Как писать prompt, которым модели Nano Banana следуют

Большинство руководств по prompt — это списки прилагательных. Прилагательные — та часть prompt, которая значит меньше всего.

Мы гоняем все четыре модели Nano Banana за одним API, и способы, которыми prompt проваливается, достаточно однообразны, чтобы их записать. Сорок слов на прилагательные качества и два на свет. Компоновочный бриф длиной под Pro, выпущенный в самый дешёвый уровень. Запрос на правку, который заново описывает всю сцену и возвращается другой картинкой. Ничто из этого не проблемы модели. Это проблемы письма, а у проблем письма есть решения.

Медиум, объект, свет, кадр — именно в этом порядке

Prompt читается целиком, но ранние части фразы работают больше поздних. Они задают пространство, в котором придётся жить остальному предложению. Начните с «красивая женщина» — и модели придётся угадывать, делает ли она фотографию, картину маслом или 3D-рендер, а угадывать она будет по тому, что статистически подразумевают остальные ваши слова. Начните с «редакционная фотография на 35 мм» — и каждое следующее решение уже ограничено одним медиумом.

Итак, порядок:

1. Медиум. Самая крупная развилка в дереве. Фотография, изометрический рендер, плоская векторная иллюстрация, гуашь, предметное макро. Выберите один и назовите его в первых четырёх словах.
2. Объект. Не категорию — конкретную вещь. «Женщина за столиком кафе» — это сток. «Женщина лет пятидесяти, обе ладони вокруг белой чашки» — это картинка.
3. Свет. Направление, характер, цвет. Одно это предложение двигает результат сильнее любого другого, и почти никто его не пишет.
4. Кадр. Высота камеры, дистанция, крупность, глубина резкости и куда уходит пустое место.

Вот один и тот же запрос, написанный плохо и написанный как надо.

Красивая женщина в кофейне, highly detailed, 8k, masterpiece,
trending on artstation, ultra realistic, professional photography, award
winning, sharp focus, bokeh

Редакционная фотография на 35 мм. Женщина лет пятидесяти сидит одна за
мраморным столиком кафе, обе ладони обхватывают белую чашку, смотрит за
кадр влево. Низкое зимнее солнце сквозь окно позади неё обводит её волосы
и выбеливает улицу снаружи. Снято от соседнего столика на уровне глаз
сидящего, поясной план, малая глубина резкости, фон уходит в мягкий серый.

Что изменилось: медиум переехал вперёд, объект получил один конкретный жест, свет получил направление и температуру, а камера — позицию. Про качество не добавлено ничего. Второй prompt не детальнее в расплывчатом смысле — он более решённый.

И перестаньте писать «highly detailed, 8k, masterpiece». На этих моделях это не делает ничего. Эти токены — груз из культуры prompt для Stable Diffusion образца 2022 года, где они подталкивали куда меньшую модель к определённому срезу её обучающих данных. Модели поколения Gemini на них не отзываются, и каждый такой токен — бюджет, который вы могли бы потратить на описание того, откуда идёт свет.

Пустое место заполнят, если вы его не займёте

Эти модели ничего не оставляют пустым. Опишите кружку и промолчите о том, что вокруг, — изображение всё равно будет содержать окружение, и это будет то, что обычно содержит фотография кружки: деревянный стол, льняная салфетка, веточка чего-то, окно в расфокусе и примерно в сорока процентах случаев слово, напечатанное на кружке.

Это самая частая жалоба, которую мы слышим, и это не вопрос качества. Просто никто не сказал не надо.

Керамическая кружка на столе, предметный кадр

Макросъёмка одной кружки из необожжённого каменного теста, матовое
овсяное тело, потёртая большим пальцем ручка, стоит ровно по центру на
бесшовном средне-сером фоне-циклораме. Крупный мягкий источник сверху
слева, одна деликатная тень уходит вниз вправо. Никакого текста на кружке,
никакого логотипа, никаких других предметов, никаких рук, никакого
реквизита, никаких деталей фона.

Последнее предложение этой переписки работает больше, чем первые три вместе. Пишите исключения простым списком в конце prompt, в том же регистре, что и всё остальное. «Без текста, без логотипов, без людей, без хлама» часто самая ценная строка в файле — а для любого изображения, поверх которого потом ляжет настоящая типографика, она не опциональна.

Для всего, что вы собираетесь монтировать, это важнее обычного. Сгенерированный фон с придуманной веточкой розмарина — это фон, который придётся маскировать.

Пишите под тот уровень, который вы реально вызываете

Четыре модели берут разное количество prompt и хотят разной формы prompt. Потолки лежат не там, где ждут:

У Nano Banana 2 самый низкий потолок из трёх актуальных уровней, хотя по цене она посередине. Первый раз это удивляет всех.

При этом настоящее ограничение не в потолках. Lite — это lite-модель, и длинные prompt проваливаются на ней специфически: она удерживает первую фразу и последнюю, а середину тихо теряет. Вложенные условия («комната со столом, на котором стоит миска с тремя грушами, одна из которых помята») возвращаются вообще без груш. Пишите для Lite плоскими предложениями. Один объект, одна обстановка, один источник света, один список исключений.

Изометрический 3D-рендер современного опенспейса в золотой час, четырнадцать
разных сотрудников за столами-стойками, слева переговорная со стеклянными
стенами и маркерной доской, в углах фикусы лировидные в кадках, вдоль
дальней стены кофе-бар с бариста, сверху открытые воздуховоды, полированный
бетонный пол отражает окна, и кот спит на третьем столе от нас

Изометрический 3D-рендер опенспейса в золотой час. Ряды столов-стоек, слева
переговорная со стеклянными стенами, высокие окна бросают длинный тёплый
свет через полированный бетонный пол. Приглушённая палитра, чистая
геометрия. Без текста, без вывесок, без людей.

Первый prompt не ошибочен. Он ошибочен для Lite. Отправьте его в Pro — и четырнадцать сотрудников, воздуховоды и кот придут все. Отправьте в Lite — и получите офис, окно и счёт на $0.0238.

Что даёт полезную версию этого совета в обратную сторону: если ваш prompt короче шестидесяти слов и в нём один объект, Pro не покупает вам ничего, кроме тридцати секунд ожидания и примерно тройной цены. Большая часть того, что люди генерируют, — работа для Lite. Мы лучше скажем вам это, чем продадим верхний уровень ради фонового плейсхолдера. Полный разбор «какой уровень под какую задачу» мы сделали отдельно, в сравнении четырёх Nano Banana.

Aspect ratio — это инструкция по композиции, а не кроп

Решайте форму до того, как напишете предложение, потому что форма меняет то, что предложение должно говорить. Баннеру 21:9 нужны горизонт и объект, сдвинутый от центра. Сторис 9:16 нужны вертикальная сборка и воздух над головой. Напишете prompt под квадрат и отрендерите вширь — получите квадратную композицию с полями по бокам, и выглядеть это будет ровно так.

Проговаривайте композицию в самом prompt. «Горизонт в нижней трети, объект в правой трети, пустое небо по верху слева под текст» — это настоящая инструкция, и эти модели ей следуют хорошо.

Дальше ловушка, которая стоит людям целого батча ассетов. Aspect ratio по умолчанию у уровней разные. На Nano Banana, Nano Banana 2 и Nano Banana Pro у нас по умолчанию 9:16. На Nano Banana 2 Lite — 1:1. Значит, конфиг, который никогда не фиксирует aspect_ratio, выдаёт вертикальные изображения на трёх моделях и квадраты на четвёртой, а если вы переключите уровень ради экономии, форма вашего вывода молча поменяется у вас под руками.

Фиксируйте его. Всегда, на каждом вызове, даже когда значение по умолчанию совпадает с нужным:

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": "Широкая пейзажная фотография гранитного гребня при ровном пасмурном свете, горизонт в нижней трети, линия гребня входит справа, пустое бледное небо по верху слева. Без текста, без людей, без построек.",
      "aspect_ratio": "21:9"
    }
  }'

Ещё одна причина знать свой уровень: у Lite есть четыре aspect ratio, которых нет больше нигде в нашем каталоге, — 1:4, 4:1, 1:8 и 8:1. Они по-настоящему полезны и по-настоящему недоиспользуются. Сквозная шапка-полоса или высокий сайдбар-блок, отрендеренные в 8:1, бьют генерацию 16:9 с последующим отрезанием 80% — и по композиции, и по тому, сколько вы заплатили за выброшенные пиксели.

Редактирование — другое умение: пишите дельту

Здесь сильнее всего откатываются назад самые опытные авторы prompt, потому что инстинкт из text-to-image — описать желаемую картинку. В вызове на правку картинка у вас уже есть. Описание её заново с ней же и конкурирует.

У prompt на правку две задачи: назвать, что меняется, и назвать, что не должно. Больше туда ничего не относится.

Женщина лет пятидесяти за мраморным столиком кафе при низком зимнем свете,
в красном пальто вместо синего, то же лицо, та же поза, редакционная
фотография, 35 мм, малая глубина резкости, тёплые тона

Смени пальто с тёмно-синего на глубокий кирпично-красный. Сохрани плотность
ткани, форму воротника и посадку идентичными. Всё остальное в кадре без
изменений: то же лицо, то же выражение, те же руки, та же чашка, тот же
свет из окна, та же крупность.

Первая версия заново задаёт медиум, объектив и тональность, и каждое такое переуказание — свежая инструкция, по которой модель может отработать. Вот так и получается едва заметно другое лицо. Вторая версия трогает одну вещь и явно замораживает остальное.

Два механических факта, которые стоит знать до того, как строить пайплайн редактирования. Количество референсов различается по уровням: legacy-модель берёт три изображения, edit-endpoint Nano Banana 2 — четырнадцать, а у Nano Banana Pro тоже четырнадцать, но с разделением по ролям: до пяти изображений персонажа под идентичность, шесть объектных под точность товара, три стилевых референса. Именно это разделение ролей позволяет Pro собрать целый рекламный композит одним request, и это отдельная большая тема; мы разбираем её в материале как удержать персонажа одинаковым между генерациями Nano Banana.

Текст в кадре и когда не стоит связываться

Читаемые слова внутри изображения пришли с поколением Gemini 3. Legacy gemini-2.5-flash-image так не умеет: отдельное слово иногда выживает, предложение — никогда. Для всего, где есть настоящая типографика, нужна Nano Banana 2, а для всего, где типографика и есть смысл, — Pro: она рисует стилизованный и многоязычный текст достаточно хорошо, чтобы отдать ей англоязычную инфографику и получить обратно испанскую версию с нетронутой графикой.

Когда вы всё-таки просите текст, правила ужесточаются:

• Ставьте слова в кавычки ровно в том виде, в каком они должны появиться.
• Скажите, сколько слов и где они стоят в кадре.
• Описывайте начертание как стиль, а не как имя шрифта. «Высокие геометрические капители ар-деко, широкий межбуквенный просвет» работает. Название конкретной гарнитуры в основном нет.
• Заканчивайте фразой «больше нигде никакого текста», иначе модель добавит правдоподобный подзаголовок, которого вы не просили.

Винтажный туристический плакат Лиссабона со словом LISBOA буквами ар-деко

Иллюстрация в духе туристического плаката 1930-х, плоская шелкография с
видимыми смещениями приводки. Кремовый трамвай поднимается по крутой
пастельной улице, за ним устье Тежу тремя плоскими синими. Только одна
строка текста: слово "LISBOA" высокими геометрическими капителями ар-деко
поперёк нижней четверти, глубокая охра по кремовому, широкий межбуквенный
просвет. Больше нигде в изображении никакого текста.

Теперь непопулярная часть. Большей части текста в кадре быть не должно. Если словам когда-нибудь понадобится измениться, быть переведёнными, быть выделенными, быть прочитанными скринридером или быть исправленными после того, как на них посмотрят юристы, — генерируйте графику чистой и набирайте шрифт в HTML, Figma или вашем шаблонизаторе. Запечь заголовок в пиксели, потому что модель так умеет, — решение, за которое вы заплатите на первой же правке текста. Просите отрисованный текст, когда шрифт действительно часть графики: плакат, крашеная вывеска магазина, корешок книги в натюрморте. В остальных случаях пропускайте.

У всего, что похоже на данные, край острее. Модель, рисующая правдоподобный текст, рисует и правдоподобные числа, и правдоподобные топонимы — что нормально на плакате и катастрофично на графике или карте. Почему именно так, мы разобрали в материале почему ИИ-генераторы изображений так плохи в картах.

Шаблоны, которые стоит сохранить

Четыре скелета, покрывающие большую часть того, что люди реально генерируют. Заполните скобки, удалите неподходящее, оставьте строку исключений.

Чистый объект на ровном фоне, под монтаж:

[Медиум: предметное макро / студийный натюрморт]: один [объект с одной
конкретной деталью материала], по центру на бесшовной [цвет] циклораме.
[Источник света и его размер] [направление], одна тень уходит [направление].
Без текста, без логотипа, без реквизита, без рук, без деталей фона.

Редакционная сцена с местом под текст:

[Медиум]: [объект делает одну конкретную вещь], [обстановка]. [Свет:
направление, характер, цветовая температура]. Снято с [высота и дистанция
камеры], [крупность], [глубина резкости]. [Объект] в [левой/правой] трети,
пустая [поверхность или небо] по [область] под текст. Без текста, без
логотипов.

Правка, меняющая одну вещь:

Смени [элемент] с [текущее состояние] на [целевое состояние]. Сохрани
[два-три свойства этого элемента, которые обязаны выжить] идентичными. Всё
остальное в кадре без изменений: те же [перечислите самые уязвимые части].

Иллюстрация с одной строкой шрифта, уровень Pro:

[Стиль и эпоха иллюстрации], [деталь техники]. [Сцена, описанная двумя
предложениями]. Только одна строка текста: слово "[СЛОВО]" [описание
начертания], [цвет] по [цвет], расположено [где]. Больше нигде в
изображении никакого текста.

Когда проблема не в prompt

В какой-то момент prompt в порядке, а проблема в пайплайне: ретраи, seed, очереди, сохранение вывода до того, как URL протухнет. Это другая дисциплина, и мы описали её в статье как автогенерировать изображения на объёме. А если разрыв, который вы пытаетесь закрыть, — именно фотографическая достоверность, а не следование инструкциям, чек-лист под это лежит в нашем гиде по самому реалистичному ИИ-генератору изображений.

Каждая модель публикует точный список своих параметров — полный набор aspect ratio, значения по умолчанию, то, от чего она отказывается — в виде машиночитаемой спецификации, как файл спецификации Nano Banana 2 Lite. Прочитайте его, прежде чем переписывать prompt, который начал чудить после смены модели. В девяти случаях из десяти prompt был в порядке, а под ним сдвинулось значение по умолчанию. Файл спецификации есть за каждой моделью в категории text-to-image и за всем остальным, что мы гоняем.

Частые вопросы

Как структурировать prompt для Nano Banana?

Сначала медиум, затем объект, затем свет, затем кадрирование, затем список исключений. Названный в первых словах медиум ограничивает каждое следующее решение, а явное описание света делает для результата больше, чем любое количество прилагательных качества. Заканчивайте тем, чего не должно быть, — «без текста, без логотипов, без реквизита», — потому что эти модели заполняют незаданное пространство, а не оставляют его пустым.

Помогают ли слова качества вроде «8k» и «masterpiece» на Nano Banana?

Нет. Эти токены пришли из ранних диффузионных моделей с открытыми весами, где они уводили вывод к определённому подмножеству обучающих данных. Модели поколения Gemini на них не отзываются, а бюджет prompt они съедают — тот, который лучше потратить на направление света, позицию камеры или исключения.

Насколько длинным может быть prompt для Nano Banana?

Nano Banana 2 Lite принимает до 32 000 символов, Nano Banana 2 — до 20 000, Nano Banana Pro — до 50 000. Это жёсткие потолки, а не ориентиры. В частности, Lite работает на длинных prompt хуже задолго до того, как дойдёт до своего лимита, потому что склонна удерживать начальные и завершающие фразы и терять середину.

Почему при смене модели изображения выходят не той формы?

Потому что aspect ratio по умолчанию различается по уровням. Nano Banana, Nano Banana 2 и Nano Banana Pro на нашем API по умолчанию дают 9:16, а Nano Banana 2 Lite — 1:1. Поэтому request, который никогда не задаёт aspect_ratio, меняет форму при переходе между этими моделями. Задавайте его явно на каждом вызове.

Как написать prompt на редактирование для Nano Banana?

Пишите дельту, а не сцену. Назовите единственное, что меняется, назовите его свойства, которые обязаны выжить, затем заявите, что всё остальное без изменений, и перечислите самые уязвимые элементы — лицо, позу, свет, крупность. Переописание медиума, объектива или настроения в prompt на правку и есть причина непрошеных изменений в других местах изображения.

Какая модель Nano Banana умеет рисовать читаемый текст в изображении?

Nano Banana 2 и Nano Banana Pro умеют, потому что читаемый текст в кадре — возможность поколения Gemini 3. Nano Banana Pro — надёжный выбор, когда типографика и есть смысл, поскольку она справляется и со стилизованным, и с многоязычным текстом. Legacy gemini-2.5-flash-image не умеет рисовать читаемый текст вовсе.

Нужна ли Nano Banana Pro ради лучшего следования prompt?

Обычно нет. Преимущество Pro — удерживать длинный компоновочный бриф с несколькими пространственными связями плюс референсные изображения с разделением ролей и надёжный текст в кадре. Если у вас один объект в пределах шестидесяти слов, Nano Banana 2 Lite за $0.0238 последует ему так же добросовестно и вернёт результат быстрее.