掌握 Google 最新影像模型：Nano Banana Pro 開發者實戰手冊

想要深入了解 Google 最新的 Nano Banana Pro (Gemini 3 Pro Image) 模型嗎？本文將帶領讀者從環境設定、API 串接，到掌握其獨特的「思考能力」與「搜尋整合」功能。無論是追求 4K 高畫質輸出，還是複雜的圖文整合，這份完整指南將協助開發者充分發揮這款 AI 工具的潛力，打造令人驚艷的創意應用。

建議搭配原文https://x.com/GoogleAIStudio/article/1992267030050083091

導言：AI 繪圖的全新進化

想像一下，如果 AI 不僅僅是聽從指令畫圖，而是像一位真正的藝術家一樣，在動筆前會先仔細思考構圖、邏輯甚至去查閱最新的資料，那會是什麼樣的體驗？Google AI Studio 最新推出的 Nano Banana Pro（即 Gemini 3 Pro Image）正是這樣一款突破性的工具。

相較於強調速度與性價比的 Flash 版本（Nano Banana），這款 Pro 版本引入了更為高階的功能：它具備「思考」能力、能結合 Google 搜尋結果，甚至支援驚人的 4K 解析度輸出。對於開發者與專業創作者來說，這意味著創作複雜、高精細度應用的門檻大幅降低。這不僅僅是畫素的提升，更是創作邏輯的轉變。接下來，本文將一步步拆解如何使用這款強大的工具。

1. Google AI Studio：開發者的最佳試驗場

對於終端使用者來說，或許透過 Gemini App 就能體驗到新模型的功能，但對於開發者而言，Google AI Studio 才是真正展現身手的地方。這裡不僅是用來測試提示詞（Prompts）的沙盒，更是未來透過 Gemini API 建構應用程式的起點。

要開始使用 Nano Banana Pro，你需要前往 Google AI Studio 並登入 Google 帳號。在模型選擇器中，請準確選取 Nano Banana Pro (Gemini 3 Pro Image)。這裡有一個關鍵差異需要注意：與普通的 Nano Banana 不同，Pro 版本沒有免費層級。這意味著在開始之前，必須確保專案已連結計費帳戶。雖然這聽起來增加了一些門檻，但考慮到其提供的功能，這筆投資往往是值得的。

此外，Google AI Studio 還允許開發者直接在網頁上編寫和測試 Web App，甚至可以參考現有的範例程式碼進行修改，大大加速了原型的開發過程。

2. 專案環境設定與計費啟用

在撰寫任何程式碼之前，基礎建設必須先打好。要順利跟隨本指南操作，你需要準備好以下三樣東西：

• 從 Google AI Studio 取得的 API Key。
• 已設定計費（Billing）的 Google Cloud 專案。
• 安裝好適用於 Python 或 JavaScript/TypeScript 的 Google Gen AI SDK。

步驟 A：獲取 API Key

當你首次登入 AI Studio 時，系統通常會自動建立一個 Google Cloud 專案與對應的 API Key。如果沒有，只需開啟 API 金鑰管理介面，點擊複製圖示即可。這個金鑰就像是通往 AI 世界的鑰匙，請務必妥善保管。

步驟 B：啟用計費功能

這是許多新手容易卡關的地方。由於 Nano Banana Pro 是付費模型，你必須在 API 金鑰管理頁面中，點擊專案旁邊的「設定計費」（Set up billing），並依照螢幕指示完成信用卡或帳戶綁定。

關於成本的小提示： Nano Banana Pro 的圖像生成成本高於 Flash 版本，特別是在 4K 解析度下。撰寫本文時，生成一張 1K 或 2K 圖片的成本約為 $0.134 美元，而 4K 圖片則為 $0.24 美元（尚未包含輸入與文字輸出的 Token 費用）。

省錢秘訣： 如果你的應用對時間不敏感，可以使用 Batch API。雖然可能需要等待較長時間（最多 24 小時）才能收到結果，但可以節省高達 50% 的生成成本。

步驟 C：安裝 SDK

選擇你偏好的程式語言進行安裝。以 Python 為例，指令非常簡單：

pip install -U google-genai
# 安裝 Pillow 函式庫以進行圖片處理
pip install -U Pillow

若使用 JavaScript / TypeScript：

npm install @google/genai

3. 初始化客戶端 (Client Initialization)

一切準備就緒後，就可以開始寫程式了。要呼叫 Pro 模型，我們需要指定正確的模型 ID：gemini-3-pro-image-preview。

以下是 Python 的初始化範例：

from google import genai
from google.genai import types

# 初始化客戶端
client = genai.Client(api_key="YOUR_API_KEY")

# 設定模型 ID
PRO_MODEL_ID = "gemini-3-pro-image-preview"

這段程式碼建立了一個與 Google 伺服器溝通的橋樑，後續所有的指令都將透過這個 client 物件發送。

4. 基礎生成：經典操作 (Basic Generation)

在探索那些花俏的新功能之前，我們先來看看標準的圖像生成是如何運作的。開發者可以透過 response_modalities 參數來控制輸出內容（僅圖像，或是包含文字），並透過 aspect_ratio 設定圖片比例。

prompt = "Create a photorealistic image of a siamese cat with a green left eye and a blue right eye."
aspect_ratio = "16:9" 

response = client.models.generate_content(
    model=PRO_MODEL_ID,
    contents=prompt,
    config=types.GenerateContentConfig(
        response_modalities=['Text', 'Image'], # 可以設定只回傳圖片
        image_config=types.ImageConfig(
            aspect_ratio=aspect_ratio,
        )
    )
)

# 顯示並儲存圖片
for part in response.parts:
    if image:= part.as_image():
        image.save("cat.png")

這就像是數位時代的「Hello World」，一旦成功生成這張異色瞳的暹羅貓圖片，就代表你的環境已經完全打通了。

5. 解鎖「思考」能力 (The “Thinking” Process)

這正是 Nano Banana Pro 與眾不同之處。這個模型不只是在畫畫，它還會「思考」。這意味著當面對複雜、曲折或抽象的提示詞時，模型會先進行邏輯推理，規劃畫面結構，然後才開始生成圖像。最棒的是，開發者可以查看這個思考過程！

要啟用此功能，只需在設定中將 include_thoughts 設為 True。

prompt = "Create an unusual but realistic image that might go viral"

# ... (省略部分設定代碼)

thinking_config=types.ThinkingConfig(
    include_thoughts=True # 啟用思考過程
)

# 顯示圖片與思考內容
for part in response.parts:
    if part.thought:
        print(f"Thought: {part.text}")
    elif image:= part.as_image():
        image.save("viral.png")

執行後，你可能會看到模型輸出類似這樣的思考路徑：「我現在要專注於描繪一群駱駝。目標是捕捉牠們在玻利維亞拉巴斯一輛擁擠巴士上的通勤場景…」。這種透明度讓你彷彿在與一位藝術家對話，了解他如何理解你的需求，這對於調整提示詞非常有幫助。

6. 搜尋整合：即時資訊視覺化 (Search Grounding)

傳統的 AI 模型往往受限於訓練數據的截止日期，無法得知昨天發生了什麼。但 Nano Banana Pro 打破了這個限制。透過 Search Grounding（搜尋整合），模型可以存取 Google 搜尋的即時數據，生成準確且具時效性的圖像。

想要視覺化東京未來五天的天氣預報嗎？沒問題。

prompt = "Visualize the current weather forecast for the next 5 days in Tokyo as a clothing guide"

response = client.models.generate_content(
    # ...
    tools=[{"google_search": {}}] # 啟用 Google 搜尋工具
)

模型會先去搜尋最新的氣象資料，然後生成一張包含正確溫度、天氣狀況以及建議穿著的圖表。這對於製作新聞配圖、即時資訊圖表或是動態行銷素材來說，絕對是一項殺手級功能。

7. 4K 高解析度生成 (High-Resolution 4K)

有時候，細節決定成敗。當你需要列印品質的圖像，或者需要在大型螢幕上展示時，標準解析度可能不夠用。Nano Banana Pro 支援原生 4K 解析度輸出。

設定非常直觀：

resolution = "4K" # 選項包含 "1K", "2K", "4K"

# ...
image_size=resolution
# ...

但請記住，4K 生成的成本較高。建議在開發初期或測試 Prompt 階段先使用較低解析度，待確認畫面滿意後，再切換至 4K 進行最終輸出。這是一種平衡品質與預算的聰明做法。

8. 多語言能力與圖片內文字 (Multilingual Capabilities)

Nano Banana Pro 不僅是畫家，還是語言學家。它能夠在圖像中生成清晰的文字，甚至跨越十幾種語言進行翻譯。這對於需要製作多國語言行銷素材的團隊來說，簡直是神隊友。

你可以要求模型製作一張關於相對論的西班牙語圖表，或者直接將現有的英文圖表「翻譯」成日文，同時保持原有的視覺風格。

# 將圖片內容翻譯成日文
message = "Translate this infographic in Japanese, keeping everything else the same"

這項功能實際上讓它變成了一個「視覺通用翻譯機」，極大擴展了內容在地化的可能性。

9. 進階圖片混合 (Advanced Image Mixing)

Flash 模型最多只能混合 3 張圖片，但 Pro 版本將這個數字提升到了 14 張！這就像是舉辦了一場視覺派對，你可以將產品圖、風格參考圖、人物素材等一口氣丟給模型。

這對於製作複雜的拼貼畫，或是需要展示完整產品線的場景非常有用。

contents=[
    "An office group photo of these people, they are making funny faces.",
    PIL.Image.open('John.png'),
    PIL.Image.open('Jane.png'),
    # ... 最多可加入 14 張圖片
]

透過提供豐富的上下文（Context），模型能更精準地掌握你想要的角色特徵或視覺風格，對於保持角色一致性（Character Consistency）也有很大幫助。

10. Pro 獨家展示：更多可能性

Google AI Studio 還展示了一些只有 Pro 模型才能做到的驚人範例：

1. 個性化像素藝術 (Personalized Pixel Art)：結合搜尋功能，查詢某位名人的生平，並將其經歷轉化為一張精細的等距視角像素畫。
2. 複雜文字整合 (Complex Text Integration)：例如製作一張關於十四行詩（Sonnet）的復古風格圖表，圖中不僅要有香蕉，還要有完整、可閱讀且邏輯通順的詩句。
3. 高擬真樣機 (High-Fidelity Mockups)：生成百老匯演出手冊放在劇院座椅上的照片。重點在於其光影、材質與印刷質感必須達到照片級的逼真程度。

這些範例證明了該模型在處理細節、理解複雜指令以及文字渲染上的強大能力。

11. 最佳實踐與提示詞技巧 (Best Practices)

想要獲得完美的生成結果，光有強大的工具是不夠的，還需要懂得如何與它溝通。以下是針對 Nano Banana 模型的 Prompting 建議：

• 極致具體 (Be Hyper-Specific)：不要只說「一隻狗」，要描述品種、毛色、光線來源以及構圖。你給的細節越多，掌控權就越大。
• 提供背景與意圖 (Provide Context and Intent)：告訴模型這張圖是為了什麼而畫？是為了營造恐怖氛圍，還是為了慶祝節日？理解上下文能幫助模型做出更好的創意選擇。
• 正面描述 (Use Positive Framing)：盡量告訴模型「要有什麼」，而不是「不要有什麼」。例如用「空無一人的街道」取代「沒有車的街道」。
• 導演思維 (Control the Camera)：使用攝影術語。指明是「廣角鏡頭」、「微距拍攝」還是「低角度視角」，這能顯著提升畫面的電影感。
• 善用搜尋接地：當涉及真實世界的數據或事件時，務必啟用搜尋功能，讓結果更精確。
• 利用 Batch API 節省成本：對於不需要即時回傳的任務，善用批次處理來降低預算消耗。

常見問題解答 (FAQ)

Q1：Nano Banana Pro 有免費版本嗎？ 沒有。與 Nano Banana (Flash) 不同，Pro 版本沒有免費層級。使用前必須在 Google Cloud 專案中啟用計費功能。

Q2：如何節省生成 4K 圖片的高昂成本？ 你可以使用 Batch API 來提交生成請求。雖然需要等待較長時間（最多 24 小時），但可以節省 50% 的費用。此外，建議在測試 Prompt 階段使用較低解析度（1K），滿意後再切換至 4K。

Q3：模型可以處理多少張參考圖片？ Pro 版本最多支援同時輸入 14 張圖片作為上下文參考，遠高於 Flash 版本的 3 張。

Q4：什麼是「思考」過程 (Thinking Process)？ 這是 Pro 版本的特色功能。啟用後，模型在生成圖像前會先輸出一解釋性文字，描述其理解 Prompt 的邏輯與規劃畫面的過程。這有助於開發者除錯與優化指令。

Q5：Search Grounding 的主要用途是什麼？ 它允許模型存取 Google 搜尋的即時資料。這對於需要準確反映當前天氣、新聞事件或特定數據（如體育賽事結果）的圖像生成至關重要，能避免模型「幻覺」或使用過時資訊。

原文出處：Google AI Studio X Article