Generazione di immagini coerenti con l'API Nano Banana

Generare una buona immagine è quasi un problema risolto. Generare la ventesima che stia ancora insieme alle prime diciannove è dove i progetti muoiono.

Il divario non è abilità nel prompting. È che "coerenza" sono tre problemi ingegneristici diversi che indossano la stessa parola, e la tecnica che risolve il primo non fa niente per gli altri due. Facciamo girare i modelli Nano Banana sulla nostra API, e questa è la request che la gente sbaglia più spesso — non perché i modelli non ne siano capaci, ma perché le reference entrano senza etichetta e il modello resta a indovinare a cosa servisse ciascuna.

Tre problemi, non uno

Li separi prima di scrivere un prompt. Falliscono in modo diverso e costano in modo diverso.

Coerenza di personaggio. La stessa persona attraverso molti frame — stesso viso, stessa corporatura, stessi capelli, riconoscibile come un singolo individuo sia seduta nel frame quattro sia in cammino nel diciannove. È un problema di identità: il modello deve portare un volto attraverso composizioni che non ha mai visto.

Fedeltà di prodotto. Non una bottiglia simile. Quella bottiglia. Proporzione esatta del tappo, posizione dell'etichetta, quella sfumatura di verde. La fedeltà è più severa dell'identità — un volto ha una tolleranza, il packaging di un cliente no.

Coerenza di stile. Il set si legge come un set solo — stesso color grading, stesso carattere dell'obiettivo, stessa qualità di luce, stessa grana. Nessun oggetto deve ripetersi; deve ripetersi il trattamento.

Quasi tutti i brief hanno bisogno di due di questi insieme e li chiedono come un'unica istruzione. "Fallo coerente" non è una richiesta su cui un'API possa agire. "L'immagine 1 è la persona, la 2 è la bottiglia, la 3 è solo color grading" sì.

La divisione per ruolo è la vera feature

Nano Banana Pro accetta fino a 14 reference image. Anche Nano Banana 2 lo fa, a quasi metà prezzo. Il numero non è la differenza. Pro divide quel budget per ruolo:

Quattordici in tutto, ma assegnate. È l'assegnazione a trasformare una reference image da suggerimento in istruzione.

Pensi a cosa succede senza. Consegna al modello quattordici immagini e una frase, e lui deduce dalla prosa quale immagine sia un volto da preservare, quale un prodotto da riprodurre esattamente e quale stia lì solo per l'atmosfera. Spesso deduce male. L'indizio è un prodotto uscito "nello stile del" Suo packaging invece che come il Suo packaging, o un volto che indossa il grading del moodboard.

Con la divisione non sta chiedendo, sta dichiarando. Cinque slot per chi, sei per cosa, tre per come appare. Un composite pubblicitario in una sola request invece di tre giri di compositing.

Pro sta a $0.075 a request al nostro prezzo del 26 agosto 2026, contro un listino di $0.15. Un'altra cosa che vale la pena sapere: su Pro 1K e 2K costano uguale. Per gli asset hero, prenda il 2K. È gratis.

Etichettare le reference dentro il prompt

La divisione per ruolo fa il lavoro strutturale. Il prompt fa quello semantico, e deve essere esplicito in un modo che sembra quasi scortese. Le reference arrivano in ordine, quindi le nomini per posizione e dica a cosa serve ciascuna, incluso a cosa non serve. È in quest'ultima parte che quasi tutti i prompt perdono acqua.

L'immagine 1 e l'immagine 2 sono la stessa donna — preserva esattamente il
viso, la lunghezza dei capelli e la corporatura. L'immagine 3 è il prodotto:
riproduci con precisione la forma della bottiglia, la proporzione del tappo e
la grafica in etichetta, non ristilizzarla. L'immagine 4 è solo color grading
e atmosfera di luce — non copiarne alcun oggetto, posa o composizione.

Metti la donna delle immagini 1-2 con in mano la bottiglia dell'immagine 3,
seduta a un tavolino di caffè accanto a una finestra, vista di tre quarti,
calda luce pomeridiana coerente con il grading dell'immagine 4.

Quattro cose fanno funzionare quel prompt, e nessuna è un quinto aggettivo:

• Ogni reference è messa a bilancio. Nessuna immagine entra senza un compito dichiarato.
• La reference di stile porta un'esclusione esplicita. Senza, un moodboard fa colare i propri mobili dentro la Sua scena.
• Le parole sull'identità sono concrete — viso, lunghezza dei capelli, corporatura — non "le assomiglia".
• L'istruzione sul prodotto dice "non ristilizzare", che è la formula che separa la fedeltà dall'ispirazione.

Qui non affrontiamo la costruzione generale del prompt; quella è la guida al prompting. Questo pezzo parla nello specifico di come dire al modello a cosa servono le Sue reference.

La request

Il lavoro di coerenza è editing, non generazione, quindi va allo slug edit-image con image_urls.

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-pro/edit-image",
    "input": {
      "prompt": "Immagine 1 e immagine 2 sono la stessa donna - preserva esattamente il viso, la lunghezza dei capelli e la corporatura. Immagine 3 è il prodotto: riproduci con precisione la forma della bottiglia, la proporzione del tappo e la grafica in etichetta, non ristilizzarla. Immagine 4 è solo color grading e atmosfera di luce, non copiarne alcun oggetto o composizione. Metti la donna con in mano la bottiglia, seduta a un tavolino di caffè accanto a una finestra, vista di tre quarti, calda luce pomeridiana.",
      "image_urls": [
        "https://cdn.example.com/refs/model-face-front.jpg",
        "https://cdn.example.com/refs/model-face-three-quarter.jpg",
        "https://cdn.example.com/refs/bottle-front.jpg",
        "https://cdn.example.com/refs/grade-warm-afternoon.jpg"
      ],
      "aspect_ratio": "4:5",
      "resolution": "2K"
    }
  }'

Il submit restituisce un job ID; ci faccia polling oppure passi webhookUrl. Pro ci mette una trentina di secondi perché genera "immagini di pensiero" intermedie mentre compone — Google non le restituisce e noi non le fatturiamo. Imposti aspect_ratio esplicitamente, dato che Pro parte da 9:16. La passeggiata completa fra i parametri sta nel tutorial sull'API di Nano Banana Pro.

Dove atterrano i tier più economici

Preferiamo farLa scendere di un tier piuttosto che venderLe Pro per un lavoro che non ne ha bisogno.

Nano Banana 2 prende le stesse 14 reference a $0.04, senza la divisione per ruolo. Va davvero bene per la coerenza di stile, dove ogni reference fa lo stesso lavoro e non c'è niente da disambiguare. Sei testate da blog che condividono una palette e un'atmosfera di luce non hanno bisogno di Pro. Hanno bisogno di una buona reference di stile e di un template di prompt congelato. Nano Banana 2 arriva anche al 4K, che Lite non tocca affatto.

Nano Banana 2 Lite sta a $0.0238 ed è costruito per il volume, non per la fedeltà. Ci ricorra quando Le servono quattrocento immagini che condividono un look e nessuna porta il volto o il packaging di un cliente. Fa solo 1K, senza parametro resolution — inviarne uno è un errore, non un no-op.

Il legacy Nano Banana si ferma a 3 reference image, che non bastano per fare personaggio e prodotto nella stessa inquadratura, e Google lo ritira il 2 ottobre 2026 — la storia completa di quel modello è un articolo a parte. Non ci apra sopra un progetto di coerenza.

Regola grossolana: il lavoro di solo stile va su Nano Banana 2 o su Lite. Tutto ciò in cui un volto umano specifico o un prodotto fisico specifico devono sopravvivere intatti va su Pro. Il divario fra $0.04 e $0.075 smette di contare nell'istante in cui un cliente rifiuta un batch perché l'etichetta era sbagliata.

I prezzi e le condizioni dei prodotti possono cambiare nel tempo. Verifichi i prezzi aggiornati di ciascun provider prima di prendere una decisione d'acquisto. Il prezzo Google Batch o Flex non è direttamente equivalente a una request API on-demand standard, perché le condizioni di pianificazione, disponibilità ed elaborazione sono diverse; è quindi escluso da questo confronto. Si tratta di un confronto circoscritto a uno scenario d'uso specifico, non dell'affermazione che E2X sia l'opzione più economica al mondo in ogni configurazione.

Costruisca una volta un set canonico di reference

L'abitudine che qui si ripaga più in fretta non ha niente a che vedere con l'API.

Costruisca il set di reference una volta, deliberatamente, e lo riusi per sempre. Non "le foto che ci trovavamo in giro" — un set fisso, versionato, salvato, da cui ogni request attinge. Per un personaggio: diversi angoli dello stesso viso sotto luce neutra, frontale, tre quarti, profilo, più una figura intera per la corporatura. Per un prodotto: fronte, retro, un dettaglio ravvicinato dell'etichetta. Per lo stile: una o due immagini che portino il grading e niente che distragga.

Poi lo congeli. Salvi gli URL da qualche parte in modo permanente — nel Suo bucket, non un link temporaneo — e passi lo stesso array in ogni request per tutta la vita del progetto.

Questo conta più della messa a punto del prompt perché la deriva è cumulativa. Generi il frame 5 dal 4 e il 6 dal 5, e i piccoli errori si compongono finché il frame 20 è un'altra persona. Ancorare ogni frame allo stesso set canonico significa che ogni generazione si allontana dall'originale di un passo, mai di venti. Un ventaglio, non una catena.

Un'abitudine collegata: se il set comprende immagini che ha generato Lei, tenga i file sorgente. Gli URL di consegna di qualsiasi API immagine scadono, quindi scarichi e salvi i Suoi asset — come far girare la generazione in automatico ha il ciclo completo.

Generi un hero, poi ne derivi le varianti

Il workflow che produce più output utilizzabile per dollaro non è "genera venti immagini". È "genera una immagine venti volte".

Faccia uno scatto hero su Pro e lo azzecchi — composizione, luce, volto, prodotto. Bruci qualche tentativo; a $0.075 l'esplorazione costa poco.

Poi smetta di generare e cominci a editare. Rimetta dentro l'hero approvato come reference accanto al Suo set canonico e chieda il cambiamento che vuole: altro angolo, altro sfondo, altro taglio, la modella che guarda altrove invece che in camera. Ogni variante è ancorata a qualcosa che ha già superato la revisione invece che a un nuovo lancio di dadi.

L'editing batte la rigenerazione per una ragione facile da mancare. Una rigenerazione ridecide tutto; ogni parametro di cui era contento torna in gioco. Un editing tiene fermo ciò che non ha nominato. Dopo aver passato un pomeriggio ad azzeccare un volto, ridecidere quel volto venti volte è l'ultima cosa che vuole.

Due note pratiche. Tenga d'occhio il conteggio delle reference mentre rimette dentro l'hero — hero più un set personaggio da cinque immagini più un prodotto fanno già sette su quattordici. E salvi il prompt dell'hero approvato accanto all'immagine; una variante di solito è quel prompt con due clausole scambiate, e riscriverlo a memoria reintroduce la deriva che ha appena pagato per togliere.

La parte che nessun set di reference risolve

Google imprime SynthID in ogni immagine che i suoi modelli producono. È invisibile, viaggia dentro il file, e non è un'impostazione che qualcuno esponga perché non è affatto un'impostazione. Qui conta più che nella maggior parte degli articoli: i progetti di coerenza sono progetti su commessa, e il contratto di un cliente può portare una clausola sugli asset generati dall'IA. Chiarisca quella clausola prima di scattare il set di reference, non dopo che venti frame approvati sono già dentro una presentazione.

Il lavoro di coerenza è quasi sempre editing, quindi i modelli image-to-image sono lo scaffale da sfogliare per primo, e il catalogo ha la parte video se il brief si sposta.

Domande frequenti

Come mantengo lo stesso personaggio su più immagini generate dall'IA?

Costruisca un set canonico di reference — diversi angoli dello stesso viso sotto luce neutra, più uno scatto a figura intera per la corporatura — lo salvi in modo permanente, e passi le stesse immagini a ogni request. Usi gli slot personaggio di Nano Banana Pro, che tengono fino a 5 immagini di identità, e dichiari nel prompt quali immagini sono la persona. Ancori ogni frame al set originale invece che al frame precedente, o gli errori si compongono in un altro volto entro il ventesimo.

Quante reference image accetta l'API di Nano Banana?

Nano Banana Pro ne accetta 14, divise per ruolo: fino a 5 immagini di personaggio, fino a 6 immagini di oggetto e fino a 3 reference di stile. Anche Nano Banana 2 ne accetta 14, ma senza la divisione per ruolo. Nano Banana 2 Lite è costruito per il volume più che per il lavoro carico di reference, e il Nano Banana legacy si ferma a 3.

Qual è la differenza fra coerenza di personaggio e fedeltà di prodotto?

Coerenza di personaggio significa che una persona resta riconoscibile su molte immagini — stesso viso, stessi capelli, stessa corporatura, con tolleranza per piccole variazioni. Fedeltà di prodotto significa che l'oggetto si riproduce esattamente: grafica dell'etichetta precisa, proporzione del tappo e colore, nessuna ristilizzazione. Pro le gestisce in slot di reference diversi perché hanno bisogno di severità diverse, e il prompt dovrebbe dire quali immagini siano quali.

Meglio Nano Banana Pro o Nano Banana 2 per immagini coerenti?

Usi Nano Banana 2 a $0.04 quando il bisogno è stilistico — immagini che condividono palette, luce e trattamento, senza alcun volto o prodotto specifico da preservare. Usi Nano Banana Pro a $0.075 quando un volto particolare o un prodotto fisico devono sopravvivere intatti, perché è il budget di reference diviso per ruolo a dire al modello quale sia quale. Il divario di prezzo è piccolo accanto a un batch rifiutato.

Come etichetto le reference image in un prompt Nano Banana?

Le richiami per posizione nell'ordine in cui le passa in image_urls, e dichiari a cosa serve ciascuna. "L'immagine 1 e la 2 sono la stessa donna, preserva viso e corporatura; l'immagine 3 è il prodotto, riproducilo esattamente; l'immagine 4 è solo color grading, non copiarne alcun oggetto o composizione." Le esclusioni contano quanto le istruzioni, dato che una reference di stile senza qualificazioni farà colare i propri oggetti e la propria composizione dentro la Sua scena.

Meglio editare un'immagine esistente o generarne una nuova?

Editare, una volta che ha un'immagine che approva. Una rigenerazione ridecide ogni elemento, compresi quelli di cui era contento; un editing tiene fermo tutto ciò che non ha nominato. Il workflow efficiente è un hero fatto con cura, poi le varianti derivate da lui attraverso l'endpoint edit-image con allegate le Sue reference canoniche.

Perché le mie immagini generate si allontanano dal personaggio originale?

Quasi sempre perché ogni nuova immagine è stata generata dalla precedente invece che da un set di reference fisso. Questo rende gli errori cumulativi — una mascella leggermente più tonda nel frame 3 diventa la base di partenza del frame 4, e al frame 20 è un'altra persona. Ancori ogni request alle stesse immagini canoniche salvate, così ogni output dista un passo dall'originale invece di venti.