機(jī)器之心報道

編輯：楊文

神秘AI模型納米香蕉火了，冒出了一批假網(wǎng)站，李鬼和李逵傻傻分不清。

近日，AI社區(qū)又冒出了一個神秘的圖像生成和編輯模型，名叫納米香蕉。

它在 LMArena 平臺的“Battle”模式中被發(fā)現(xiàn)，但未在公開排行榜上列出，也沒有官方開發(fā)者明確聲明其所有權(quán)。

很多網(wǎng)友都追蹤著蛛絲馬跡，猜測這可能是谷歌的研究模型

周二，谷歌 AI Studio 產(chǎn)品負(fù)責(zé)人 Logan Kilpatrick 在 X 上發(fā)布了一個香蕉表情符號。

谷歌 DeepMind 產(chǎn)品經(jīng)理 Naina Raisinghani 也發(fā)布了一張與意大利藝術(shù)家 Maurizio Cattelan 2019 年創(chuàng)作的膠帶粘貼香蕉藝術(shù)作品類似的圖片。

再加上谷歌過去曾將其較小的模型稱為“Nano”，以及其生成的圖像與Google的Imagen或Gemini系列相似。

以上種種，似乎都在暗示它出自谷歌之手。

該模型不僅在文本編輯、風(fēng)格融合和場景理解等方面表現(xiàn)更優(yōu)，還可以上傳兩張圖片、輸入提示詞將其中的元素融合。

例如，上傳一摞書和臥室床頭柜的圖片，輸入提示詞“將一摞書翻到直立并放在兩個書擋之間的桌子上。”

它能準(zhǔn)確理解復(fù)雜的文本提示，將橫放的三本書立起來，并加上書擋貨架到柜子上。

上傳一張模特照再加上一張?zhí)籽b帽子圖，輸入提示詞：“把棒球帽戴在女人身上?！?/p>

棒球帽上有復(fù)雜的文字和圖案，納米香蕉編輯后的圖片保留了帽子上的所有細(xì)節(jié)，同時光線、視角和構(gòu)圖也能保持一致。

在產(chǎn)品照片、場景搭建圖、廣告等商業(yè)場景下，Nano-Banana的表現(xiàn)也穩(wěn)定得不錯。

當(dāng)然，它也不是完美無缺的，在某些情況下，Nano-Banana生成的圖像可能會出現(xiàn)機(jī)器人、提示邏輯或瞄準(zhǔn)位置不一致等視覺問題，人物的手指也偶爾會出現(xiàn)變形的情況。

如果細(xì)看上生成的書籍，就能發(fā)現(xiàn)其中的瑕疵：書名出現(xiàn)了「鬼畫符」。

由于尚無官方API或正式的官網(wǎng)鏈接，我們只能通過LMArena隨機(jī)體驗該模型。

很快，每次都得靠運氣才能遇到 Nano Banana，體驗很驚喜。

更搞笑的是，網(wǎng)上出現(xiàn)了多個假網(wǎng)站，聲稱提供 Nano Banana 服務(wù)，讓網(wǎng)友李鬼和李逵傻傻分不清。

納米香蕉一手評測

我們也來了一個手測評。

lmarena官網(wǎng)，選擇戰(zhàn)斗模式，可以直接輸入提示詞進(jìn)行文生圖，也可以上傳圖片、輸入提示詞再進(jìn)行AI編輯。

官網(wǎng)鏈接：https://lmarena.ai/

頁面會出現(xiàn)兩個匿名模型同時生成圖片，只有當(dāng)我們選出生成質(zhì)量最好的一張圖片時，平臺才會亮出對戰(zhàn)雙方的身份。

先來試試文生圖效果。

我們輸入同樣的提示詞：以寶麗來照片拍攝風(fēng)格呈現(xiàn)一幅肖像風(fēng)格圖像。照片中，一位化妝師留著長長的卷發(fā)，身著寬松的服裝。她面容精致，散發(fā)著隨意的氣息，對著鏡頭比出和平手勢，營造出一種極致自由的氛圍。圖像略帶顆粒感，色彩鮮艷迷人，1:1比例。

第一幅是 Nano Banana 的「作品」，第二幅是 ChatGPT 生成的效果。先前生成的圖片背景有雜亂的眼影盤、指甲油等，更符合提示詞中的「化妝師」身份，而且人物的動作、服裝更自然，手部也沒有細(xì)節(jié)明顯的瑕疵；而背部背景同樣單一，大拇指也有些虛化。

再來試試它的圖片編輯功能。

上傳一張舊金山阿拉莫廣場的野餐照片，輸入提示詞：在公園里添加一些人形機(jī)器人，使它們與環(huán)境融為一體。

乍一看我們還以為納米香蕉「跳舞」了，直到在畫面右側(cè)找到了一個正在行走的類人機(jī)器人，它完全適應(yīng)了環(huán)境，毫無違和感。

我們上傳一張人物攝影照片，讓 Nano Banana 進(jìn)行逆向工程繪畫其創(chuàng)作過程。

提示詞：展示之前設(shè)置的場景，模特坐著滾動她的手機(jī)，模特身后有一個女人在整理她的頭發(fā)，一個男人站在梯子上，在背景中掛上窗簾，露出后面的工作室。

有網(wǎng)友用Nano Banana讓碧梨和邁克爾·杰克遜跨時空自拍：

我們也嘗試了下。上傳馬斯克和奧特曼的照片，輸入提示詞：兩個人正在開心地自拍。

Nano Banana確實生成了一張自拍照，馬斯克的形象、動作也幾乎找不出什么問題，只是奧特曼大變樣。

為了不「冤枉」它，我們又給了它一次機(jī)會，納米香蕉還是翻車。

入口繼續(xù)升級。上傳小扎、面具肖像照和一張風(fēng)景照，讓 Nano Banana 把兩個人自然地放在圖三中。

Gemini 2.0 flash生成的效果完全認(rèn)不出這兩個大佬，而Nano Banana將二人完美巴基斯坦圖三環(huán)境中，不過手指等細(xì)節(jié)方面還是有瑕疵。

進(jìn)階玩法

如果把 Nano-Banana 和谷歌的 Veo3 結(jié)合在一起，會碰撞出怎樣的火花？

@a16z 合伙人 Justine Moore 就搞了一個新工作流，用于制作簡短的視頻。

該視頻下方是一個游戲或電影中的潛行任務(wù)場景，角色從昏暗的博物館中盜取了一幅名畫，引發(fā)了激光警報。

她還放出了制作教程。取出第一個視頻片段的最后一幀，然后將幀上傳到 lmarena 上的 Nano Banana，提示生成下一個場景，例如「角色轉(zhuǎn)向走廊」，然后將新生成的幀用 Veo 3 進(jìn)行動畫制作。

X網(wǎng)友@ZHO_ZHO_ZHO則發(fā)現(xiàn)了Nano-Banana另一種好玩的玩法——把插畫變成手辦。

上傳一張圖片，輸入提示詞：將這張照片轉(zhuǎn)換成人物模型。在它后面放置一個印有人物圖像的盒子，以及一臺顯示 Blender 建模過程的電腦。在盒子前面，放置一個圓形塑料底座，人物模型站在上面。盡量使用透明的 PVC 材質(zhì)，并盡可能將場景設(shè)置在室內(nèi)。

根據(jù)該博主評測，Nano-Banana生成的圖幾乎沒有AI味道，五官和細(xì)節(jié)都保留得很好，真實感。

然后再用Veo3將其制作為8秒視頻。 提示詞：用雙手拿起圖形并從各個角度展示。

底下評論區(qū)踴躍網(wǎng)友也按照上述工作流程整活。比如哪吒道德抱拳的：

還有哆啦A夢的，正面看哆啦A夢的尾巴挺正常，但轉(zhuǎn)個身就大變樣：

我們也復(fù)刻了下，上傳一張Q版插畫圖片，輸入以上提示詞。

效果如下：

最后打開Gemini 2.5 Pro，選擇視頻，上傳生成的圖片，輸入提示詞，靜待1分鐘左右，就能獲得一段8秒視頻。

上周末，谷歌Veo 3對所有Gemini用戶免費開放，供其體驗AI視頻生成功能。

這個免費體驗活動僅持續(xù)到太平洋時間8月24日晚上10點（北京時間8月25日上午1點）。在此期間，免費用戶每天最多生成3個8秒的視頻片段，每個視頻都包含自動生成的音頻。

通常，Veo 3 的視頻生成功能僅對 Google AI Pro 或 Ultra 訂閱用戶開放。Pro 用戶每天可生成 3 個視頻，而 Ultra 用戶的損耗為 10 個視頻。

感興趣的朋友也去體驗一波吧。

https://x.com/ginacostag_/status/1959234207127134340

https://x.com/venturetwins/status/1957155767888548160

https://x.com/techhalla/status/1959186906115354692

https://x.com/ZHO_ZHO_ZHO/status/1958550998815023573

文中視頻鏈接：https://mp.weixin.qq.com/s/ClnR2h_YGXtWNrpJ3TOilA