite di preservazione. |
| Produzione in team | Scrittori, designer e operatori possono esaminare le variabili nominate invece di decodificare un lungo paragrafo. |
| Debug | Un risultato fallito può essere attribuito a campi conflittuali, vaghi o sovraccarichi. |
| Varianti in batch | Un template può produrre cambiamenti controllati su rapporto d’aspetto, sfondo, obiettivo, illuminazione o abbigliamento. |
C’è anche un disaccordo tra i creatori che vale la pena capire. Alcuni tutorial presentano JSON come “trick di controllo nascosto”. In pratica, è meglio inteso come un metodo di progettazione istruzioni. Gemini potrebbe non applicare il tuo oggetto come API software tipizzata. Interpreta il significato semantico dei campi, quindi JSON sintatticamente perfetto può fallire quando la richiesta visiva è contraddittoria o oltre le capacità del modello.
Uno schema JSON pratico per Nano Banana
Uno schema affidabile dovrebbe riflettere come prendi decisioni creative. Non hai bisogno di ogni campo per ogni richiesta, ma i nomi dei campi dovrebbero restare stabili per tutto il progetto.
{ "task": "generate | edit | combine", "subject": { "identity": "chi o cosa deve rimanere riconoscibile", "appearance": "dettagli fisici, abbigliamento, materiali, colori", "action": "posa, gesto, interazione" }, "environment": { "location": "ambientazione", "time": "ora del giorno o epoca", "weather": "condizioni atmosferiche" }, "composition": { "shot": "close-up | medium | wide", "framing": "centrato | regola dei terzi | spazio negativo", "aspect_ratio": "16:9" }, "camera": { "lens": "50mm", "angle": "livello degli occhi", "depth_of_field": "sfocatura ridotta" }, "lighting": { "key": "luce soffusa dalla finestra", "direction": "sinistra della camera", "color_temperature": "luce diurna neutra" }, "style": { "medium": "fotografia editoriale", "palette": ["blu cobalto", "grigio caldo"], "finish": "texture naturale, contrasto moderato" }, "edit": { "operation": "sostituire sfondo", "target": "solo sfondo" }, "preserve": ["volto", "capelli", "abbigliamento", "posa", "ritaglio camera"], "constraints": ["nessuna persona extra", "nessun testo", "nessun oggetto duplicato"]}
Usa valori concreti.“Cinematografico” è ampio; “luci tungsteno soffuse, obiettivo 35mm, contrasto low-key, grana filmica sottile” si può ispezionare.Mantieni i campi ortogonali.Metti le decisioni di camera nel campo camera, non in cinque campi di stile diversi.Rendi osservabili i vincoli.“Rendilo bello” non si può verificare, mentre “conserva la silhouette della bottiglia e rimuovi tutto il testo sullo sfondo” si può. Per ulteriore linguaggio da scenario, confronta questiEsempi di prompt Pro di Nano Bananae mantieni solo i campi che influenzano materialmente il tuo risultato.
Template JSON di Nano Banana per la generazione di immagini
Per una nuova immagine, definisci prima il soggetto, poi avanza verso ambiente, composizione, camera, luce e finitura. Questa gerarchia riduce le contraddizioni tardive.
{ "task": "generare un'immagine di campagna fotorealistica", "subject": { "type": "runner donna immaginaria", "appearance": "fine anni '20, capelli ricci scuri, giacca a vento arancione", "action": "strigando una scarpa prima dell'alba" }, "environment": { "location": "sentiero montano roccioso", "weather": "nebbia sottile mattutina", "background": "creste stratificate senza edifici" }, "composition": { "shot": "ritratto ambientale medio-ampio", "framing": "soggetto sul terzo sinistro, spazio aperto a destra", "aspect_ratio": "16:9" }, "camera": {"lens": "35mm", "angle": "leggermente basso", "motion": "fermo"}, "lighting": {"key": "luce rim all'alba", "fill": "luce soffusa dal cielo fresco"}, "style": {"medium": "fotografia editoriale outdoor", "finish": "texture reale della pelle e del tessuto"}, "constraints": ["mani anatomicamente corrette", "nessun logo", "nessun testo", "nessun arto extra"]}
Quando l’esplorazione è l’obiettivo, il linguaggio naturale può essere più rapido. Usa JSON dopo aver identificato le variabili importanti, o quando un look di successo deve diventare una risorsa di produzione riutilizzabile. I team di ecommerce possono adattare i blocchi di scena, superficie, camera e luci da questiPattern di prompt per mockup AI di prodotto.
Prompt JSON per editing delle immagini senza modifiche indesiderate
Il prompt di editing più sicuro è ristretto. Descrivi l’immagine sorgente, isola il bersaglio di modifica, specifica la sostituzione e ripeti le regole di preservazione in termini visivi.
{ "task": "modifica il ritratto fornito", "edit": { "operation": "sostituire sfondo", "target": "pixel dietro la persona", "replacement": "piattaforma ferroviaria montana nebbiosa all’alba" }, "match": { "perspective": "abbinare livello occhi e lunghezza focale della fonte", "lighting": "aggiungi luce ambiente fredda sottile e spill realistico ai bordi", "shadows": "mantieni ombre di contatto naturale e direzionali" }, "preserve": [ "identità facciale e età esatta", "attaccatura dei capelli, stile e colore degli occhi", "design e colore della giacca", "espressione, posa, mani e ritaglio" ], "constraints": ["non aggiungere accessori", "non abbellire il volto", "nessun testo"]}
Se vuoi testare questo pattern senza gestire un workflow locale, ilGeneratore di immagini Media.io Nano Bananasupporta la creazione e modifica di immagini guidata da prompt nel browser. Per chi lavora con la versione più recente del modello,Editing immagine-a-immagine Nano Banana 2è lo spazio di lavoro più diretto. Carica una fonte chiara, applica una modifica controllata, quindi confronta identità, geometria, illuminazione e aggiunte indesiderate prima di espandere il prompt.
Prova una modifica strutturata con Nano Banana 2
Workflow JSON per coerenza dei personaggi e mockup prodotto
Mantieni un personaggio identificabile in nuove scene
La coerenza del personaggio non può essere ridotta a un campo chiamato “stesso personaggio”. Un blocco di identità riutilizzabile dovrebbe descrivere geometria facciale stabile, capelli distintivi, intervallo di età, proporzioni corporee, abbigliamento distintivo e uno o due ancoraggi di identità. Scena, posa, camera ed espressione diventano poi variabili modificabili.
{ "character_id": "courier_01", "identity_lock": { "face": "viso oval, occhi grigi distanti, naso diritto, lieve cicatrice sulla guancia sinistra", "hair": "bob ramato corto con frangia laterale", "proportions": "fisico atletico, altezza e larghezza spalle costanti", "signature": ["giacca utility verde teal", "piccolo ciondolo d’argento"] }, "scene_variables": { "location": "stazione orbitale piovosa", "action": "consulta mappa olografica della rotta", "shot": "medium close-up", "expression": "concentrato ma calmo" }, "preserve": ["identity_lock", "età", "tono della pelle", "design giacca", "ciondolo"]}
Per un workflow guidato su browser, vedi iltool di coerenza personaggio Nano Banana. Usalo dopo aver definito un blocco compatto di identità; aggiungere più aggettivi è meno utile che proteggere alcune caratteristiche distintive e ripetibili.
Costruisci varianti prodotto senza ridisegnare il prodotto
I prompt di prodotto dovrebbero separarela geometria invariabile del prodottodala direzione artistica mutabile della campagna. Conserva silhouette, tappo, materiale, posizione etichetta, proporzioni e colori brand. Varia superficie, sfondo, oggetti, obiettivo e luce. Per la produzione ecommerce, ilGeneratore di mockup prodotto Nano Bananaè più adatto di uno strumento generico immagine-video.
Prompt JSON per composizione multi-immagine
Il prompting multi-immagine fallisce quando il modello non conosce il ruolo di ogni input. Assegna ad ogni riferimento una funzione: riferimento identità, riferimento prodotto, riferimento ambiente, riferimento posa, riferimento stile. Poi definisci la priorità quando due fonti sono in disaccordo.
{ "task": "combinare tre immagini fornite in un annuncio viaggio", "inputs": [ {"image": 1, "role": "conservare identità modello e abbigliamento"}, {"image": 2, "role": "conservare forma, materiale e colore valigia"}, {"image": 3, "role": "usare terrazza hotel come ambiente"} ], "composition": "modello in piedi vicino alla valigia accanto alla ringhiera della terrazza", "integration": { "scale": "proporzioni umane e bagaglio fisicamente plausibili", "lighting": "unifica tutti i soggetti sotto luce calda dorata", "shadows": "aggiungi ombre di contatto coerenti con il pavimento della terrazza", "depth": "modello e valigia nitidi, mare sfumato sullo sfondo" }, "priority": ["identità modello", "geometria prodotto", "prospettiva ambiente"], "constraints": ["nessuna valigia duplicata", "nessun dito extra", "nessun bordo visibile dell’immagine fonte"]}
Quando il lavoro riguarda principalmente combinare riferimenti invece di riscrivere l’intera scena, unworkflow combinatore di immagini AIpuò ridurre l’ambiguità del prompt. Valuta blending dei bordi, scala degli oggetti, direzione della luce, ombre di contatto e se il fotogramma finale rispetta ancora il ruolo assegnato a ciascuna fonte.
Errori comuni nei prompt JSON di Nano Banana
| Errore | Cosa succede | Soluzione |
| Sintassi JSON non valida | Umani e automazione non possono riutilizzare con affidabilità il prompt. | Usa doppi apici, parentesi corrispondenti, niente virgole finali e valida prima di memorizzare. |
| Campi in conflitto | Il prompt richiede alba calda e luce clinica fredda, o sia un close-up che una panoramica. | Scegli una priorità e rimuovi direzione creativa duplicata. |
| Nidificazione eccessiva | Il prompt si allunga senza aggiungere informazioni visivamente utili. | Mantieni uno schema superficiale con campi che un revisore può scansionare. |
| Valori vaghi | Parole come “meglio”, “bello” e “cinematografico” lasciano le decisioni al modello. | Descrivi scelte osservabili di camera, luce, materiale, colore e composizione. |
| Nessuna regola di preservazione | Identità, forma del prodotto, posa, ritaglio o colori brand drifta durante una modifica. | Crea un array di preservazione esplicito e restringi il bersaglio di modifica. |
| Troppe modifiche | Il modello risolve il prompt ricostruendo l’intero fotogramma. | Esegui modifiche sequenziali e approva ogni fase. |
| Logica spaziale impossibile | Mani, riflessi, scala e contatto con gli oggetti diventano incoerenti. | Semplifica le interazioni e definisci prospettiva, scala e ombre. |
Un utile ordine di debug è: rimuovere i conflitti, ridurre il numero di modifiche, rafforzare la preservazione, semplificare lo schema, migliorare l’immagine di riferimento e solo dopo aggiungere più dettagli. Prompt lunghi spesso nascondono la reale contraddizione.
Un workflow ripetibile di Prompt JSON
- Scrivi l’obiettivo visivo in una frase.Se non puoi dichiarare chiaramente la modifica, il JSON organizzerà solo l’ambiguità.
- Classifica il compito.Scegli tra generare, modificare, combinare, estendere, ripristinare o creare varianti.
- Separa le variabili bloccate da quelle modificabili.Identità, geometria del prodotto, loghi, posa o ritaglio potrebbero dover rimanere fissi.
- Scegli solo i campi rilevanti.Non includere controlli della fotocamera per una grafica piatta a meno che non servano a uno scopo.
- Valida la sintassi.Archivia i modelli come JSON validi se devono essere riutilizzati in fogli di calcolo, script o automazioni.
- Esegui il test più piccolo e utile possibile.Testa una modifica prima di richiedere una campagna completa.
- Revisiona con criteri.Controlla la preservazione, la modifica richiesta, l’anatomia, il numero di oggetti, il testo, la prospettiva, la luce e gli artefatti.
- Versiona i prompt di successo.Salva il prompt, i riferimenti di input, il modello, la data, il rapporto d’aspetto e il risultato.
Il miglior prompt JSON Nano Banana non è il più lungo. È l’istruzione strutturata più piccola che rende testabile la modifica desiderata proteggendo ciò che l’utente già gradisce. Parti da uno schema stabile, miglioralo a partire dai reali fallimenti e mantieni template specifici per scenari come ritratti, prodotti, personaggi e composizioni.
Domande frequenti
-
Che cos’è un prompt JSON Nano Banana?
Un prompt JSON Nano Banana organizza una richiesta di generazione o modifica di immagini in campi nominati come soggetto, ambiente, fotocamera, illuminazione, operazioni di modifica, vincoli e regole di preservazione. È una convenzione di prompt, non necessariamente uno schema API ufficiale e rigoroso. -
Nano Banana comprende il vero JSON?
I modelli di immagini Gemini solitamente seguono bene istruzioni basate su JSON perché la struttura separa chiaramente le variabili. Tuttavia, il modello può interpretare semanticamente il JSON invece di validarlo come farebbe un software, quindi una sintassi valida non garantisce che ogni campo verrà rispettato. -
È meglio usare il prompt JSON o un prompt normale?
Il JSON è migliore per workflow ripetibili, multivariabili, di modifica, batch e di squadra. Un prompt breve in linguaggio naturale può essere più veloce per l’esplorazione. La struttura aiuta di più quando bisogna modificare solo una variabile preservando il resto. -
Come posso evitare che Nano Banana modifichi un volto?
Indica esplicitamente le regole di preservazione dell’identità: mantieni geometria facciale, età, tono della pelle, attaccatura dei capelli, colore degli occhi, espressione e proporzioni del corpo. Limita l’ambito della modifica, identifica cosa può cambiare e usa la migliore immagine di riferimento disponibile. -
Cosa deve essere incluso in un prompt JSON per modificare immagini?
Includi il ruolo dell’immagine sorgente, l’operazione di modifica, la regione target, la sostituzione desiderata, le regole di preservazione, la composizione, la corrispondenza della luce, i vincoli di realismo e un elenco di elementi che non devono essere aggiunti né modificati. -
Posso riutilizzare uno stesso prompt JSON per più immagini?
Sì. Considera i campi stabili come modello e sostituisci variabili come sfondo, fotocamera, abbigliamento, rapporto d’aspetto o scena della campagna. Conserva un prompt master versionato in modo che le impostazioni di successo siano ripetibili. -
Perché un prompt JSON valido produce comunque un risultato errato?
Cause comuni includono campi in conflitto, valori vaghi, troppe modifiche simultanee, regole di preservazione mancanti, immagini di riferimento deboli, istruzioni spaziali impossibili o limiti del modello. Semplifica la richiesta e testa una modifica alla volta.