簡短回答
Nano Banana Pro 印花變形不是模型壞了，而是單次生成本身有隨機性 + 提示詞越界兩個原因疊加。實用上按以下順序處理：- 先在 imagen.apiyi.com 用同一提示詞 + 參考圖自測一次，排除客戶端問題
- 改寫提示詞：去掉”嚴格鎖定""逐畫素還原”等絕對化表述，改用具體顏色 / 位置 / 保留項描述
- 上傳清晰、特徵明確的參考圖，使用 Base64 編碼（Nano Banana 系列不支援 OpenAI 格式 URL 直傳）
- 啟用多輪抽卡：建議業務程式碼對同一提示詞做 1~3 次自動重試
- 還不行就換通道或換模型：banana pro 預設走 AI Studio，可切 Vertex 分組；或試 gpt-image-2 系列（改圖風格更貼近原圖）
為什麼印花會變形
AI 生圖是單次原子取樣，每次呼叫都是一次獨立抽樣，沒有”嚴格還原”這一檔開關。高頻踩坑的原因有兩類：- 提示詞表述越界：用”嚴格鎖定不變""逐畫素還原""1:1 還原”這類絕對化措辭，模型反而會理解成”重畫一遍”，把印花一起重畫
- 參考圖傳錯了方式：Nano Banana 系列只支援 Base64 編碼上傳，把 URL 直接塞進 OpenAI 相容格式的
image_url欄位會讓模型”看不見”參考圖，印花自然變形
即使你描述得再詳細，AI 仍然有約 5%~15% 的機率在單次取樣裡”走偏”。這不是模型不行，而是生成式模型的固有特性——同提示詞多次呼叫，結果天然不同。
具體排查步驟
1
在測試工具復現，排除客戶端問題
開啟 imagen.apiyi.com/#generate，用完全相同的提示詞 + 參考圖重新跑一次：
- 工具上印花也變形 → 大機率是提示詞本身的問題，進 Step 2
- 工具上印花保持得很好 → 排查你的接入方式（圖片是否真的傳進去了、引數是否對），見 圖片與參考圖差異過大排查
2
改寫提示詞，去掉絕對化表述
把”嚴格還原""逐畫素”這種命令式措辭，換成具體屬性描述（見下方”提示詞最佳化示例”）。
3
確保參考圖正確上傳
- Nano Banana 系列不支援 OpenAI 格式的 URL 上傳，必須用 Base64 編碼
- 參考圖本身要清晰、特徵明確：模糊或元素過多的參考圖會讓模型”猜”，印花更容易變形
- 單張圖 ≤ 7MB（Gemini 官方限制），建議上傳前做無失真壓縮
- 每個提示詞最多 14 張參考圖；如果只想保留印花，可只傳 1 張含印花的局部圖，提高權重
4
啟用多輪抽卡（自動重試）
在業務程式碼裡對同一提示詞實現 1~3 次自動重試。一次失敗不代表模型不行，多抽幾次命中率顯著上升。
5
換通道或換模型兜底
- 切到 Vertex 分組（在控制台給令牌選 Vertex 分組即可，程式碼無需改動）——Vertex 渠道稽核尺度與 AI Studio 不同，部分”被安全誤傷”的換裝請求能穩定通過
- 或換 gpt-image-2 系列——改圖風格更貼近原圖，色偏和風格漂移更小，適合”儘量接近原圖”的需求
提示詞最佳化示例
下表是服裝換裝 + 印花保留場景下的常見問題改法對比：
改進後的完整提示詞示例：
編輯這張圖，完成兩件事：① 把紅色方框內的兩隻茶壺改為啞光純黑色，保留原有材質質感和形狀；② 刪除紅色方框線本身。畫面其餘所有物體的顏色、位置、尺寸標註和文字全部保持不變。
關於出圖變紅 / 整體偏色
如果你發現換裝後畫面整體偏紅或偏暖，那是另一個問題，根因通常是 banana pro 改圖後畫面偏紅——和”印花變形”的成因不同，解決路徑也不同（切 Vertex 通道或換 gpt-image-2）。相關文件
- Nano Banana 系列開發指南 — 模型清單、計費、Base64 上傳要求
- 圖片與參考圖差異過大排查 — 參考圖傳錯格式的排查
- Google 系模型走 AI Studio 還是 Vertex — Vertex 分組切換方法
- 如何生成滿意的圖片 — 改提示詞、重試、換模型、測試定位四大策略
- Gemini 生圖 API 錯誤處理指南 — 出圖失敗/被攔截的排查
- Nano Banana 系列出圖失敗常見原因 — 內容安全攔截場景
- banana pro 改圖後畫面偏紅怎麼辦 — 整體偏色問題
聯絡客服
如果按以上步驟仍然無法解決，可在工作臺聯絡客服或郵件 [email protected]，提供：- 同一提示詞在 imagen.apiyi.com 工具上的復現結果（截圖或連結）
- 當前使用的模型名（
gemini-3-pro-image-preview/ Nano Banana 2 等） - API 呼叫時間 + 請求 ID（如有）