Nano Banana Pro

Nano Banana Pro erzeugt nativ in 2K und geht bis 4K, mit Exporten zwischen 15MB und 20MB. Es unterstützt eine breite Spanne an Seitenverhältnissen, von 1:1 bis 9:16 und breiteren Kinorahmen, sodass ein Prompt mehrere Plattformen abdeckt. Das spart Einrichtungszeit. Das Ergebnis hält sowohl für den Druck als auch für den Bildschirm.

Lesbaren Text darzustellen war lange die Schwachstelle von KI-Bildmodellen, und hier hebt sich dieses Modell ab. Kurze Slogans und längere Absätze kommen korrekt geschrieben heraus, sogar auf gewölbten Flächen wie Verpackungen und UI-Panels. Es baut die Buchstaben auch mit geometrischer Präzision nach, sodass Beschriftungen sich mit dem Kamerawinkel krümmen, statt flach zu schweben. Schluss mit unlesbarem Kauderwelsch.

Sie können bis zu 14 Referenzbilder in eine einzige Szene einspeisen und bis zu 5 Figuren wiedererkennbar halten. Das zählt, wenn eine Marke dasselbe Model oder Maskottchen über eine Reihe von Bildern braucht. Statt ein eigenes Modell zu trainieren, gruppieren Sie die Referenzen und lassen das Modell die Identität zusammenhalten. Die Figurenkonsistenz ist stark, die Inszenierung drumherum aber nicht immer: Menschen und Requisiten stehen manchmal im Bild, ohne aufeinander zu reagieren, was wie eine Collage wirkt und nicht wie ein eingefangener Moment.

Das Modell reagiert auf Begriffe aus der Fotografie. Bitten Sie um „seitliches Rim-Light", „geringe Tiefenschärfe" oder eine Farbkorrektur, und es setzt sie um. Sie ändern auch den Fokus und tauschen Tageslicht gegen Nachtlicht. Das ist ein Schritt dahin, Prompts wie ein Lichtset zu behandeln und nicht wie einen Spielautomaten. Dieser Wandel zählt für Teams.

Weil es auf Google Search zurückgreift, kann das Modell Infografiken aus echten Daten statt aus Vermutungen bauen, etwa zu Wetter, Sportergebnissen oder dem natürlichen Verbreitungsgebiet einer Pflanze. Laut Google ist dieses Grounding der Grund, warum es dichten Text in ein beschriftetes Bild verwandeln kann, das wirklich stimmt, und es ist die Funktion, die ein überzeugendes Lehrdiagramm von einem hübschen Bild trennt, das zusammenbricht, sobald jemand einen Fakt prüft. Das ist eine Menge.

Jedes erzeugte oder bearbeitete Bild trägt C2PA-Metadaten und ein SynthID-Wasserzeichen. Plattformen und Betrachter können den Inhalt dann als KI-gemacht kennzeichnen. Diese Transparenz hilft bei Offenlegungsregeln, bedeutet aber auch, dass eine reine, unmarkierte Ausgabe nicht möglich ist. Keine Ausnahmen.