Nano Banana Pro

Nano Banana Pro génère nativement en 2K et pousse jusqu'en 4K, avec des exports qui se situent entre 15 Mo et 20 Mo. Il prend en charge un large éventail de proportions, du 1:1 au 9:16 et à des cadres cinématographiques plus larges, donc un seul prompt couvre plusieurs plateformes. Cela fait gagner du temps de préparation. Le résultat tient aussi bien à l'impression qu'à l'écran.

Rendre un texte lisible était le point faible de longue date des modèles d'image par IA, et c'est là que celui-ci se distingue. Les slogans courts et les paragraphes plus longs sortent correctement orthographiés, même sur des surfaces courbes comme les emballages et les panneaux d'interface. Il reconstruit aussi les lettres avec une précision géométrique, si bien que l'enseigne se courbe avec l'angle de caméra au lieu de flotter à plat. Fini le charabia illisible.

Vous pouvez injecter jusqu'à 14 images de référence dans une seule scène tout en gardant jusqu'à 5 personnages reconnaissables. Cela compte quand une marque a besoin du même mannequin ou de la même mascotte sur une série de visuels. Au lieu d'entraîner un modèle sur mesure, vous regroupez les références et laissez le modèle tenir l'identité. La cohérence de personnage est forte, mais la mise en scène autour ne l'est pas toujours : les personnes et les objets se posent parfois dans le cadre sans réagir les uns aux autres, ce qui se lit comme un collage plutôt qu'un instant capturé.

Le modèle répond aux termes de la photographie. Demandez un « contre-jour latéral », une « faible profondeur de champ » ou un étalonnage, et il les applique. Vous pouvez aussi changer la mise au point et passer d'un éclairage de jour à un éclairage de nuit. C'est un pas vers des prompts traités comme un jeu de lumières plutôt que comme une machine à sous. Ce basculement compte pour les équipes.

Comme il s'appuie sur Google Search, le modèle peut construire des infographies à partir de données réelles plutôt que de suppositions, comme la météo, des résultats sportifs ou l'aire de répartition d'une plante. Selon Google, cet ancrage est ce qui lui permet de transformer un texte dense en un visuel légendé réellement précis, et c'est la fonction qui sépare un schéma pédagogique convaincant d'une jolie image qui s'écroule dès que quelqu'un vérifie un fait. C'est loin d'être anodin.

Chaque image générée ou modifiée porte des métadonnées C2PA et un filigrane SynthID. Les plateformes et les spectateurs peuvent alors étiqueter le contenu comme fait par IA. Cette transparence aide à respecter les règles de divulgation, mais elle signifie aussi qu'une sortie pure et non marquée n'est pas possible. Aucune exception ici.