Cara Menulis Prompt yang Benar-Benar Dituruti Model Nano Banana

Kebanyakan panduan prompting adalah daftar kata sifat. Kata sifat adalah bagian prompt yang paling tidak penting.

Kami menjalankan keempat model Nano Banana di balik satu API, dan cara sebuah prompt gagal cukup konsisten untuk ditulis. Empat puluh kata dihabiskan untuk kata sifat kualitas dan dua kata untuk cahayanya. Brief komposisi sepanjang kelas Pro ditembakkan ke tier termurah. Permintaan suntingan yang menggambarkan ulang seluruh adegan dan kembali sebagai gambar yang berbeda. Tidak satu pun dari ini masalah model. Semuanya masalah menulis, dan masalah menulis punya obat.

Medium, subjek, cahaya, frame — dalam urutan itu

Sebuah prompt dibaca sebagai satu kesatuan, tetapi klausa-klausa awalnya bekerja lebih keras daripada yang belakangan. Merekalah yang menetapkan ruang tempat sisa kalimatnya harus hidup. Buka dengan "seorang perempuan cantik" dan model harus menebak apakah ia sedang membuat foto, lukisan cat minyak, atau render 3D, dan ia akan menebak dari apa pun yang secara statistik disiratkan kata-kata Anda yang lain. Buka dengan "foto editorial 35mm" dan setiap keputusan berikutnya sudah terkurung ke satu medium.

Jadi urutannya:

1. Medium. Percabangan terbesar di pohonnya. Foto, render isometrik, ilustrasi vektor datar, lukisan gouache, foto produk makro. Pilih satu dan sebut di empat kata pertama.
2. Subjek. Bukan kategorinya — bendanya yang spesifik. "Seorang perempuan di meja kafe" adalah stock photo. "Seorang perempuan berusia lima puluhan, kedua tangannya melingkari cangkir putih" adalah sebuah gambar.
3. Cahaya. Arah, kualitas, warna. Satu kalimat ini menggerakkan hasilnya lebih daripada apa pun yang lain, dan nyaris tidak ada yang menuliskannya.
4. Frame. Ketinggian kamera, jarak, crop, depth of field, dan ke mana ruang kosongnya pergi.

Berikut permintaan yang sama ditulis dengan buruk lalu ditulis dengan benar.

Seorang perempuan cantik di kedai kopi, highly detailed, 8k, masterpiece,
trending on artstation, ultra realistic, professional photography, award
winning, sharp focus, bokeh

Foto editorial 35mm. Seorang perempuan berusia lima puluhan duduk sendirian
di meja kafe marmer, kedua tangannya melingkari cangkir putih, memandang
ke luar frame ke arah kiri. Matahari musim dingin yang rendah menembus
jendela di belakangnya, mengelilingi rambutnya dengan cahaya dan meniup
jalanan di luar menjadi putih. Diambil dari meja sebelah pada ketinggian
mata orang duduk, sebatas pinggang, depth of field dangkal, latar luruh
menjadi abu-abu lembut.

Yang berubah: medium-nya pindah ke depan, subjeknya mendapat satu gestur yang spesifik, cahayanya mendapat arah dan suhu, dan kameranya mendapat posisi. Tidak ada yang ditambahkan soal kualitas. Prompt kedua bukan lebih detail dalam arti yang samar — ia lebih diputuskan.

Dan berhentilah menulis "highly detailed, 8k, masterpiece". Itu tidak melakukan apa pun di model-model ini. Token-token itu barang bawaan dari budaya prompt Stable Diffusion 2022, tempat mereka menyenggol model yang jauh lebih kecil ke arah irisan tertentu data latihnya. Model generasi Gemini tidak merespons mereka, dan setiap satunya adalah jatah yang bisa Anda belanjakan untuk menggambarkan dari mana cahayanya datang.

Ruang kosongnya akan diisi kecuali Anda mengklaimnya

Model-model ini tidak meninggalkan sesuatu kosong. Kalau Anda menggambarkan sebuah cangkir dan tidak berkata apa pun soal apa yang mengelilinginya, gambarnya tetap akan memuat sekeliling, dan sekelilingnya akan berupa apa pun yang biasanya ada di foto cangkir: meja kayu, serbet linen, setangkai entah apa, jendela yang lembut fokusnya, dan kira-kira empat puluh persen dari waktunya, sebuah kata tercetak di cangkirnya.

Itu keluhan paling umum yang kami dengar, dan ia bukan soal kualitas. Tidak ada yang bilang jangan.

Sebuah cangkir keramik di atas meja, foto produk

Foto produk makro sebuah cangkir stoneware tanpa glasir, badan doff warna
oatmeal, gagang yang aus oleh ibu jari, berdiri tepat di tengah sweep abu-abu
sedang tanpa sambungan. Sumber cahaya besar yang lembut dari kiri atas, satu
bayangan lembut jatuh ke kanan bawah. Tanpa teks di cangkirnya, tanpa logo,
tanpa objek lain, tanpa tangan, tanpa properti, tanpa detail latar.

Kalimat terakhir dari penulisan ulang itu bekerja lebih keras daripada tiga kalimat pertamanya digabung. Tulis pengecualiannya sebagai daftar biasa di akhir prompt, dalam register yang sama dengan sisanya. "Tanpa teks, tanpa logo, tanpa orang, tanpa kekacauan" sering menjadi baris paling bernilai di dalam file — dan pada gambar apa pun yang nantinya akan diduduki tipografi sungguhan, ia bukan opsional.

Ini lebih penting dari biasanya untuk apa pun yang Anda rencanakan untuk dikomposit. Latar hasil generasi yang di dalamnya ada setangkai rosemary karangan adalah latar yang harus Anda mask.

Menulislah untuk tier yang benar-benar Anda panggil

Keempat modelnya menerima jumlah prompt yang berbeda, dan mereka menginginkan bentuk prompt yang berbeda. Plafonnya tidak berada di tempat yang diduga orang:

Nano Banana 2 punya plafon terendah dari ketiga tier yang sekarang meski ia duduk di tengah pada harga. Itu mengejutkan semua orang pada kali pertama.

Tetapi plafon bukan batasan yang sebenarnya. Lite adalah model lite, dan prompt panjang gagal padanya dengan cara yang khas: ia menyimpan klausa pertama dan klausa terakhir lalu diam-diam menjatuhkan bagian tengahnya. Kondisi bersarang ("sebuah ruangan dengan meja yang di atasnya ada mangkuk berisi tiga buah pir, satu di antaranya memar") kembali dengan pir-nya hilang sepenuhnya. Tulis kalimat datar untuk Lite. Satu subjek, satu setting, satu sumber cahaya, satu daftar pengecualian.

Sebuah render 3D isometrik kantor open-plan modern pada golden hour dengan
empat belas karyawan berbeda di standing desk, ruang rapat berdinding kaca di
sebelah kiri berisi whiteboard, pohon fiddle-leaf fig dalam pot di sudut-sudutnya,
coffee bar di sepanjang dinding belakang dengan seorang barista, ducting terbuka
di atas, lantai beton poles yang memantulkan jendela, dan seekor kucing tertidur
di meja ketiga dari depan

Render 3D isometrik kantor open-plan pada golden hour. Barisan standing desk,
ruang rapat berdinding kaca di sebelah kiri, jendela tinggi melemparkan cahaya
hangat yang panjang melintasi lantai beton poles. Palet redam, geometri bersih.
Tanpa teks, tanpa papan nama, tanpa orang.

Prompt pertama tidak salah. Ia salah untuk Lite. Kirim ke Pro dan empat belas karyawan, ducting-nya dan kucingnya semua datang. Kirim ke Lite dan Anda mendapat sebuah kantor, sebuah jendela, dan tagihan $0.0238.

Yang merupakan versi berguna dari saran ini ke arah sebaliknya: kalau prompt Anda kurang dari enam puluh kata dengan satu subjek di dalamnya, Pro tidak membelikan Anda apa pun kecuali tiga puluh detik menunggu dan biaya kira-kira tiga kali lipat. Sebagian besar dari yang orang hasilkan adalah pekerjaan Lite. Kami lebih suka mengatakan itu daripada menjual tier teratas kepada Anda untuk sebuah latar penampung sementara. Untuk rincian penuh tier-mana-untuk-pekerjaan-apa, kami menuliskannya terpisah di perbandingan empat arah Nano Banana kami.

Aspect ratio adalah instruksi komposisi, bukan sebuah crop

Putuskan bentuknya sebelum Anda menulis kalimatnya, karena bentuknya mengubah apa yang seharusnya dikatakan kalimat itu. Banner 21:9 menginginkan cakrawala dan subjek yang didorong keluar dari tengah. Story 9:16 menginginkan tumpukan vertikal dan ruang di atas kepala. Kalau Anda menulis prompt untuk kotak lalu merendernya lebar, Anda mendapat komposisi kotak dengan bantalan di kedua sisinya, dan tampilannya akan persis seperti itu.

Katakan komposisinya lantang di dalam prompt. "Cakrawala di sepertiga bawah, subjek di sepertiga kanan, langit kosong melintasi kiri atas untuk teks" adalah instruksi sungguhan dan model-model ini menurutinya dengan baik.

Lalu ada jebakan yang merugikan orang satu batch aset penuh. Default aspect ratio tidak sama di semua tier. Di Nano Banana, Nano Banana 2 dan Nano Banana Pro default kami adalah 9:16. Di Nano Banana 2 Lite ia 1:1. Jadi konfigurasi yang tidak pernah memaku aspect_ratio menghasilkan gambar potret di tiga model dan kotak di model keempat, dan kalau Anda berpindah tier demi menghemat uang, bentuk output Anda diam-diam berubah di bawah kaki Anda.

Paku nilainya. Selalu, di setiap call, bahkan ketika default-nya kebetulan sudah yang Anda mau:

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer $E2X_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google/nano-banana-2-lite/text-to-image",
    "input": {
      "prompt": "Foto lanskap lebar sebuah punggungan granit di bawah cahaya mendung yang rata, cakrawala di sepertiga bawah, garis punggungannya masuk dari kanan, langit pucat kosong melintasi kiri atas. Tanpa teks, tanpa orang, tanpa bangunan.",
      "aspect_ratio": "21:9"
    }
  }'

Satu alasan lagi untuk tahu tier Anda: Lite membawa empat aspect ratio yang tidak dipunyai apa pun lain di katalog kami — 1:4, 4:1, 1:8 dan 8:1. Semuanya benar-benar berguna dan benar-benar kurang dipakai. Sebuah rail header selebar situs atau unit sidebar yang tinggi yang dirender pada 8:1 mengalahkan menghasilkan 16:9 lalu memotong 80% darinya, baik dalam komposisi maupun dalam apa yang Anda bayar untuk piksel yang Anda buang.

Menyunting adalah keahlian yang lain: tulis delta-nya

Di sinilah penulis prompt paling berpengalaman paling keras mundur ke belakang, karena naluri dari text-to-image adalah menggambarkan gambar yang Anda inginkan. Dalam sebuah call suntingan Anda sudah punya gambarnya. Menggambarkannya lagi berarti bersaing dengannya.

Prompt suntingan punya dua tugas: menyebut apa yang berubah, dan menyebut apa yang tidak boleh. Tidak ada hal lain yang layak berada di sana.

Seorang perempuan berusia lima puluhan di meja kafe marmer dalam cahaya
musim dingin yang rendah, mengenakan mantel merah alih-alih biru, wajah
yang sama, pose yang sama, foto editorial, 35mm, depth of field dangkal,
nada hangat

Ubah mantelnya dari biru dongker menjadi merah bata tua. Pertahankan bobot
kainnya, bentuk kerahnya dan jatuhnya persis sama. Semua hal lain di dalam
frame tidak berubah: wajah yang sama, ekspresi yang sama, tangan yang sama,
cangkir yang sama, cahaya jendela yang sama, crop yang sama.

Versi pertama menentukan ulang medium-nya, lensanya dan nadanya, dan setiap penentuan ulang itu adalah instruksi segar yang mungkin dijalankan modelnya. Begitulah Anda mendapat wajah yang berbeda tipis. Versi kedua menyentuh satu hal dan secara eksplisit membekukan sisanya.

Dua fakta mekanis yang layak diketahui sebelum Anda membangun pipeline penyuntingan. Jumlah referensinya berbeda per tier: model legacy menerima tiga gambar, endpoint edit Nano Banana 2 menerima empat belas, dan milik Nano Banana Pro juga menerima empat belas tetapi membaginya berdasarkan peran — sampai lima gambar karakter untuk identitas, enam gambar objek untuk kesetiaan produk, tiga referensi gaya. Pembagian peran itulah sebabnya Pro bisa merakit komposit iklan yang lengkap dalam satu request, dan ia topik tersendiri; kami membahasnya di menjaga karakter tetap konsisten lintas generasi Nano Banana.

Teks di dalam gambar, dan kapan tidak usah repot

Kata-kata yang terbaca di dalam gambar hadir bersama generasi Gemini 3. gemini-2.5-flash-image yang legacy tidak bisa melakukannya — satu kata kadang selamat, satu kalimat tidak pernah. Untuk apa pun yang punya tipografi sungguhan di dalamnya Anda mau Nano Banana 2, dan untuk apa pun yang tipografinya adalah intinya Anda mau Pro, yang merender teks bergaya dan multibahasa cukup baik sampai Anda bisa menyerahkan sebuah infografis berbahasa Inggris kepadanya dan mendapat versi Spanyolnya kembali dengan artwork-nya utuh.

Ketika Anda memang meminta teks, aturannya mengetat:

• Taruh kata-katanya di dalam tanda kutip, persis seperti seharusnya ia tampil.
• Sebutkan ada berapa kata dan di mana letaknya di dalam frame.
• Gambarkan bentuk hurufnya sebagai sebuah gaya, bukan sebagai nama font. "Huruf kapital Art Deco geometris yang tinggi, spasi huruf yang lapang" berhasil. Menyebut nama typeface tertentu sebagian besar tidak.
• Tutup dengan "tanpa teks lain di mana pun", atau modelnya akan menambahkan subjudul yang masuk akal yang tidak Anda minta.

Poster perjalanan vintage untuk Lisbon dengan kata LISBOA dalam huruf art deco

Ilustrasi poster perjalanan vintage era 1930-an, gaya cetak saring datar
dengan pergeseran registrasi yang terlihat. Sebuah trem krem mendaki jalan
pastel yang curam, muara Sungai Tagus di belakangnya dalam tiga bidang biru
datar. Hanya satu baris teks: kata "LISBOA" dalam huruf kapital Art Deco
geometris yang tinggi melintasi seperempat bagian bawah, oker tua di atas
krem, spasi huruf yang lapang. Tanpa teks lain di mana pun di dalam gambar.

Sekarang bagian yang tidak populer. Sebagian besar teks dalam gambar seharusnya tidak berada di dalam gambar. Kalau kata-katanya suatu saat perlu berubah, diterjemahkan, diseleksi, dibaca oleh screen reader, atau dikoreksi setelah tim legal melihatnya, hasilkan artwork-nya bersih dan set tipografinya di HTML, Figma atau template engine Anda. Memanggang sebuah headline ke dalam piksel karena sebuah model bisa melakukannya adalah keputusan yang akan Anda bayar pada revisi teks pertama. Mintalah teks yang dirender ketika tipografinya memang bagian dari artwork-nya — sebuah poster, etalase toko yang dicat, punggung buku dalam sebuah still life — dan lewati selain itu.

Ini punya sisi yang lebih tajam untuk apa pun yang berbentuk data. Model yang merender teks yang masuk akal juga merender angka yang masuk akal dan nama tempat yang masuk akal, dan itu tidak apa-apa di sebuah poster serta bencana di sebuah bagan atau peta. Kami masuk ke persisnya kenapa di kenapa generator gambar AI begitu buruk pada peta.

Template yang layak disimpan

Empat kerangka yang menutupi sebagian besar dari apa yang benar-benar orang hasilkan. Isi kurungnya, hapus yang tidak berlaku, pertahankan baris pengecualiannya.

Subjek bersih di atas dasar polos, untuk komposit:

[Medium: foto produk makro / still life studio] sebuah [subjek dengan satu
detail material yang spesifik], di tengah sweep [warna] tanpa sambungan.
[Sumber cahaya dan ukurannya] dari [arah], satu bayangan jatuh ke [arah].
Tanpa teks, tanpa logo, tanpa properti, tanpa tangan, tanpa detail latar.

Adegan editorial dengan ruang untuk teks:

[Medium] tentang [subjek melakukan satu hal spesifik], [setting]. [Cahaya:
arah, kualitas, suhu warna]. Diambil dari [ketinggian dan jarak kamera],
[crop], [depth of field]. [Subjek] di sepertiga [kiri/kanan], [permukaan
atau langit] kosong melintasi [wilayah] untuk teks. Tanpa teks, tanpa logo.

Sebuah suntingan yang mengubah satu hal:

Ubah [elemen] dari [keadaan sekarang] menjadi [keadaan tujuan]. Pertahankan
[dua atau tiga properti elemen itu yang harus selamat] persis sama. Semua hal
lain di dalam frame tidak berubah: [sebutkan bagian yang paling berisiko]
yang sama.

Ilustrasi dengan satu baris tipografi, tier Pro:

[Gaya dan era ilustrasi], [detail tekniknya]. [Adegan digambarkan dalam dua
kalimat]. Hanya satu baris teks: kata "[KATA]" dalam [deskripsi bentuk
huruf], [warna] di atas [warna], diposisikan [di mana]. Tanpa teks lain di
mana pun di dalam gambar.

Ketika prompting bukan masalahnya

Pada satu titik prompt-nya baik-baik saja dan pipeline-nya yang bermasalah: retry, seed, antrean, menyimpan output sebelum URL-nya kedaluwarsa. Itu disiplin yang lain dan kami menuliskannya di cara menghasilkan gambar otomatis pada volume besar. Dan kalau jarak yang Anda coba tutup justru soal kepercayaan fotografis alih-alih kepatuhan instruksi, daftar periksanya tinggal di panduan kami soal generator gambar AI paling realistis.

Setiap model mempublikasikan daftar parameter persisnya — himpunan aspect ratio lengkap, default-nya, apa yang ia tolak — sebagai spesifikasi yang bisa dibaca mesin, seperti file spesifikasi Nano Banana 2 Lite. Baca itu sebelum Anda menulis ulang prompt yang mulai berulah setelah pergantian model. Sembilan dari sepuluh kali prompt-nya baik-baik saja dan sebuah default bergeser di bawahnya. Ada file spesifikasi di balik setiap model di kategori text-to-image, dan di balik semua yang lain yang kami jalankan.

Pertanyaan yang sering diajukan

Bagaimana sebaiknya saya menyusun prompt Nano Banana?

Medium dulu, lalu subjek, lalu cahaya, lalu framing, lalu daftar pengecualian. Menyebut medium-nya di kata-kata pembuka mengurung setiap keputusan yang menyusul, dan menggambarkan cahayanya secara eksplisit berbuat lebih banyak bagi hasilnya daripada kata sifat kualitas sebanyak apa pun. Tutup dengan apa yang tidak boleh muncul — "tanpa teks, tanpa logo, tanpa properti" — karena model-model ini mengisi ruang yang tidak ditentukan alih-alih membiarkannya kosong.

Apakah kata kualitas seperti "8k" dan "masterpiece" membantu di Nano Banana?

Tidak. Token-token itu datang dari model difusi berbobot terbuka yang lebih awal, tempat mereka mengarahkan output ke himpunan bagian tertentu dari data latih. Model generasi Gemini tidak merespons mereka, dan mereka memakan jatah prompt yang lebih baik dibelanjakan untuk arah cahaya, posisi kamera atau pengecualian.

Seberapa panjang sebuah prompt Nano Banana boleh?

Nano Banana 2 Lite menerima sampai 32.000 karakter, Nano Banana 2 sampai 20.000, dan Nano Banana Pro sampai 50.000. Itu plafon keras, bukan target. Lite khususnya bekerja lebih buruk pada prompt panjang jauh sebelum ia mencapai batasnya, karena ia cenderung menyimpan klausa pembuka dan penutup lalu menjatuhkan bagian tengahnya.

Kenapa gambar saya keluar dengan bentuk yang salah ketika saya berpindah model?

Karena default aspect ratio berbeda per tier. Nano Banana, Nano Banana 2 dan Nano Banana Pro default ke 9:16 di API kami, sedangkan Nano Banana 2 Lite default ke 1:1. Request yang tidak pernah menyetel aspect_ratio karena itu akan berubah bentuk ketika Anda berpindah di antara model-model tersebut. Setel secara eksplisit di setiap call.

Bagaimana cara menulis prompt penyuntingan untuk Nano Banana?

Tulis delta-nya, bukan adegannya. Sebut satu hal yang berubah, sebut properti darinya yang harus selamat, lalu nyatakan bahwa semua hal lain tidak berubah dan daftarkan elemen yang paling berisiko — wajah, pose, pencahayaan, crop. Menggambarkan ulang medium, lensa atau suasana di dalam prompt suntingan itulah yang menyebabkan perubahan tak disengaja di bagian lain gambarnya.

Model Nano Banana mana yang bisa merender teks terbaca di dalam gambar?

Nano Banana 2 dan Nano Banana Pro bisa, karena teks dalam gambar yang terbaca adalah capability generasi Gemini 3. Nano Banana Pro adalah pilihan yang andal ketika tipografinya adalah intinya, karena ia juga menangani teks bergaya dan multibahasa. gemini-2.5-flash-image yang legacy sama sekali tidak bisa merender teks yang terbaca.

Apakah saya butuh Nano Banana Pro untuk kepatuhan prompt yang lebih baik?

Biasanya tidak. Keunggulan Pro adalah menahan brief komposisi yang panjang dengan beberapa hubungan spasial, ditambah gambar referensi yang terpisah peran dan teks dalam gambar yang bisa diandalkan. Kalau prompt Anda satu subjek dalam kurang dari enam puluh kata, Nano Banana 2 Lite di $0.0238 akan menurutinya sama setianya dan mengembalikannya lebih cepat.