Key Takeaway
- Nano Banana优势：Google图像生成模型，指令遵循性极强，提供“言出法随”体验；但多数用户描述随缘，导致不确定性。
- 提示词框架：JSON结构化9部分（shot主体镜头、subject主体细节、environment环境、lighting光线、camera拍摄、color_grade色彩、style风格、quality质量、negatives排除），提升可控性/效率，适合生产。
- 填充方法：用AI从参考图片提取描述填框架（分别针对各部分，拼装调整）；简单规避玄学，可调整用于视频生成，社群专视频介绍。
如果你在用Google的Nano banana生图，那本期视频一定要看完。我会给你一套提示词框架。它是完全结构化、模块化的。你使用它，生图的可控性还有效率绝对会极大提升！
Nano banana是Google的图像生成模型。推出之后，火遍全球。我很少用“炸裂”之类的形容词。但是，Google这根香蕉是真的“炸裂”。它的指令遵循性实在太好了，给人一种“言出法随”的成就感。
可惜的是，绝大多数人在下达指令的时候，还处于随缘的状态。有的地方描述很详细，有的地方却有遗漏了。这个就带来很大的不确定性。而在生产环境中，我们最忌讳的就是这种不确定性。
那么，我的这套提示词框架就是要解决这个问题。举个例子，要生成这样的图片，该怎么描述呢？这是我的提示词。它采用JSON格式，包含了九个部分。
第一，shot。它定义了整个镜头是什么样的。比如，这是一个微距特写镜头，采用居中构图。
第二，subject。它定义了画面中的主体。这个主体可以是人，也可以是物。比如，这是一款奢华的男士腕表。它的表壳是不锈钢抛光的。它的表盘是白色的。
如果主体是物体，那么可以使用materials、details等细项进行描述。如果主体是人物，可以使用age、appearance、pose等细项进行描述。
第三，environment。它定义了主体所处的环境是什么样的。比如，手表放在一块什么样的石板上。背景是什么样的。
第四，lighting。它定义了光线是什么样的。比如是自然光，还是影棚里的灯光。光线从什么角度照过来。是锐利的，还是柔和的。
第五，camera。它定义了拍摄的信息。比如，使用多少毫米的镜头，多大的光圈，从什么角度拍。
第六，color_grade。它定义了画面的色彩风格。比如，对比度要高，饱和度可以低一点点。
第七，style。它定义了画面的风格。比如，超写实CGI渲染。
第八，quality。它定义了画面的质量水平。比如，我们需要8K分辨率，有着完美的材质着色器。
第九，negatives。它定义了我们不希望出现在画面中的内容。比如，我们不喜欢有品牌的Logo出现，也不要出现手。这个非常关键。如果你不交代的话，很可能AI会自作主张加上去。
你看，这套提示词，虽然它也是用自然语言进行描述，但是它采用了JSON的结构，并且分成了九个部分去定义。有了这样的框架，AI就能清楚地知道你脑子里的图像究竟长什么样。
只要你定义得足够清晰，把它拿去多次生成，出来的结果都大差不差。这样的东西才能拿到生产环境中去使用。
另一方面，这套框架对你来说也是一个规范。当你构思的时候，就别想到哪是哪，而是规规矩矩地去填空，把每一部分都想清楚。
那么问题来了：框架是有了，但是里边的细节，我真的不知道该怎么表达，怎么办？
很简单：让AI帮你抄呗。
你先去找图。比如这张图片，除了主体之外，其它的东西都是你想要的。那么就把图片和提示词框架一起给到AI，让它帮你填空。然后，你只需要把其中的主体部分替换掉就行。
用这种方法，你可以按照框架里的前八个部分分别去找对标的图片，比如你想要的环境、你想要的光线、你想要的风格。然后分别让AI帮你生成对应的描述。最后你只需要把它们拼装起来，做一些调整就搞定了。
就这么简单。完全没必要搞得那么玄学。这个是图像生成。其实视频生成也差不多。在这套框架上做一些调整就可以了。回头我出社群专属视频介绍吧。
OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！