3.3 KiB
3.3 KiB
title, type, tags, date
| title | type | tags | date | ||||
|---|---|---|---|---|---|---|---|
| Nano Banana 提示词框架 | source |
|
2026-03-15 |
Source File
Summary（用中文描述）
- 核心主题：AI 图像生成的标准化结构化提示词框架（Nano Banana Prompting Framework）
- 问题域：解决 AI 图像生成中提示词不规范、不完整、难以复现的问题
- 方法/机制：提供两套 JSON Schema 模板（物件描述框架 + 人物描述框架），将提示词结构化为 shot / subject / environment / lighting / camera / color_grade / style / quality / negatives 等可填字段
- 结论/价值：将艺术总监级别的摄影描述语言转化为可结构化填写的模板，降低 AI 图像生成的门槛，提升输出一致性和专业度
Key Claims（用中文描述）
- Nano Banana 框架通过标准化 JSON Schema 将专业摄影描述语言结构化，使 AI 图像生成输出更可控、更专业
- 物件描述框架与人物描述框架共用核心参数（shot / lighting / camera / color_grade / style / quality / negatives），仅 subject 字段有差异化定义
- negatives（负向提示词）字段用于主动排除不需要的元素，是保证输出纯净度的关键机制
- 示例中的手表描述展示了如何将具体材质、工艺、光影条件数字化填入模板
Key Quotes
"shot: Macro close-up shot, square aspect ratio (1:1), centered composition." — 镜头类型与构图规范 "negatives: no scratches, no dust, no logos or brand names, no human hands, blurry watch face, unrealistic lighting." — 负向提示词排除清单 "Hyper-realistic CGI render, commercial product photography, luxury and precision." — 风格定义示例
Key Concepts
- Nano Banana Prompting Framework：AI 图像生成的结构化提示词框架，提供物件和人物两套 JSON Schema 模板
- Structured Prompt Engineering：将自然语言描述转化为结构化 JSON 字段的提示词工程方法，提升 AI 输出的可控性和可复现性
- Negative Prompting：通过 negatives 字段主动声明不想要的元素，是提升 AI 图像质量的重要机制
- Shot Composition：镜头类型与构图规范的标准化定义（如 Macro close-up shot）
- Photography Lighting Description：专业布光描述语言（key light / fill light / rim light 三灯布光法）
- Camera Parameter Specification：相机参数化描述（focal_length / aperture / angle）
Key Entities
- Google：Nano Banana 框架的发布方（source 文件标签含 google）
- Nano Banana：Google 发布的 AI 图像生成工具品牌
Connections
- Nano Banana Pro 提示词指南 ← 进阶版本 ← Nano Banana 提示词框架
- 文字生成视频网站推荐 ← 同属 AI 内容生成工具领域 ← Nano Banana 提示词框架
Contradictions
- 与 清华出的DeepSeek使用手册 冲突：
- 冲突点：文本生成领域强调"语义推理"能力，图像生成领域强调"结构化模板"规范
- 当前观点：Nano Banana 框架认为标准化模板是专业输出的关键
- 对方观点：DeepSeek 提示词强调"灵活性"和"自然语言表达"，避免框架约束
- 注：两者适用于不同模态（图像 vs 文本），框架 vs 灵活并非绝对对立