Viele Entwickler, die von Stable Diffusion oder Midjourney zu Nano Banana Pro migrieren, stoßen bei ihrem ersten API-Aufruf fast immer auf eine verwirrende 400-Fehlermeldung: Invalid JSON payload received. Unknown name "negativePrompt" at 'generation_config.image_config': Cannot find field. Die Fehlermeldung ist zwar direkt, lässt aber offen, ob der Feldname falsch geschrieben ist, an der falschen Stelle steht oder ob das Modell negative Eingabeaufforderungen (Negative Prompts) schlichtweg nicht unterstützt.
Die Antwort lautet: Nano Banana Pro (bzw. Gemini 3 Pro Image Preview) besitzt konzeptionell kein eigenständiges Feld für negativePrompt. Alle Angaben darüber, was Sie nicht auf dem Bild sehen möchten, müssen direkt in den Text der Haupt-Eingabeaufforderung integriert werden. Dieser Artikel analysiert basierend auf der offiziellen Google-Dokumentation und dem Nano Banana Prompt-Leitfaden die Ursache dieses Fehlers, stellt drei offiziell empfohlene Methoden für negative Formulierungen vor, liefert den vollständigen API-Code und zeigt anhand von Praxistests auf der Plattform APIYI (apiyi.com), wie Sie Nano Banana Pro korrekt nutzen.
1. Warum Nano Banana Pro kein negativePrompt-Feld verwendet
1.1 Analyse der Fehlermeldung
Der vollständige Fehler sieht in der Regel so aus:
upstream_error 400
Invalid JSON payload received.
Unknown name "negativePrompt" at 'generation_config.image_config':
Cannot find field.
Die Aufschlüsselung liefert drei wichtige Informationen:
Invalid JSON payload: Der Server lehnt die JSON-Struktur ab, bevor die Anfrage überhaupt die Inferenzphase erreicht.Unknown name "negativePrompt": Das Feld existiert im Schema schlichtweg nicht – es ist kein Problem der Groß-/Kleinschreibung oder der Verschachtelung.at 'generation_config.image_config': Sie haben versucht, es untergeneration_config.image_configzu platzieren, aber dieses Objekt akzeptiert nur offizielle Felder.
Kurz gesagt: Es handelt sich nicht um einen "Parameterfehler", sondern um ein "nicht existierendes Feld".
1.2 Die offizielle Whitelist für image_config
Laut der offiziellen Google AI-Dokumentation akzeptiert das image_config-Objekt von Gemini 3 Pro Image Preview nur zwei Felder. Jedes andere Feld führt zu einem 400-Fehler:
| Feldname | Typ | Werte | Funktion |
|---|---|---|---|
aspectRatio |
string | "1:1" / "16:9" / "4:3" / "21:9" etc. |
Seitenverhältnis des Bildes |
imageSize |
string | "512" / "1K" / "2K" / "4K" |
Auflösungsstufe |
Diese Liste ist bewusst minimalistisch gehalten. Es gibt kein negativePrompt, keinen seed, keinen cfg_scale und keinen sampler. Google verfolgt bei der Nano Banana-Serie einen extrem simplen Ansatz: Das Modell soll natürliche Sprache verstehen, anstatt dass Benutzer mit einer Vielzahl von Hyperparametern experimentieren müssen.
1.3 Designphilosophie: Warum Google auf negativePrompt verzichtet
Der Negative Prompt bei Stable Diffusion basiert auf der CFG-Methode (Classifier-Free Guidance), bei der ein separater Vektor zur "negativen Führung" des Diffusionsprozesses genutzt wird. Die multimodale Inferenz von Gemini arbeitet anders: Das Modell nutzt die gesamte natürliche Sprache als Eingabe für das semantische Verständnis und generiert daraus Bild-Token. Es gibt keinen Schritt, bei dem zwei Vektoren separat gegeneinander abgewogen werden.
Im offiziellen Nano Banana Prompt-Leitfaden im Google Cloud Blog wird die Haltung wie folgt zusammengefasst:
"Use positive framing: Describe what you want, not what you don't want (e.g. 'empty street' instead of 'no cars')."
Das bedeutet: In der Welt von Nano Banana Pro ist eine positive Formulierung weitaus effizienter als eine negative. Das ist keine technische Einschränkung, sondern eine Produktphilosophie.
Aus technischer Sicht ist das Hinzufügen eines negativePrompt-Feldes nicht nur ein Bruch mit dem Schema, sondern würde Nutzer auch in die Irre führen, da das Modell keine "negative Führung" im Sinne von Diffusionsmodellen durchführt. Google hat sich entschieden, diesen Weg durch eine klare Fehlermeldung zu blockieren, um Entwickler dazu zu bewegen, ihre Absichten vollständig in natürlicher Sprache auszudrücken.
🎯 Empfehlung: Wenn Sie an den Workflow von SD gewöhnt sind, testen Sie die Unterschiede zwischen "positiver" und "negativer" Beschreibung zunächst auf der Plattform APIYI (apiyi.com), bevor Sie Ihre bestehenden Prompts anpassen.
2. Die 3 korrekten Schreibweisen für negative Eingabeaufforderungen bei Nano Banana Pro
Obwohl es kein separates Feld gibt, können negative Ausdrücke problemlos direkt in den Haupttext der Eingabeaufforderung integriert werden. Die folgenden drei Ansätze basieren auf der offiziellen Google-Dokumentation und praktischen Erfahrungen aus der Community.
2.1 Ansatz 1: Umformulierung in einen positiven Rahmen (Offiziell empfohlen)
"Ich möchte kein X" in "Ich möchte Y" zu übersetzen, ist die von Google offiziell empfohlene Methode. Hier sind gängige Vergleichsmuster:
| Ursprünglicher negativer Ausdruck | Umformulierung in einen positiven Rahmen |
|---|---|
| no cars on the street | empty deserted street with no traffic |
| no people in background | quiet solitary scene with empty surroundings |
| no text or watermark | clean image with smooth empty borders |
| not blurry, not low quality | sharp focus, crisp details, high resolution |
| no extra fingers | accurate human anatomy with precisely five fingers per hand |
Der Vorteil des positiven Rahmens besteht darin, dass das Modell keine "umgekehrte Schlussfolgerung" anstellen muss, sondern direkt den Zielzustand versteht, was zu einer höheren Trefferquote führt.
Bei der tatsächlichen Umformulierung empfiehlt es sich, dem Denkpfad "Warum möchte ich kein X → Was möchte ich eigentlich?" zu folgen. Wenn man beispielsweise "kein Text" wünscht, ist die eigentliche Absicht meist "ein sauberes Bild ohne Ablenkungen". Die entsprechende positive Beschreibung sollte daher "clean uncluttered composition with smooth empty borders" lauten und nicht eine wörtliche Übersetzung von "no text". Diese "Rückbesinnung auf die Absicht" ist der Kern des positiven Rahmens.
2.2 Ansatz 2: Ausschluss durch natürliche Sprache (Flexibilität bewahren)
Wenn sich bestimmte Ausschlüsse tatsächlich nicht in eine positive Beschreibung umwandeln lassen, können Sie die Ausschlusskriterien direkt mit natürlicher Sprache in die Eingabeaufforderung einbetten. Verwenden Sie Ausdrücke wie without, avoid, exclude oder free of:
A serene mountain landscape at sunrise,
photorealistic style, golden hour lighting,
without any people, vehicles, or man-made structures,
free of text overlays, logos, or watermarks.
Der Schlüssel bei dieser Methode liegt darin, die Ausschlusskriterien natürlich in die vollständige Beschreibung einzubetten, anstatt sie wie bei SD als eine separate Liste von durch Kommas getrennten Schlüsselwörtern aufzuführen. Das Modell reagiert auf "Anweisungen in natürlicher Sprache" wesentlich besser als auf "Schlüsselwortlisten".
Darüber hinaus können Sie Ausschlusskriterien als konditionale Adverbialsätze formulieren, um die Beziehung zwischen dem Ausschluss und der Szene klarer zu definieren. Zum Beispiel ist during golden hour with the streets completely cleared of vehicles präziser als ein einfaches without cars – es vermittelt gleichzeitig Informationen über Zeit, Zustand und Ausschluss, wodurch das Modell ein konsistenteres Bild aufbauen kann.
2.3 Ansatz 3: Einbettung einer abgestuften Liste negativer Begriffe (Für systematisierte Vorlagen)
Wenn Sie für Ihr gesamtes Team oder Produkt einen einheitlichen "Qualitätsstandard" pflegen müssen, können Sie häufig verwendete Ausschlusskriterien kategorisieren und als festen Bestandteil Ihrer Eingabeaufforderungs-Vorlagen verwenden:
[Main subject description]
[Style and composition details]
Quality requirements:
The image must be sharp, well-exposed, and free of blur,
JPEG artifacts, watermarks, or visible text.
Anatomy requirements:
All people in the image must have accurate anatomy
with five fingers per hand, symmetrical features,
and natural proportions.
Solche strukturierten Vorlagen für negative Begriffe können in großen Mengen wiederverwendet werden und eignen sich besonders für E-Commerce-Materialien, Markendesigns und andere Szenarien, die einheitliche Qualitätsstandards erfordern.
| Ansatz | Anwendungsbereich | Trefferquote | Schwierigkeit |
|---|---|---|---|
| Positive Umformulierung | Einzelne Kreationen, Kunstplakate | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| Ausschluss durch natürliche Sprache | Komplexe Szenen, flexible Ausschlüsse | ⭐⭐⭐⭐ | ⭐⭐ |
| Abgestufte Liste negativer Begriffe | Massenproduktion, Team-Wiederverwendung | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
🎯 Empfehlung zur Wahl des Ansatzes: Für einzelne Kreationen sollten Sie bevorzugt Ansatz 1 verwenden – schreiben Sie so wenig negative Begriffe wie möglich. Für die Massenproduktion empfiehlt sich Ansatz 3, um eine teamweite Prompt-Vorlage zu erstellen. Es ist ratsam, auf APIYI (apiyi.com) Vergleichstests für dieselben Motive mit allen drei Ansätzen durchzuführen; innerhalb von 10 Minuten finden Sie die Methode, die am besten zu Ihrem Geschäft passt.
III. Korrekte JSON-Payload für die Nano Banana Pro API
Nachdem wir geklärt haben, warum das Feld negativePrompt nicht verwendet werden kann und wie man es stattdessen löst, finden Sie hier den kopierfertigen API-Aufruf.
3.1 Vergleich: Falsche vs. korrekte JSON-Payload
Der folgende JSON-Block entspricht dem Fehler, der am Anfang des Artikels erwähnt wurde – ein klassischer Fehler beim "Umstieg von SD":
// ❌ Fehler: Löst einen 400-Fehler aus
{
"contents": [{
"parts": [{"text": "A cat sitting on a chair"}]
}],
"generationConfig": {
"imageConfig": {
"aspectRatio": "16:9",
"negativePrompt": "blurry, low quality, extra fingers"
}
}
}
Die korrigierte, funktionierende Schreibweise sieht so aus:
// ✅ Korrekt: Negative Beschreibungen in den Text integrieren
{
"contents": [{
"parts": [{
"text": "A cat sitting on a chair, sharp focus, crisp details, high resolution, accurate anatomy with natural proportions"
}]
}],
"generationConfig": {
"responseModalities": ["TEXT", "IMAGE"],
"imageConfig": {
"aspectRatio": "16:9",
"imageSize": "2K"
}
}
}
Beachten Sie die drei entscheidenden Änderungen: Entfernen Sie das Feld negativePrompt, formulieren Sie negative Absichten als positive Beschreibungen um und integrieren Sie diese in den text, und legen Sie bei Bedarf die imageSize fest, um die Auflösung zu steuern.
3.2 Beispiel für den Aufruf über das Python SDK
Hier ist der minimalistische Code für den Aufruf von Nano Banana Pro über das OpenAI-kompatible SDK via APIYI-Proxy:
from openai import OpenAI
client = OpenAI(
api_key="your_api_key",
base_url="https://vip.apiyi.com/v1" # APIYI-Proxy-Adresse
)
response = client.images.generate(
model="gemini-3-pro-image-preview",
prompt=(
"A cat sitting on a wooden chair in a bright sunlit room, "
"photorealistic style, sharp focus, crisp details, "
"accurate feline anatomy with natural fur texture, "
"clean background free of text or watermarks"
),
size="1792x1024", # Entspricht 16:9
)
Der gesamte Aufruf enthält keinen negative_prompt-Parameter; alle "Was ich nicht möchte"-Formulierungen werden durch natürliche Sprache in den Prompt integriert.
3.3 Häufige Fehlermeldungen und Lösungen
Um Ihnen bei der Fehlersuche zu helfen, haben wir die häufigsten Fehler in der folgenden Tabelle zusammengefasst:
| Fehlermeldung | Ursache | Lösung |
|---|---|---|
Unknown name "negativePrompt" |
Feld existiert nicht | Feld löschen, negative Beschreibung in den Prompt schreiben |
Unknown name "seed" |
Nano Banana Pro unterstützt keinen Seed | Zufälligkeit akzeptieren, mehrere Bilder generieren und auswählen |
Unknown name "cfg_scale" |
CFG-Parameter nicht unterstützt | Durch Stärkungsbegriffe im Prompt ersetzen (z. B. "strictly photorealistic") |
Invalid value at 'aspectRatio' |
Schreibfehler im Seitenverhältnis | Prüfen, ob "16:9" statt "16×9" verwendet wird |
image_config Feld ungültig |
Falsche Verschachtelung | Sicherstellen, dass imageConfig unter generationConfig steht |
🎯 Debugging-Tipp: Bei 400-Fehlern empfiehlt es sich, die Konnektivität zunächst mit einer minimalen Payload (nur Text) zu testen und dann schrittweise Konfigurationen hinzuzufügen. APIYI (apiyi.com) bietet eine vollständige Gemini 3 Pro Image-Schnittstelle, die beim Debuggen stabiler läuft als die direkte offizielle Verbindung.
IV. Fortgeschrittene Optimierungstechniken für Nano Banana Pro
Nachdem Sie die Grundlagen beherrschen, helfen Ihnen diese 4 Profi-Tipps, Ihre negativen Formulierungen auf ein neues Niveau zu heben.
4.1 Konkrete Beschreibungen statt abstrakter Verneinungen
Das Modell versteht konkrete Substantive weitaus besser als abstrakte Adjektive. Vergleichen Sie diese beiden Ansätze:
- ❌ Vage:
high quality, not bad - ✅ Konkret:
shot on a Sony A7R IV, 35mm f/1.4 lens, ISO 100, sharp focus on subject, soft bokeh background
Konkrete Angaben zu Ausrüstung, Blende, ISO und Brennweite aktivieren beim Modell das gesamte Vorwissen über "professionelle Fotografie" und sind weitaus effektiver, als tausendmal "high quality" zu schreiben.
4.2 "Kunststile vermeiden" in "Kunststile spezifizieren" umwandeln
Viele SD-Nutzer schreiben gerne negative Begriffe wie not anime, not cartoon, not 3D. Bei Nano Banana Pro funktioniert dieser Ansatz jedoch schlecht. Der richtige Weg ist, direkt den gewünschten Stil anzugeben:
- Realistisch gewünscht →
unstaged documentary photography style - Ölmalerei-Textur →
oil painting on textured canvas, visible brushstrokes - Reportage-Stil →
photojournalism style, candid moment, natural lighting
Die Intensität einer expliziten Stilbeschreibung unterdrückt automatisch andere Stiltendenzen; es ist gar nicht nötig, "not X" zu schreiben.
4.3 Strukturierte Prompt-Vorlagen nutzen
Zerlegen Sie komplexe Szenen in strukturierte Vorlagen, damit das Modell jede Ebene der Absicht differenziert verstehen kann:
SUBJECT: A young woman reading a book
SETTING: Cozy library with warm afternoon light
STYLE: Editorial photography, shot on Leica Q2
QUALITY: Sharp focus on subject, soft natural bokeh
EXCLUDE: No text, no watermarks, no other people in frame
Solche strukturierten Vorlagen sind bei Nano Banana Pro deutlich stabiler als ein langer Fließtext-Prompt, insbesondere da der EXCLUDE-Abschnitt als abschließende "harte Einschränkung" sehr effektiv ist.
4.4 Ausschlussanweisungen bei mehrstufigen Iterationen beibehalten
Nano Banana Pro unterstützt mehrstufige Bearbeitungen, aber in jedem Schritt müssen die vollständigen negativen Absichten wiederholt werden, da das Modell sonst bei nachfolgenden Bearbeitungen leicht Elemente wieder einführt, die Sie zuvor ausgeschlossen hatten. Es empfiehlt sich, die Ausschlussanweisungen als konstante Zeichenfolge zu speichern und bei jeder Iteration anzuhängen.
| Fortgeschrittene Technik | Gelöstes Problem | Effektivitätssteigerung |
|---|---|---|
| Konkrete Beschreibung statt abstrakter Verneinung | Modell versteht abstrakte Begriffe nicht | Hoch |
| Stil spezifizieren statt Stil verneinen | Negative Stilbegriffe haben geringe Trefferquote | Sehr hoch |
| Strukturierte Prompt-Vorlagen | Lange Fließtext-Prompts instabil | Hoch |
| Ausschluss bei mehrstufiger Iteration wiederholen | Elemente kehren nach Bearbeitung zurück | Mittel |
V. Häufig gestellte Fragen (FAQ) zu negativen Eingabeaufforderungen bei Nano Banana Pro
5.1 Gibt es wirklich kein negativePrompt-Feld? Wird es in Zukunft hinzugefügt?
Bisher listen die offiziellen Dokumentationen von Google AI und Vertex AI explizit nur die beiden image_config-Felder aspectRatio und imageSize auf. Google hat in Blogs und auf Konferenzen mehrfach die Produktphilosophie geäußert, "gegen ein separates Feld für negative Begriffe" zu sein. Die Wahrscheinlichkeit, dass dieses Feld in naher Zukunft hinzugefügt wird, ist äußerst gering. Es wird empfohlen, sich direkt auf die Formulierung positiver Rahmenbedingungen zu konzentrieren, anstatt auf eine Änderung zu warten.
5.2 Kann ich meine aus der SD-Ära stammenden Listen negativer Begriffe noch verwenden?
Sie können sie als Referenz nutzen, aber nicht direkt in den Prompt für Nano Banana Pro kopieren. Es empfiehlt sich, die SD-Negativbegriffe in Kategorien wie "Qualität, Anatomie, Stil und Elemente" zu unterteilen und sie dann mit den in Abschnitt 2 beschriebenen Methoden in positive Beschreibungen oder natürlichsprachliche Ausschlüsse umzuformulieren.
5.3 Ist eine einfache Verneinung wie "no X" wirklich völlig wirkungslos?
Nicht völlig wirkungslos, aber die Wirkung ist weitaus geringer als bei einer positiven Beschreibung. Ausdrücke wie no cars haben bei Nano Banana Pro eine Trefferquote von etwa 60-70 %, während empty deserted street with no traffic eine Trefferquote von über 95 % erreicht. Wenn Sie eine hohe Stabilität der Ergebnisse benötigen, sollten Sie vorrangig positive Rahmenbedingungen verwenden.
5.4 Wo kann ich Nano Banana Pro stabil testen, um diese Schreibweisen auszuprobieren?
Entwickler in China können Nano Banana Pro über APIYI (apiyi.com) aufrufen. Die Modell-ID lautet gemini-3-pro-image-preview und die base_url muss einfach durch https://vip.apiyi.com/v1 ersetzt werden; eine Proxy-Konfiguration ist nicht erforderlich. Die Plattform unterstützt sowohl Nano Banana Pro als auch andere gängige Bildmodelle, was einen direkten Vergleich der Modellreaktionen auf negative Ausdrücke erleichtert.
5.5 Funktioniert es, wenn ich negativePrompt in der obersten Ebene der generation_config statt unter image_config platziere?
Nein. Egal, ob Sie es in der obersten Ebene der generation_config, unter image_config oder als eigenständigen Teil in contents.parts platzieren, es wird immer eine Fehlermeldung wegen eines nicht existierenden Feldes ausgelöst. Das Schema von Nano Banana Pro basiert auf einer strikten Whitelist; nicht aufgeführte Felder werden grundsätzlich abgelehnt.
5.6 Wenn es kein negativePrompt gibt, fehlen dann auch Parameter wie seed oder cfg_scale?
Ja, diese fehlen tatsächlich. Die einstellbaren Parameter von Nano Banana Pro sind auf ein Minimum reduziert: nur aspectRatio und imageSize. Dies ist eine bewusste Entscheidung des Produktdesigns – Google möchte, dass Entwickler ihre Energie in die Erstellung besserer natürlichsprachlicher Prompts investieren, anstatt Hyperparameter zu optimieren. Die Umstellung erfordert Zeit, aber sobald man sich daran gewöhnt hat, steigen die Lesbarkeit und die Wiederverwendbarkeit des Prompt-Engineerings deutlich an.
5.7 Erkennt das Modell Ausschlussanweisungen auf Chinesisch?
Es erkennt sie, aber die Stabilität ist geringer als bei Englisch. Die Trainingsdaten von Nano Banana Pro haben ein deutlich höheres Gewicht für Englisch. "不要出现文字水印" (Keine Wasserzeichen) funktioniert in den meisten Fällen, wird aber gelegentlich ignoriert. Wenn Sie eine hohe Stabilität benötigen, empfiehlt es sich, englische negative Phrasen in den chinesischen Prompt einzubauen, z. B. "干净背景, free of text and watermarks". Die Trefferquote bei gemischten Schreibweisen ist etwa 15 % höher als bei reinem Chinesisch.
5.8 Wie verhindere ich bei der Bearbeitung vorhandener Bilder, dass das Modell unerwünschte Elemente hinzufügt?
Im Bearbeitungsmodus empfiehlt sich eine Strategie der "expliziten Beibehaltung + expliziten Ausschließung": Verwenden Sie zuerst keep everything else identical, including [Liste der Schlüsselelemente], um die beizubehaltenden Inhalte zu fixieren, und nutzen Sie dann make sure not to introduce [Liste der auszuschließenden Elemente], um explizit auszuschließen. Wenn beide Einschränkungen gleichzeitig vorhanden sind, verbessert sich die Steuerbarkeit des Bearbeitungsergebnisses erheblich. Diese Schreibweise ist besonders nützlich bei der Iteration von Marken-Visuals oder der Wahrung der Gesichtskonsistenz.
VI. Fazit: Das zentrale mentale Modell für negative Prompts bei Nano Banana Pro
Zurück zur Fehlermeldung vom Anfang: Unknown name "negativePrompt" ist kein Bug, sondern das Produktdesign von Nano Banana Pro – dieses Modell akzeptiert keine Form von separaten Feldern für negative Prompts. Alle Absichten, was man "nicht möchte", müssen in natürlicher Sprache in den Haupt-Prompt integriert werden.
Drei Kernprinzipien genügen:
- Positive Rahmenbedingungen bevorzugen: "empty street" ist weitaus besser als "no cars". Wenn möglich, formulieren Sie um.
- Natürliche Sprache für Negationen: Verwenden Sie innerhalb des Prompts natürliche Konjunktionen wie
without,free ofoderavoidund vermeiden Sie die für SD typischen kommagetrennten Schlüsselwortlisten. - Wiederverwendung strukturierter Vorlagen: Erstellen Sie für Team-Szenarien Vorlagenabschnitte für die drei Ausschlusskategorien "Qualität, Anatomie, Elemente" und fügen Sie diese bei Bedarf zusammen.
🎯 Nächster Schritt: Schreiben Sie Ihre vorhandene SD-Negativliste gemäß den drei in diesem Artikel vorgestellten Ansätzen um. Führen Sie auf APIYI (apiyi.com) Vergleichstests mit demselben Hauptmotiv durch, um Ihre eigene Bibliothek für Nano Banana Pro-Negativformulierungen aufzubauen.
Das Design von Nano Banana Pro ohne "Negativ-Feld" ist anfangs ungewohnt, aber bei intensiver Nutzung zeigt sich, dass dieser Modus – "alle Absichten mit präziserer natürlicher Sprache auszudrücken" – die Zukunft multimodaler Generierungsmodelle ist. Wer sein mentales Modell frühzeitig umstellt, kann die volle Leistungsfähigkeit dieses Modells schneller ausschöpfen.
Abschließend sei betont: Die Fehlermeldung 400 ist eigentlich ein "gut gemeinter Hinweis" von Google – sie sagt Ihnen auf direktem Weg: "Bitte versuchen Sie nicht, den Workflow der vorherigen Modellgeneration eins zu eins zu übernehmen, sondern verstehen Sie meine tatsächliche Eingabeschnittstelle." Wenn Sie diese Fehlermeldung als Ausgangspunkt für das Lernen dieses neuen Modells betrachten und nicht als Hindernis, werden Sie feststellen, dass das Prompt-Engineering für Nano Banana Pro einfacher, lesbarer und näher an der Sprache der Designkommunikation selbst ist als bei SD.
Autor: APIYI Technical Team
Unterstützte Plattform: APIYI apiyi.com Nano Banana Pro (gemini-3-pro-image-preview) Schnittstelle
