مدلهای تصویرساز گوگل در سال ۲۰۲۶ فقط برای ساخت عکس از متن نیستند؛ حالا میتوانند تصویر موجود را ویرایش کنند، چند مرجع را با هم ترکیب کنند، متن داخل تصویر بسازند و در چند مرحله روی یک خروجی کار کنند. با ارائه دهنده اینترنت ماهان نت همراه باشید.
| موضوع | پاسخ سریع |
|---|---|
| نام فنی مدل | Gemini 3.1 Flash Image |
| شناسه API | gemini-3.1-flash-image |
| کاربرد اصلی | تولید و ویرایش تصویر، ترکیب چند مرجع و اصلاح مرحلهای |
| وضوح خروجی | 0.5K، 1K، 2K و 4K |
| نسخه حرفهایتر | Nano Banana Pro |
| نسخه سریعتر و اقتصادیتر | Nano Banana 2 Lite |
نانو بنانا 2 نامی است که گوگل برای Gemini 3.1 Flash Image به کار میبرد؛ مدلی متعادل که سرعت خانواده Flash را با قابلیتهای پیشرفته تولید تصویر ترکیب میکند. اگر هدفتان ساخت محتوای شبکه اجتماعی، تصویر محصول، پوستر، کاور یا ویرایش عکس با دستور متنی است، این مدل یکی از گزینههای اصلی اکوسیستم Gemini محسوب میشود.
نانو بنانا 2 چیست؟
در مستندات فنی، نام مدل با نام بازاری آن یکسان نیست. گوگل شناسه فنی gemini-3.1-flash-image را برای این مدل ثبت کرده و در صفحات محصول آن را با نام Nano Banana 2 معرفی میکند.
به زبان ساده، نانو بنانا 2 یک مدل چندوجهی برای تولید و ویرایش تصویر است که ورودی متنی و تصویری را میفهمد. شما میتوانید فقط با یک توضیح متنی تصویر تازه بسازید یا تصویری را آپلود کنید و از مدل بخواهید بخشی از آن را تغییر دهد. این تفاوت مهمی با ابزارهای قدیمیتر دارد که معمولاً فقط «متن به تصویر» بودند.
برای آشنایی کلیتر با ابزارهای این حوزه، مقاله بهترین هوش مصنوعی عکس و تصویر کدامند؟ در ماهان مگ هم میتواند دید مقایسهای خوبی درباره سرویسهای تولید تصویر بدهد.
نام Nano Banana با Gemini 3.1 Flash Image چه فرقی دارد؟
در صفحات عمومی محصول، نام Nano Banana برای خانواده مدلهای تصویری Gemini استفاده میشود؛ اما هنگام کار با API باید شناسه فنی مدل را وارد کنید. به همین دلیل ممکن است در یک آموزش نام تجاری را ببینید و در مستندات توسعهدهندگان با نام Gemini 3.1 Flash Image روبهرو شوید.
اگر با اکوسیستم گوگل آشنایی کمی دارید، مقاله هوش مصنوعی گوگل و Gemini در ماهان مگ، مسیر کلی استفاده از محصولات هوش مصنوعی گوگل را توضیح میدهد.
جایگاه این مدل در خانواده Nano Banana
این خانواده چند مدل مختلف دارد که هرکدام برای یک سطح از سرعت، هزینه و کنترل طراحی شدهاند. نسخه Lite روی سرعت و مقیاس تمرکز دارد، مدل اصلی انتخاب عمومی است و نسخه Pro برای پروژههای پیچیدهتر و کنترل دقیقتر به کار میرود.
در این میان، نانو بنانا 2 برای کاربری عمومی و حرفهای سبک تا متوسط، نقطه تعادل مناسبی میان سرعت و کیفیت ایجاد میکند. طبق راهنمای رسمی Gemini API، این مدل از پردازش چند تصویر مرجع، ثبات بهتر سوژه، تولید تصویر تا 4K و رندر قابلاعتمادتر متن پشتیبانی میکند.
| مدل | سرعت | سطح کنترل | کاربرد مناسب |
|---|---|---|---|
| Nano Banana 2 Lite | بسیار بالا | پایه تا متوسط | تولید انبوه و کمهزینه |
| Gemini 3.1 Flash Image | بالا | بالا | تولید و ویرایش عمومی، چند مرجع، خروجی 4K |
| Nano Banana Pro | پایینتر | بسیار بالا | طراحی پیچیده، ثبات برند، کنترل خلاقانه دقیق |
| Nano Banana قدیمی | نسل قبل | محدودتر | پروژههای قدیمی و سازگاری قبلی |
اگر حجم زیادی تصویر برای شبکههای اجتماعی تولید میکنید، Lite میتواند منطقیتر باشد. اگر پروژه شامل جزئیات برند، چیدمان پیچیده یا کنترل دقیق روی عناصر است، Pro معمولاً انتخاب مناسبتری خواهد بود. برای بخش بزرگی از نیازهای روزمره، نانو بنانا 2 همان مدل میانی و کاربردی است.
این مدل چه کارهایی انجام میدهد؟
توانایی اصلی این مدل فقط ساخت تصویر از یک جمله نیست. قدرت واقعی آن زمانی مشخص میشود که از ویرایش مکالمهای، تصاویر مرجع و اصلاح مرحلهای استفاده کنید.
1. ساخت تصویر از متن
اگر سوژه، محیط، نور، زاویه دوربین و سبک را مشخص کنید، مدل میتواند از صفر تصویر بسازد. مثلاً برای یک عکس تبلیغاتی میتوان نوشت:
«یک ساعت مچی لوکس مشکی روی سطح سنگی، نورپردازی استودیویی نرم، نمای سهربع، پسزمینه مینیمال تیره، عکاسی تبلیغاتی حرفهای.»
برای گرفتن خروجی بهتر از نانو بنانا 2، بهتر است بهجای عبارتهایی مثل «یک عکس خیلی خفن بساز»، اجزای تصویر را دقیق مشخص کنید. هرچه دستور روشنتر باشد، کنترل شما روی ترکیببندی بیشتر میشود.
2. ویرایش تصویر موجود
یکی از کاربردیترین قابلیتها این است که عکس را آپلود کنید و فقط تغییر موردنظر را توضیح دهید. مثلاً:
«محصول را بدون تغییر نگه دار، پسزمینه را به استودیوی سفید تبدیل کن و سایه نرم طبیعی زیر محصول بساز.»
در چنین سناریویی نانو بنانا 2 تلاش میکند عناصر ثابت را حفظ کند و فقط بخش خواستهشده را تغییر دهد. این روش برای تصاویر فروشگاهی، عکس محصول، کاور و تولید محتوای تبلیغاتی بسیار مفید است.
3. ترکیب چند تصویر مرجع
میتوانید چند تصویر را بهعنوان مرجع بدهید؛ مثلاً یک عکس محصول، یک محیط و یک سبک بصری. سپس از مدل بخواهید عناصر را در یک تصویر نهایی کنار هم قرار دهد.
این قابلیت باعث میشود نانو بنانا 2 برای ساخت کامپوزیتهای سریع، مودبردهای تبلیغاتی و حفظ ظاهر سوژه در چند خروجی مناسب باشد. البته هرچه تعداد مرجعها و محدودیتهای بصری بیشتر شود، نیاز به بازبینی انسانی هم بیشتر خواهد شد.
4. حفظ ثبات سوژه و کاراکتر
در پروژههایی که یک شخصیت یا محصول باید در چند تصویر ظاهر تقریباً ثابتی داشته باشد، consistency اهمیت زیادی دارد. گوگل این مدل را برای پردازش چند تصویر مرجع و حفظ هماهنگی بهتر بهینه کرده است.
مثلاً میتوانید بنویسید:
«همین شخصیت را با حفظ چهره، مدل مو و لباس در یک دفتر مدرن قرار بده؛ نور طبیعی صبح و نمای نیمتنه.»
در عمل، نانو بنانا 2 میتواند ثبات خوبی ایجاد کند، اما برای پروژههای حساس برند یا چهره بهتر است هر خروجی قبل از انتشار بررسی شود.
5. ساخت متن داخل تصویر
نسل جدید مدلهای تصویری گوگل در رندر متن پیشرفت کردهاند. این موضوع برای پوستر، بستهبندی، بنر و کاور اهمیت دارد.
برای مثال:
«یک پوستر مینیمال قهوه طراحی کن و عبارت «قهوه تازه، هر روز» را با تایپوگرافی فارسی خوانا در مرکز تصویر قرار بده.»
با وجود بهبود رندر متن، در نانو بنانا 2 هم نوشتههای فارسی طولانی، فونتهای پیچیده یا متنهای چندخطی ممکن است نیاز به اصلاح نهایی در نرمافزار طراحی داشته باشند.
آموزش استفاده از Nano Banana 2
برای استفاده روزمره لازم نیست توسعهدهنده باشید. کاربران عادی میتوانند از محیط Gemini استفاده کنند و توسعهدهندگان نیز به Google AI Studio و Gemini API دسترسی دارند.
مرحله ۱: هدف تصویر را مشخص کنید
قبل از نوشتن Prompt، تعیین کنید خروجی برای کجاست: کاور مقاله، استوری، پست محصول، بنر تبلیغاتی یا تصویر آموزشی. اگر نسبت تصویر، فضای خالی برای متن و سطح واقعگرایی را از ابتدا مشخص کنید، تعداد اصلاحات بعدی کمتر میشود.
وقتی هدف مشخص باشد، استفاده از نانو بنانا 2 بسیار قابلکنترلتر میشود؛ چون مدل بهجای حدس زدن، دستور دقیقتری درباره ترکیب تصویر دریافت میکند.
مرحله ۲: از متن شروع کنید یا تصویر آپلود کنید
اگر تصویر تازه میخواهید، Prompt را بنویسید. اگر قرار است عکس موجود ویرایش شود، فایل را اضافه و تغییر را دقیق تعریف کنید.
برای مثال:
«پسزمینه عکس را به یک آشپزخانه مدرن روشن تغییر بده. خود محصول، زاویه و نوشته روی بستهبندی را دستنخورده نگه دار.»
در پروژههای ویرایشی، نانو بنانا 2 زمانی نتیجه بهتری میدهد که مشخص کنید چه چیزی باید تغییر کند و چه چیزی نباید تغییر کند.
مرحله ۳: Prompt را ساختارمند بنویسید
یک قالب ساده و مؤثر این است:
سوژه + محیط + نور + زاویه + ترکیببندی + سبک + محدودیتها
مثال:
«یک کفش ورزشی سفید روی سکوی بتنی، پسزمینه خاکستری روشن، نور نرم استودیویی از سمت چپ، نمای سهربع، عکاسی محصول پریمیوم، بدون متن و بدون لوگوی اضافه.»
برای نانو بنانا 2، محدودیتهای منفی هم مهماند. اگر نمیخواهید عنصر اضافه، نوشته یا تغییر شکل محصول ایجاد شود، صریح بگویید.
برای یادگیری اصول کلی تولید متن، تصویر و ایده با ابزارهای هوشمند، مقاله آموزش تولید محتوا با هوش مصنوعی در ماهان مگ نیز مکمل خوبی برای این بخش است.
مرحله ۴: خروجی را مرحلهبهمرحله اصلاح کنید
لازم نیست همه اصلاحات را در یک Prompt طولانی جمع کنید. معمولاً نتیجه بهتر است ابتدا تصویر پایه را بسازید و سپس تغییرات کوتاه بدهید:
«محصول را ۱۵ درصد بزرگتر کن.»
«نور سمت راست را کمتر کن.»
«پسزمینه را کمی تارتر کن.»
«فضای خالی سمت چپ را بیشتر کن.»
این روش یکی از نقاط قوت نانو بنانا 2 است، چون ویرایش مکالمهای باعث میشود روند طراحی شبیه کار با یک دستیار تصویری مرحلهای باشد.
مرحله ۵: کنترل کیفیت انجام دهید
قبل از انتشار، چهره، دستها، نوشتهها، لوگو، تعداد اجسام، هندسه محصول، سایهها و نسبت تصویر را بررسی کنید. خروجی مولد حتی در مدلهای جدید هم ممکن است خطا داشته باشد.
اگر نتیجه برای تبلیغات، بستهبندی یا هویت بصری برند استفاده میشود، نانو بنانا 2 باید بخشی از فرایند تولید باشد، نه جایگزین کامل بازبینی طراح.
۱۰ نمونه Prompt کاربردی
نمونههای زیر را میتوانید با توجه به برند، محصول و نسبت تصویر خودتان تغییر دهید. بهتر است هر Prompt را نقطه شروع بدانید، نه نسخه نهایی.
- Product Shot: «یک عطر مشکی لوکس روی سنگ مرمر تیره، نور استودیویی نرم، بازتاب کنترلشده، نمای نزدیک، سبک عکاسی تبلیغاتی پریمیوم.»
- پوستر فروش: «پوستر مینیمال فروش ویژه با فضای خالی در بالا، محصول در مرکز، نور استودیویی، تایپوگرافی فارسی خوانا و ساده.»
- تغییر پسزمینه: «پسزمینه این عکس را به استودیوی سفید تبدیل کن و خود سوژه را بدون تغییر حفظ کن.»
- تغییر استایل: «این تصویر را به سبک سینمایی با نور گرم و کنتراست نرم تبدیل کن؛ چهره سوژه حفظ شود.»
- حفظ چهره: «چهره و مدل موی این فرد را ثابت نگه دار و او را در یک دفتر مدرن قرار بده.»
- متن فارسی: «یک بنر کافه بساز و عبارت «قهوه تازه، هر روز» را کوتاه، خوانا و بدون غلط در تصویر قرار بده.»
- قبل و بعد: «یک تصویر Before/After برای بازطراحی داخلی آپارتمان بساز؛ زاویه دوربین در هر دو بخش یکسان باشد.»
- ترکیب تصاویر: «محصول تصویر اول را روی میز تصویر دوم قرار بده و نور و سایه را طبیعی هماهنگ کن.»
- تغییر لباس: «لباس سوژه را به کت رسمی مشکی تغییر بده؛ چهره، ژست و پسزمینه ثابت بماند.»
- شبکه اجتماعی: «یک تصویر عمودی معرفی محصول بساز؛ محصول در مرکز، پسزمینه ساده و فضای خالی کافی برای تیتر در بالا.»
برای کاربرانی که میخواهند ابزارهای بیشتری را مقایسه کنند، مقاله معرفی بهترین هوش مصنوعیهای رایگان در ماهان مگ چند گزینه دیگر را هم معرفی کرده است.
تفاوت Nano Banana 2 با Nano Banana Pro
مدل Pro برای پیچیدهترین وظایف بصری، ثبات دقیقتر برند، بومیسازی و کنترل خلاقانه سطح بالاتر طراحی شده است. در مقابل، مدل Flash روی تعادل سرعت، کیفیت و هزینه تمرکز دارد.
اگر پروژه شما تولید روزانه تصویر، ویرایش سریع، چند مرجع و خروجی باکیفیت است، نانو بنانا 2 معمولاً انتخاب منطقیتری است. اگر خروجی نهایی باید چندین محدودیت دقیق برند را همزمان رعایت کند یا کنترل بسیار ریز روی جزئیات لازم دارید، Pro ارزش بررسی بیشتری دارد.
منبع رسمی گوگل درباره این مدل
گوگل در معرفی رسمی Nano Banana 2 در وبلاگ Google میگوید:
“Now you can get the advanced world knowledge, quality and reasoning you love in Nano Banana Pro, at lightning-fast speed.”
«اکنون میتوانید دانش پیشرفته درباره جهان، کیفیت و توان استدلالی موردعلاقهتان در Nano Banana Pro را با سرعتی فوقالعاده بالا در اختیار داشته باشید.»
محدودیتها و خطاهای رایج
کیفیت بالاتر به معنی حذف کامل خطا نیست. در پروژههای واقعی باید احتمال اشتباه در جزئیات کوچک را در نظر بگیرید.
نانو بنانا 2 ممکن است در این موارد نیاز به اصلاح داشته باشد:
- متن فارسی طولانی یا تایپوگرافی پیچیده
- جزئیات دست و انگشت در بعضی صحنهها
- لوگو و عناصر بسیار ظریف هویت بصری
- ثبات صددرصدی چهره در مجموعه تصاویر بزرگ
- تعداد دقیق اشیا در صحنههای شلوغ
- دستورهای متناقض یا Promptهای بیش از حد طولانی
همه تصاویر تولیدشده در خانواده Gemini Image دارای SynthID هستند؛ یعنی گوگل یک نشان دیجیتال برای شناسایی محتوای تولیدشده با هوش مصنوعی در خروجی قرار میدهد.
آیا Nano Banana 2 رایگان است؟
میزان دسترسی رایگان یا محدودیت استفاده به محصول، نوع حساب، منطقه و پلن گوگل بستگی دارد و ممکن است در طول زمان تغییر کند. بنابراین بهتر است برای تصمیمگیری مالی، صفحه رسمی همان سرویس را بررسی کنید.
اگر از محیط Gemini استفاده میکنید، نانو بنانا 2 ممکن است در چارچوب محدودیتهای حساب در دسترس باشد. در API نیز هزینه به نوع مصرف و سیاست قیمتگذاری جاری گوگل بستگی دارد؛ به همین دلیل درج یک عدد ثابت در مقاله میتواند خیلی زود قدیمی شود.
جمعبندی
برای انتخاب مدل تصویرساز، فقط کیفیت خام تصویر مهم نیست؛ سرعت ویرایش، تعداد تصاویر مرجع، کنترل روی سوژه و نیاز به اصلاح چندمرحلهای هم تعیینکنندهاند.
نانو بنانا 2 یا Gemini 3.1 Flash Image برای بسیاری از پروژههای روزمره تولید محتوا، تصویر محصول، پوستر و ویرایش سریع گزینهای متعادل است. اگر سرعت و هزینه اولویت اصلی باشد Lite مناسبتر است و اگر کنترل خلاقانه پیچیده و ثبات برند اهمیت بیشتری داشته باشد، Pro انتخاب حرفهایتری خواهد بود.
سوالات متداول
- آیا Nano Banana 2 همان Gemini 3.1 Flash Image است؟
بله. نام بازاری مدل Nano Banana 2 است و شناسه فنی آن در Gemini API برابر gemini-3.1-flash-image است.
2. آیا میتوان با این مدل عکس موجود را ویرایش کرد؟
بله. میتوانید تصویر را آپلود کنید و تغییر پسزمینه، حذف یا جابهجایی عناصر، تغییر سبک و اصلاح مرحلهای را درخواست کنید.
3. آیا برای استفاده باید Prompt انگلیسی بنویسیم؟
الزامی نیست. مدل ورودی چندزبانه را میفهمد، اما برای پروژههای حساس بهتر است Prompt شفاف، کوتاه و بدون ابهام باشد.
4. آیا متن فارسی داخل تصویر بدون خطا تولید میشود؟
خیر، تضمینی وجود ندارد. رندر متن نسبت به نسلهای قبلی بهتر شده، اما برای متن فارسی طولانی یا طرحهای تجاری باید خروجی را بررسی کنید.
5. برای کار حرفهای Nano Banana 2 بهتر است یا Pro؟
برای سرعت و استفاده عمومی، مدل Flash انتخاب متعادلتری است. برای دستورهای چندلایه، ثبات دقیق برند و کنترل خلاقانه پیچیدهتر، Pro مناسبتر است.
نظر شما در مورد این مطلب چیه؟