Scrivere prompt che i modelli Nano Banana seguono davvero

Quasi tutte le guide al prompting sono elenchi di aggettivi. Gli aggettivi sono la parte di un prompt che conta meno.

Facciamo girare tutti e quattro i modelli Nano Banana dietro un'unica API, e i modi in cui un prompt fallisce sono abbastanza costanti da poterli mettere per iscritto. Quaranta parole spese in aggettivi di qualità e due sulla luce. Un brief compositivo da Pro sparato al tier più economico. Una richiesta di editing che ridescrive tutta la scena e torna indietro come un'altra immagine. Nessuno di questi è un problema di modello. Sono problemi di scrittura, e i problemi di scrittura si risolvono.

Medium, soggetto, luce, inquadratura — in quest'ordine

Un prompt viene letto come un tutto, ma le clausole iniziali lavorano più di quelle finali. Fissano lo spazio in cui il resto della frase dovrà vivere. Apra con "una bella donna" e il modello deve indovinare se sta facendo una fotografia, un olio o un render 3D, e indovinerà in base a quello che le Sue altre parole implicano statisticamente. Apra con "fotografia editoriale 35mm" e ogni decisione successiva è già vincolata a un solo medium.

Quindi l'ordine:

1. Medium. La biforcazione più grande dell'albero. Fotografia, render isometrico, illustrazione vettoriale piatta, dipinto a guazzo, macro di prodotto. Ne scelga uno e lo nomini nelle prime quattro parole.
2. Soggetto. Non la categoria — la cosa specifica. "Una donna a un tavolino di caffè" è una foto stock. "Una donna sui cinquant'anni, entrambe le mani intorno a una tazza bianca" è un'immagine.
3. Luce. Direzione, qualità, colore. Questa singola frase sposta il risultato più di qualunque altra, e non la scrive quasi nessuno.
4. Inquadratura. Altezza della camera, distanza, taglio, profondità di campo, e dove va lo spazio vuoto.

Ecco la stessa richiesta scritta male e poi scritta come si deve.

Una bellissima donna in una caffetteria, highly detailed, 8k, masterpiece,
trending on artstation, ultra realistic, professional photography, award
winning, sharp focus, bokeh

Fotografia editoriale 35mm. Una donna sui cinquant'anni è seduta da sola a un
tavolino di marmo, entrambe le mani strette intorno a una tazza bianca, lo
sguardo fuori campo a sinistra. Sole basso d'inverno dalla finestra alle sue
spalle, che le contorna i capelli e brucia a bianco la strada fuori. Scattata
dal tavolo accanto all'altezza degli occhi da seduti, mezzo busto, profondità
di campo ridotta, sfondo che decade in un grigio morbido.

Cosa è cambiato: il medium è passato in testa, il soggetto ha ricevuto un gesto specifico, la luce ha ottenuto una direzione e una temperatura, e la camera una posizione. Sulla qualità non è stato aggiunto nulla. Il secondo prompt non è più dettagliato nel senso vago del termine — è più deciso.

E smetta di scrivere "highly detailed, 8k, masterpiece". Su questi modelli non fa niente. Quei token sono zavorra della cultura di prompting di Stable Diffusion del 2022, dove spingevano un modello molto più piccolo verso una certa fetta dei suoi dati di training. I modelli di generazione Gemini non ci rispondono, e ognuno di quei token è budget che avrebbe potuto spendere per descrivere da dove arriva la luce.

Lo spazio vuoto viene riempito, a meno che se lo prenda Lei

Questi modelli non lasciano fuori le cose. Se descrive una tazza e non dice niente di cosa la circonda, l'immagine conterrà comunque un contorno, e sarà quello che di solito contiene una foto di tazza: un tavolo di legno, un tovagliolo di lino, un rametto di qualcosa, una finestra sfocata e, grossomodo nel quaranta per cento dei casi, una parola stampata sulla tazza.

È la lamentela che sentiamo più spesso, e non è un problema di qualità. Nessuno ha detto di non farlo.

Una tazza di ceramica su un tavolo, foto di prodotto

Fotografia macro di prodotto di una singola tazza in gres non smaltato, corpo
opaco color avena, manico consumato dal pollice, in piedi esattamente al
centro su un fondale continuo grigio medio. Sorgente ampia e morbida
dall'alto a sinistra, una sola ombra tenue che cade in basso a destra.
Nessun testo sulla tazza, nessun logo, nessun altro oggetto, nessuna mano,
nessun oggetto di scena, nessun dettaglio di sfondo.

L'ultima frase di quella riscrittura lavora più delle prime tre messe insieme. Scriva le esclusioni come una lista semplice in fondo al prompt, nello stesso registro del resto. "Niente testo, niente loghi, niente persone, niente disordine" è spesso la riga di maggior valore del file — e su qualsiasi immagine che poi si troverà sotto della tipografia vera, non è opzionale.

Questo conta più del solito per tutto ciò che ha intenzione di comporre. Uno sfondo generato con dentro un rametto di rosmarino inventato è uno sfondo su cui dovrà passare una mask.

Scriva per il tier che sta davvero chiamando

I quattro modelli prendono quantità diverse di prompt, e vogliono forme diverse di prompt. I tetti non stanno dove la gente se li aspetta:

Nano Banana 2 ha il tetto più basso dei tre tier attuali, pur stando in mezzo sul prezzo. La prima volta sorprende tutti.

I tetti però non sono il vincolo vero. Lite è un modello lite, e i prompt lunghi ci falliscono in un modo preciso: tiene la prima clausola e l'ultima e lascia cadere in silenzio quella in mezzo. Le condizioni annidate ("una stanza con un tavolo su cui poggia una ciotola che contiene tre pere, una delle quali ammaccata") tornano indietro senza pere del tutto. Per Lite scriva frasi piatte. Un soggetto, un ambiente, una sorgente di luce, una lista di esclusioni.

Un render 3D isometrico di un moderno ufficio open space all'ora d'oro con
quattordici dipendenti distinti a scrivanie in piedi, una sala riunioni con
pareti in vetro sulla sinistra che contiene una lavagna bianca, ficus lyrata
in vaso negli angoli, un bancone caffè lungo la parete di fondo con un
barista, canalizzazioni a vista in alto, pavimenti in cemento lucidato che
riflettono le finestre, e un gatto addormentato sulla terza scrivania dal
fronte

Render 3D isometrico di un ufficio open space all'ora d'oro. File di
scrivanie in piedi, una sala riunioni con pareti in vetro sulla sinistra,
finestre alte che gettano lunghe luci calde su un pavimento in cemento
lucidato. Palette smorzata, geometria pulita. Niente testo, niente
insegne, niente persone.

Il primo prompt non è sbagliato. È sbagliato per Lite. Lo mandi a Pro e i quattordici dipendenti, le canalizzazioni e il gatto arrivano tutti. Lo mandi a Lite e ottiene un ufficio, una finestra e un conto da $0.0238.

Che è poi la versione utile del consiglio letto al contrario: se il Suo prompt sta sotto le sessanta parole con un solo soggetto dentro, Pro non Le compra niente tranne trenta secondi d'attesa e grossomodo il triplo del costo. Quasi tutto quello che la gente genera è lavoro da Lite. Preferiamo dirglielo piuttosto che venderLe il tier di punta per uno sfondo segnaposto. Per la scomposizione completa quale-tier-per-quale-lavoro, l'abbiamo messa a parte nel nostro confronto a quattro fra i Nano Banana.

L'aspect ratio è un'istruzione di composizione, non un ritaglio

Decida la forma prima di scrivere la frase, perché la forma cambia quello che la frase dovrebbe dire. Un banner 21:9 vuole un orizzonte e un soggetto spostato dal centro. Una storia 9:16 vuole una pila verticale e aria sopra la testa. Se scrive un prompt per un quadrato e lo renderizza largo, ottiene una composizione quadrata con del riempimento ai lati, e si vedrà esattamente così.

Dica la composizione ad alta voce dentro il prompt. "Orizzonte nel terzo inferiore, soggetto sul terzo destro, cielo vuoto lungo tutta la parte superiore sinistra per il testo" è un'istruzione vera e questi modelli la seguono bene.

Poi c'è la trappola che costa alla gente un intero batch di asset. L'aspect ratio di default non è lo stesso su tutti i tier. Su Nano Banana, Nano Banana 2 e Nano Banana Pro il nostro default è 9:16. Su Nano Banana 2 Lite è 1:1. Quindi una configurazione che non fissa mai aspect_ratio produce immagini verticali su tre modelli e quadrati sul quarto, e se cambia tier per risparmiare la forma del Suo output cambia in silenzio sotto i piedi.

La fissi. Sempre, a ogni chiamata, anche quando il default coincide con quello che vuole:

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": "Fotografia di paesaggio panoramica di una cresta di granito sotto una luce piatta da cielo coperto, orizzonte nel terzo inferiore, la linea di cresta che entra da destra, cielo chiaro e vuoto lungo tutta la parte superiore sinistra. Niente testo, niente persone, nessuna costruzione.",
      "aspect_ratio": "21:9"
    }
  }'

Un altro motivo per sapere su quale tier si trova: Lite porta quattro aspect ratio che nient'altro nel nostro catalogo ha — 1:4, 4:1, 1:8 e 8:1. Sono davvero utili e davvero poco usati. Un rail di testata a tutta larghezza o un modulo alto da sidebar renderizzati a 8:1 battono il generare un 16:9 e buttarne via l'80% ritagliando, sia nella composizione sia in quanto ha pagato per i pixel che ha scartato.

L'editing è un'altra abilità: scriva il delta

È qui che chi scrive prompt da più tempo regredisce di più, perché l'istinto che viene dal text-to-image è descrivere l'immagine che si vuole. In una chiamata di editing l'immagine ce l'ha già. Ridescriverla vuol dire farle concorrenza.

Un prompt di editing ha due compiti: nominare cosa cambia e nominare cosa non deve cambiare. Nient'altro ci sta dentro.

Una donna sui cinquant'anni a un tavolino di marmo nella luce bassa
d'inverno, che indossa un cappotto rosso invece di uno blu, stesso viso,
stessa posa, fotografia editoriale, 35mm, profondità di campo ridotta,
tonalità calde

Cambia il cappotto da blu navy a rosso mattone profondo. Mantieni identici il
peso del tessuto, la forma del collo e la caduta. Tutto il resto
nell'inquadratura resta invariato: stesso viso, stessa espressione, stesse
mani, stessa tazza, stessa luce dalla finestra, stesso taglio.

La prima versione rispecifica il medium, l'obiettivo e il tono, e ognuna di quelle rispecifiche è un'istruzione nuova su cui il modello può agire. È così che si ottiene un viso leggermente diverso. La seconda versione tocca una cosa sola e congela esplicitamente il resto.

Due fatti meccanici che vale la pena sapere prima di costruire una pipeline di editing. Il numero di reference cambia per tier: il modello legacy prende tre immagini, l'endpoint di editing di Nano Banana 2 ne prende quattordici, e quello di Nano Banana Pro ne prende anch'esso quattordici ma le divide per ruolo — fino a cinque immagini di personaggio per l'identità, sei immagini di oggetto per la fedeltà del prodotto, tre reference di stile. È quella divisione dei ruoli a permettere a Pro di assemblare un composite pubblicitario completo in una sola request, ed è un argomento tutto suo; lo trattiamo in tenere coerente un personaggio fra le generazioni Nano Banana.

Testo dentro l'immagine, e quando non vale la pena

Le parole leggibili dentro un'immagine sono arrivate con la generazione Gemini 3. Il legacy gemini-2.5-flash-image non ci riesce — una singola parola a volte sopravvive, una frase mai. Per qualsiasi cosa con dentro della tipografia vera Le serve Nano Banana 2, e per qualsiasi cosa in cui la tipografia sia il punto Le serve Pro, che rende testo stilizzato e multilingue abbastanza bene da poterLe consegnare la versione spagnola di un'infografica inglese con l'artwork intatto.

Quando chiede del testo, le regole si stringono:

• Metta le parole fra virgolette, esattamente come devono apparire.
• Dica quante parole ci sono e dove stanno nell'inquadratura.
• Descriva le lettere come uno stile, non come il nome di un font. "Maiuscole geometriche Art Déco alte, spaziatura generosa" funziona. Nominare un carattere specifico quasi mai.
• Chiuda con "nessun altro testo da nessuna parte", o il modello aggiungerà un sottotitolo plausibile che non ha chiesto.

Un poster di viaggio vintage per Lisbona con la parola LISBOA in lettere art déco

Illustrazione da poster di viaggio anni Trenta, stile serigrafia piatta con
sfasamenti di registro visibili. Un tram color crema che sale una ripida via
pastello, l'estuario del Tago dietro in tre blu piatti. Una sola riga di
testo: la parola "LISBOA" in maiuscole geometriche Art Déco alte lungo il
quarto inferiore, ocra scuro su crema, spaziatura generosa. Nessun altro
testo da nessuna parte nell'immagine.

Ora la parte impopolare. Quasi tutto il testo dentro le immagini non dovrebbe stare dentro l'immagine. Se le parole dovranno mai cambiare, essere tradotte, essere selezionate, essere lette da uno screen reader o essere corrette dopo che ci ha messo gli occhi il legale, generi l'artwork pulito e componga il testo in HTML, in Figma o nel Suo motore di template. Cuocere un titolo dentro i pixel perché un modello sa farlo è una decisione che pagherà alla prima revisione dei testi. Chieda testo renderizzato quando il carattere fa davvero parte dell'artwork — un poster, un'insegna dipinta, il dorso di un libro in una natura morta — e negli altri casi lo salti.

Questo ha un bordo più tagliente per qualsiasi cosa abbia forma di dato. Un modello che rende testo plausibile rende anche numeri plausibili e nomi di luogo plausibili, il che va bene su un poster ed è catastrofico su un grafico o su una mappa. Siamo entrati esattamente nel perché in perché i generatori di immagini IA sono così scarsi con le mappe.

Template da tenersi

Quattro scheletri che coprono gran parte di quello che la gente genera davvero. Riempia le parentesi, cancelli ciò che non si applica, tenga la riga delle esclusioni.

Soggetto pulito su fondo neutro, per il compositing:

[Medium: fotografia macro di prodotto / natura morta in studio] di un singolo
[soggetto con un dettaglio di materiale specifico], al centro su un fondale
continuo [colore]. [Sorgente di luce e dimensione] da [direzione], una sola
ombra che cade [direzione]. Niente testo, niente logo, niente oggetti di
scena, niente mani, nessun dettaglio di sfondo.

Scena editoriale con spazio per il testo:

[Medium] di [soggetto che fa una cosa specifica], [ambiente]. [Luce:
direzione, qualità, temperatura colore]. Scattata da [altezza e distanza
della camera], [taglio], [profondità di campo]. [Soggetto] sul terzo
[sinistro/destro], [superficie o cielo] vuoto lungo [zona] per il testo.
Niente testo, niente loghi.

Un editing che cambia una cosa sola:

Cambia [elemento] da [stato attuale] a [stato obiettivo]. Mantieni identiche
[le due o tre proprietà di quell'elemento che devono sopravvivere]. Tutto il
resto nell'inquadratura resta invariato: stesse [elenchi le parti più a
rischio].

Illustrazione con una sola riga di testo, tier Pro:

[Stile ed epoca dell'illustrazione], [dettaglio di tecnica]. [Scena descritta
in due frasi]. Una sola riga di testo: la parola "[PAROLA]" in [descrizione
delle lettere], [colore] su [colore], posizionata [dove]. Nessun altro testo
da nessuna parte nell'immagine.

Quando il problema non è il prompt

A un certo punto il prompt va bene ed è la pipeline il problema: retry, seed, code, salvare l'output prima che l'URL scada. È un'altra disciplina e l'abbiamo scritta in come generare immagini in automatico a volume. E se il divario che sta cercando di chiudere è specificamente la credibilità fotografica invece dell'aderenza alle istruzioni, la checklist per quello vive nella nostra guida al generatore di immagini IA più realistico.

Ogni modello pubblica la propria lista esatta di parametri — set completo di aspect ratio, default, cosa rifiuta — come specifica leggibile dalla macchina, per esempio il file di specifica di Nano Banana 2 Lite. Lo legga prima di riscrivere un prompt che ha cominciato a comportarsi male dopo un cambio di modello. Nove volte su dieci il prompt andava bene ed è un default a essersi spostato sotto. C'è un file di specifica dietro ogni modello nella categoria text-to-image, e dietro tutto il resto che facciamo girare.

Domande frequenti

Come dovrei strutturare un prompt per Nano Banana?

Prima il medium, poi il soggetto, poi la luce, poi l'inquadratura, poi una lista di esclusioni. Nominare il medium nelle parole d'apertura vincola ogni decisione che segue, e descrivere la luce in modo esplicito fa più per il risultato di qualsiasi quantità di aggettivi di qualità. Chiuda con ciò che non deve comparire — "niente testo, niente loghi, niente oggetti di scena" — perché questi modelli riempiono lo spazio non specificato invece di lasciarlo vuoto.

Le parole di qualità come "8k" e "masterpiece" aiutano su Nano Banana?

No. Quei token vengono da modelli di diffusione a pesi aperti più vecchi, dove orientavano l'output verso un sottoinsieme preciso dei dati di training. I modelli di generazione Gemini non ci rispondono, e consumano budget di prompt che sarebbe meglio speso in direzione della luce, posizione della camera o esclusioni.

Quanto può essere lungo un prompt per Nano Banana?

Nano Banana 2 Lite accetta fino a 32.000 caratteri, Nano Banana 2 fino a 20.000 e Nano Banana Pro fino a 50.000. Sono tetti invalicabili, non obiettivi. Lite in particolare rende peggio sui prompt lunghi ben prima di arrivare al proprio limite, perché tende a tenere le clausole d'apertura e di chiusura e a lasciar cadere quella centrale.

Perché le mie immagini escono della forma sbagliata quando cambio modello?

Perché l'aspect ratio di default cambia per tier. Nano Banana, Nano Banana 2 e Nano Banana Pro partono da 9:16 sulla nostra API, mentre Nano Banana 2 Lite parte da 1:1. Una request che non imposta mai aspect_ratio cambierà quindi forma quando si sposta fra quei modelli. Lo imposti esplicitamente a ogni chiamata.

Come si scrive un prompt di editing per Nano Banana?

Scriva il delta, non la scena. Nomini la singola cosa che cambia, nomini le proprietà di quella cosa che devono sopravvivere, poi dichiari che tutto il resto resta invariato ed elenchi gli elementi più a rischio — viso, posa, illuminazione, taglio. Ridescrivere medium, obiettivo o atmosfera in un prompt di editing è ciò che provoca cambiamenti indesiderati altrove nell'immagine.

Quale modello Nano Banana sa rendere testo leggibile dentro un'immagine?

Nano Banana 2 e Nano Banana Pro ci riescono, perché il testo leggibile dentro l'immagine è una capability della generazione Gemini 3. Nano Banana Pro è la scelta affidabile quando la tipografia è il punto, dato che gestisce anche testo stilizzato e multilingue. Il legacy gemini-2.5-flash-image non sa proprio rendere testo leggibile.

Mi serve Nano Banana Pro per una migliore aderenza al prompt?

Di solito no. Il vantaggio di Pro è tenere un lungo brief compositivo con diverse relazioni spaziali, più le reference image separate per ruolo e il testo affidabile dentro l'immagine. Se il Suo prompt è un singolo soggetto in meno di sessanta parole, Nano Banana 2 Lite a $0.0238 lo seguirà con la stessa fedeltà e Le tornerà indietro più in fretta.