你要求圖像模型「只更改背景」，但人臉發生了偏移、服裝顏色改變，還多出了一個道具。問題不一定出在模型上。通常，是因為請求在同一句話中混合了編輯操作、預期結果和保留規則。
為什麼Nano Banana的JSON提示詞能提升控制效果
圖像模型常常將一個簡短的句子視為重新詮釋整個畫面的許可。將請求拆分為具名區塊能降低這種模糊性。實用的原則不僅僅是「使用大括號」，而是宣告哪些內容要改變、哪些內容保持不變，以及如何評估結果.
| 提示詞需求 | 為什麼結構有幫助 |
| 可重複的行銷活動 | 穩定的品牌、產品、角色和鏡頭欄位可以重複使用，同時場景變數可以替換。 |
| 圖像編輯 | 編輯操作可以與明確的保留規則分開設定。 |
| 團隊製作 | 文案、設計師和操作人員可以審閱具名變數，而無需解讀一大段文字。 |
| 除錯 | 失敗的結果可以追溯至衝突、模糊或過載的欄位。 |
| 批次變體 | 一個範本可以在長寬比、背景、鏡頭、燈光或服裝上產生受控的變化。 |
有一種創作者之間的爭議值得了解。部分教學將JSON定位為「隱藏的控制技巧」。實際上，它更應被理解為一種指令設計方法。Gemini不一定會將你的物件當作具型別的軟體API來強制執行，它解讀的是欄位的語義含義，因此語法上完美的JSON在視覺請求相互矛盾或超出模型能力時仍可能失敗。
Nano Banana的實用JSON結構
一個可靠的結構應該反映你做創意決策的方式。並非每個請求都需要所有欄位，但欄位名稱在整個專案中應保持穩定。
{ "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"]}
使用具體的值。「電影感」過於籠統；「柔和的鎢絲實景燈光、35mm鏡頭、低調對比、細膩的底片顆粒感」才是可被檢視的。保持欄位正交性。將鏡頭決策放在camera欄位，而不是分散在五個不同的style欄位中。讓限制條件可被觀察。「讓它好看」無法被驗證，而「保留瓶子的輪廓並移除所有背景文字」則可以。如需額外的場景語言，可參考這些Nano Banana Pro提示詞範例，並只保留對你自己的結果有實質影響的欄位。
用於圖像生成的Nano Banana JSON提示詞範本
對於新圖像，先定義主體，再向外擴展至環境、構圖、鏡頭、光線和最終效果。這種層次結構可減少後期的矛盾。
{ "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"]}
當探索是目標時，自然語言可能更快。在你找出重要的變數之後，或當一個成功的視覺效果需要成為可重複使用的製作素材時，再使用JSON。電商團隊也可以從這些AI產品模型提示詞模式.
不帶來不必要更改的圖像編輯JSON提示詞
最安全的編輯提示詞是範圍狹窄的。描述來源圖像、隔離編輯目標、指定替換內容，並以視覺術語重申保留規則。
{ "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"]}
如果你想在不管理本地工作流程的情況下測試此模式，Media.io Nano Banana圖像生成器支援在瀏覽器中進行由提示詞主導的圖像創建和編輯。對於專門使用較新模型路線的用戶，Nano Banana 2圖像轉圖像編輯是更直接的工作空間。上傳清晰的來源圖像，應用一個受控的編輯，然後在擴展提示詞之前比較身分識別、幾何形狀、燈光和不必要的新增內容。
用於角色一致性和產品模型的JSON工作流程
在新場景中保持角色的可辨識性
角色一致性不能僅靠一個名為「相同角色」的欄位來實現。可重複使用的身分識別區塊應描述穩定的臉部幾何形狀、標誌性髮型、年齡範圍、身體比例、標誌性服裝，以及一兩個身分錨點。場景、姿勢、鏡頭和表情則成為可替換的變數。
{ "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"]}
如需引導式的瀏覽器工作流程，請參閱Nano Banana角色一致性工具。在定義好簡潔的身分識別區塊後再使用它；添加更多形容詞的效果不如保護幾個獨特、可重複的特徵來得有用。
在不重新設計產品的情況下建立產品變體
產品提示詞應將不可變的產品幾何形狀與可變的行銷視覺方向分開。保留輪廓、瓶蓋、材質、標籤位置、比例和品牌顏色。變換表面、背景、道具、鏡頭和燈光。對於電商製作，Nano Banana產品模型生成器比通用的圖像轉影片工具更符合情境需求。
多圖合成JSON提示詞
當模型不清楚每個輸入的作用時，多圖提示詞就會失敗。為每個參考圖像指定一個功能：身分參考、產品參考、環境參考、姿勢參考或風格參考。然後在兩個來源發生衝突時定義優先順序。
{ "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"]}
當工作主要是合併參考圖像而非重寫整個場景時，AI圖像合成工作流程可以減少提示詞的模糊性。評估邊緣融合、物件比例、光線方向、接觸陰影，以及最終畫面是否仍然尊重每個來源所指定的角色。
常見的Nano Banana JSON提示詞錯誤
| 失敗類型 | 發生了什麼 | 修正方式 |
| 無效的JSON語法 | 人工和自動化流程無法可靠地重複使用此提示詞。 | 使用雙引號、匹配的大括號、不留尾隨逗號，並在儲存前進行驗證。 |
| 欄位衝突 | 提示詞同時要求溫暖的日出光線和冷調的臨床燈光，或同時要求特寫和廣角鏡頭。 | 選擇一個優先級並移除重複的創意方向。 |
| 過度巢狀 | 提示詞變得冗長，卻沒有增加視覺上有用的資訊。 | 保持淺層結構，讓審閱者可以快速掃讀各欄位。 |
| 值過於模糊 | 像「更好」、「美麗」和「電影感」這樣的詞彙將決策權交給了模型。 | 描述可被觀察的鏡頭、光線、材質、顏色和構圖選擇。 |
| 沒有保留規則 | 在編輯過程中，身分識別、產品形狀、姿勢、裁切或品牌顏色發生了偏移。 | 建立明確的preserve陣列並縮小編輯目標範圍。 |
| 更改項目過多 | 模型透過重建整個畫面來解決提示詞的要求。 | 進行順序式編輯，並在每個階段確認結果。 |
| 不可能的空間邏輯 | 手部、反射、比例和物體接觸變得不一致。 | 簡化互動關係，並明確定義透視、比例和陰影。 |
一個實用的除錯順序是：消除衝突、減少編輯數量、強化保留規則、簡化架構、改善參考圖片，最後才增加更多細節。冗長的提示詞往往會隱藏真正的矛盾所在。
可重複使用的 JSON 提示詞工作流程
- 用一句話描述視覺目標。如果你無法清楚說明編輯內容，JSON 只會將模糊性系統化。
- 分類任務。選擇生成、編輯、合成、延伸、修復或建立變體。
- 區分鎖定變數與可編輯變數。身份識別、產品幾何形狀、標誌、姿勢或裁切範圍可能需要保持固定不變。
- 僅選擇相關欄位。除非有特定目的，否則不要在平面圖形中加入相機控制參數。
- 驗證語法。若範本將在試算表、腳本或自動化流程中重複使用，請將其儲存為有效的 JSON 格式。
- 執行最小可用測試。在請求完整的行銷活動之前，先測試單一變更。
- 依據標準進行審查。檢查保留規則、請求的變更、解剖結構、物件數量、文字、透視、光線和瑕疵。
- 對成功的提示詞進行版本管理。儲存提示詞、輸入參考資料、模型、日期、長寬比和結果。
最佳的 Nano Banana JSON 提示詞不是最長的，而是在保護使用者既有喜好的同時，能讓所需變更可測試的最小結構化指令。從穩定的架構開始，從實際失敗中加以改善，並針對人像、產品、角色和構圖保留各場景專屬的範本。
常見問題
-
什麼是 Nano Banana JSON 提示詞？
Nano Banana JSON 提示詞將圖片生成或編輯請求整理成具名欄位，例如主體、環境、相機、光線、編輯操作、限制條件和保留規則。這是一種提示詞慣例，不一定是嚴格的官方 API 架構。 -
Nano Banana 能理解真正的 JSON 嗎？
Gemini 圖片模型通常能遵循格式正確的 JSON 類指令，因為其結構能清楚地區分各個變數。然而，模型可能以語義方式解讀 JSON，而非像軟體那樣進行驗證，因此有效的語法並不保證每個欄位都會被確實遵守。 -
JSON 提示詞比一般提示詞更好嗎？
JSON 更適合用於可重複執行、多變數、編輯、批次處理和團隊協作的工作流程。短的自然語言提示詞在探索時可能更快速。當你需要在保留所有其他內容的同時只變更一個變數時，結構化的方式最能發揮效益。 -
如何避免 Nano Banana 更改人臉？
明確指定身份保留規則：保留臉部幾何結構、年齡、膚色、髮際線、眼睛顏色、表情和身體比例。限制編輯範圍，明確指出哪些部分允許變更，並使用最清晰的參考圖片。 -
圖片編輯的 JSON 提示詞應包含哪些內容？
包含來源圖片的角色定義、編輯操作、目標區域、預期的替換內容、保留規則、構圖、光線匹配、寫實限制條件，以及不得新增或變更的元素清單。 -
我可以將同一個 JSON 提示詞用於多張圖片嗎？
可以。將穩定的欄位作為範本，並替換背景、相機、服裝、長寬比或行銷活動場景等變數。保留一份有版本管理的主提示詞，以確保成功的設定可重複再現。 -
為什麼有效的 JSON 提示詞仍然產生錯誤的結果？
常見原因包括欄位衝突、值過於模糊、同時進行過多變更、缺少保留規則、參考圖片品質不佳、空間指令不可能實現，或是模型本身的限制。請簡化請求內容，並每次只測試一項編輯。