2026-01-15 06:42:11|kindsoft |来源：kindsoft
美东时间20日周四，谷歌宣布依托Gemini对旗下备受欢迎的图像生成与编辑模型进行升级。此次全新推出的Nano Banana Pro模型，宣称可达到“摄影棚级别”的精度与控制水准，在文本渲染的准确性、图像分辨率以及专业操控能力等方面均实现了明显提升，目标是推动AI图像工具从消费级应用场景拓展至专业设计领域。
Nano Banana Pro能够生成分辨率最高达4K的图像，在多语言场景中可以精准渲染文本，还能让用户如同操作专业相机一般，对拍摄角度、景深、色彩以及光照等参数进行调控。谷歌Labs与Gemini的副总裁Josh Woodward称，这款产品在信息图表制作、幻灯片设计等领域有着出色的表现，能够保持最多五个角色和十四个物体的一致性。
谷歌的全球免费Gemini用户将能够在配额限制内使用Nano Banana Pro，超出配额后将自动切换回旧版模型，付费AI计划订阅用户则拥有更高使用额度。该模型已集成至Canva、Figma、Adobe Firefly和Photoshop等主流设计工具。
谷歌还同步推出了AI内容溯源功能。用户可在Gemini应用程序App中上传图像，查询其是否由谷歌AI生成，该功能未来将扩展至音频和视频。此举是谷歌将AI技术商业化的最新尝试，也是其在生成式AI竞赛中追赶OpenAI的重要一步。
谷歌本周在AI领域动作频频，势头强劲，此次发布正是这一态势的延续。周二推出的Gemini 3在推理与编码能力上取得“巨大跃升”，受此利好推动，周三谷歌母公司Alphabet的股价创下历史新高。到了周四，Nano Banana Pro正式官宣，当天早盘股价一度上涨近5%，不过午盘时随大盘走势转跌，最终收盘下跌约1%，暂时告别了周三刚刚刷新的收盘最高纪录。
攻克AI拼写难题，文本渲染实现突破
AI图像生成模型长期面临的一个核心挑战是文本渲染准确性。虽然部分模型随时间推移改进，但在生成包含多个文本短语的图像时，拼写错误和字体扭曲仍然常见，这限制了其作为专业设计工具的潜力。
Nano Banana Pro直接针对这一问题提供解决方案。谷歌发言人表示，新模型在渲染最终图像前，能够更好地规划文本位置、字体特征及其与其他图像元素的空间关系。该技术可将菜谱文本转换为图解流程图，或可视化天气、体育等实时信息。
Nano Banana Pro具备生成清晰可辨文本的能力，用户可以描述想要的字体类型，或者模拟不同的手写风格，还能在图像里生成本地化文本或者翻译文字。这让用户能够制作面向国际市场的产品展示、海报以及信息图表。谷歌在博客文章中着重指出，锐利且清晰的文本有助于用户打造富有冲击力的海报、复杂的图表和详细的产品模型。
不过谷歌也提醒用户注意局限性。新模型在生成信息图表、标注图表或呈现复杂数据时，可能误读信息或产生事实错误。虽然能够生成和翻译多语言文本，但在语法、拼写、文化细微差别或惯用语方面仍可能出现问题。用户应始终仔细检查生成的图像及其中文本的准确性。
专业级控制功能，分辨率跃升至4K
Nano Banana Pro为专业用户提供了前所未有的精细控制能力。用户可探索不同拍摄角度和类型，包括广角、全景、特写等，还能调整景深以聚焦图像中的不同主体。
在色彩和光照方面，用户可调整色调分级和光照方向，甚至可将场景从白天转换为夜晚。
模型支持1K、2K和4K三种分辨率的精准放大，并能随意切换纵横比以适配不同平台或用途。
分辨率提升的代价是成本增加和速度下降。原Nano Banana模型生成1024像素图像的成本为0.039美元，而新模型生成1080p或2K图像的成本为0.139美元，4K图像为0.24美元。
在素材一致性方面，模型可在单一工作流程中保持最多五个角色的一致性和相似度，以及最多十四个物体的保真度。对于希望在营销活动中融入自身设计的品牌，模型可接收最多14张参考图像，并在用户文本提示描述的新场景中重新编排它们，同时保留输入素材的特征。
模型还能将草图转化为物体，将手绘笔记转为图表，将创意变成3D渲染建筑。用户可一次创建多张图像，快速高效地探索和审查创意选项。谷歌表示，模型还能创建具有真实细节的风景、植物、人物和动物的逼真图像。
广泛产品集成，付费用户获更高配额
Nano Banana Pro正逐步在谷歌现有的AI工具中铺开应用。Gemini App会默认采用这款新模型来生成图像，免费订阅的用户能在规定的使用限额内体验，一旦超出限额就会自动切换回原来的Nano Banana模型。而Google AI Plus、Pro以及Ultra的订阅用户，则能获得更高的生成额度，此外这些付费用户还可以在Notebook LM里使用该模型。
在美国地区，AI Pro与Ultra订阅用户能够借助AI模式在搜索功能里访问该模型。其中，Ultra订阅用户还可以在谷歌视频工具Flow中使用这一模型；Workspace客户则能在Google Slides和Vids中使用它。而开发者们可通过Gemini API、Google AI Studio以及新推出的IDE Antigravity来调用Nano Banana Pro。
谷歌已将SynthID技术融入Gemini应用，该技术可用于为AI生成的图像添加水印并进行检测。用户上传图像后，聊天机器人会告知该图像是否由谷歌图像模型生成或修改。目前，谷歌为所有AI工具生成的媒体都嵌入了不可见的数字水印；免费或Pro方案订阅用户生成的图像还会带有可见水印，而订阅最高级Ultra方案的用户则可以移除可见水印。不过，谷歌并未说明是否计划支持C2PA等其他AI水印标准。
用户增长强劲，商业化进程提速
Nano Banana Pro的前身Nano Banana今年8月面世后在社交媒体上迅速走红，用户将自己或宠物的照片转化为超写实3D小雕像。Woodward在9月的X帖子中写道，该产品帮助Gemini应用在四天内新增1300万用户。
据谷歌发布的数据，Gemini App目前每月活跃用户超过6.5亿，由Gemini驱动的AI Overviews每月用户达20亿。相比之下，OpenAI CEO Sam Altman在10月表示，ChatGPT每周活跃用户达8亿。
Woodward本周四表示，谷歌AI产品需求持续增长，许多用户注册Gemini订阅计划以获得"这些高级模型的更高限额"。他表示，"我们看到大量用户涌向这些产品，这实际上是最好的问题——需求很大，我们正在努力弄清楚如何服务这些需求。"
此次发布意味着谷歌在AI技术商业化进程中又迈出了新的一步。自从2022年ChatGPT问世并掀起生成式AI领域的竞争浪潮后，谷歌便一直在积极追赶OpenAI的步伐。就在上周，OpenAI对外公布了针对GPT-5模型的两项优化升级，让该模型“在默认状态下更显亲切，对话感也更强”，同时“在日常使用场景中变得更高效、更易于用户理解”。当下，ChatGPT在苹果App Store的免费应用排行榜上占据榜首位置，而Gemini则位列第二。
Woodward表示，公司计划继续扩大AI产品规模，重点包括AI电影制作工具Flow和目前作为有限研究预览版提供的"世界构建"模型Genie。
