Anmerkung des Autors: Wir analysieren hier detailliert die Gründe für die Fehlermeldung PROHIBITED_CONTENT bei Nano Banana Pro, untersuchen die Auslösemechanismen für Eingabeaufforderungen bei virtuellen Anproben im E-Commerce und präsentieren Strategien zur Umformulierung, die Sicherheitsprüfungen bestehen.
Bei der virtuellen Anprobe im E-Commerce stießen wir auf diesen Fehler: finishReason: PROHIBITED_CONTENT – obwohl die Eingabeaufforderung lediglich eine normale Anforderung für einen Model-Wechsel war. Warum wurde dies als "Verstoß gegen die Google-Richtlinien für generative KI" eingestuft? Dies ist schwerwiegender als IMAGE_SAFETY – PROHIBITED_CONTENT ist die höchste Stufe der Inhaltsblockierung bei Google und bedeutet in der Regel ein striktes Verbot. Doch die virtuelle Anprobe im E-Commerce ist ein völlig legitimes Geschäftsszenario; Googles eigenes Shopping-Produkt nutzt Nano Banana für virtuelle Anproben. Dieser Artikel analysiert die Fehlermeldung Feld für Feld, identifiziert die auslösenden Begriffe in der Eingabeaufforderung und bietet Lösungen zur Umformulierung an, um die Prüfung zu bestehen.
Kernnutzen: Nach dem Lesen dieses Artikels verstehen Sie den Unterschied zwischen PROHIBITED_CONTENT und IMAGE_SAFETY, wissen, welche Teile Ihrer Eingabeaufforderung für E-Commerce-Anproben die Filter auslösen, und wie Sie diese umformulieren können, um erfolgreich zu sein.
Analyse der Fehlermeldung nach Feldern
Zuerst klären wir die Bedeutung der einzelnen Felder in dieser Antwort.
| Feld | Wert | Bedeutung |
|---|---|---|
finishReason |
PROHIBITED_CONTENT |
Blockierung auf höchster Ebene – striktes Verbot auf Richtlinienebene |
finishMessage |
"sensitive words that violate…" | Google hat festgestellt, dass die Ausgabe sensible Inhalte enthält, die gegen die Nutzungsrichtlinien verstoßen |
content.parts |
null |
Es wurde kein Inhalt zurückgegeben |
promptTokenCount |
1150 | Eingabe verbraucht 1150 Token (inkl. zahlreicher Bild-Token) |
candidatesTokenCount |
0 | Ausgabe ist 0 – blockiert, Bildkosten werden nicht berechnet |
thoughtsTokenCount |
221 | Das Modell hat 221 Token lang nachgedacht – eine tiefere Schlussfolgerung als bei IMAGE_SAFETY |
TEXT: 118 |
Text-Eingabeaufforderung verbraucht 118 Token | Deine chinesische Beschreibung für den Kleiderwechsel |
IMAGE: 1032 |
Bildeingabe verbraucht 1032 Token | Du hast Referenzbilder hochgeladen (Model-Foto + Kleidungsmaterial) |
PROHIBITED_CONTENT ist schwerwiegender als IMAGE_SAFETY
| Vergleichsdimension | IMAGE_SAFETY | PROHIBITED_CONTENT |
|---|---|---|
| Auslösephase | Sicherheitsprüfung der Bildausgabe | Inhaltsprüfung auf Richtlinienebene |
| Schweregrad | Mittel (mögliche Fehlinterpretation) | Höchste Stufe (striktes Verbot) |
| Hauptgrund | Generiertes Bild "sieht unsicher aus" | Anfrage betrifft verbotene Inhaltskategorien |
| Anpassbarkeit | Optimierung der Eingabeaufforderung hat 70-80% Erfolgsquote | Gesamte Strategie muss geändert werden |
| Googles Haltung | Gibt "übermäßige Vorsicht" und Fehlinterpretationen zu | Gilt als Richtlinien-Grundlinie, wird nicht leicht gelockert |
Warum deine Eingabeaufforderung PROHIBITED_CONTENT ausgelöst hat
Analyse der ursprünglichen Eingabeaufforderung
Wir zerlegen deine Eingabeaufforderung Satz für Satz, um die sensiblen Punkte zu finden, die den Sicherheitsfilter ausgelöst haben:
| Fragment der Eingabeaufforderung | Sicherheitsrisikobewertung | Auslösegrund |
|---|---|---|
| "Körperproportionen beibehalten, Gesicht beibehalten" | Hohes Risiko | "Gesicht beibehalten" = Signal für Deepfake-Verhalten |
| "Kleidung und Jacke aus dem Materialbild anziehen" | Mittleres Risiko | "Anziehen" + Referenzbild = Signal für Körpermanipulation |
| "Jacke oversize, Jacke offen lassen, um das Innere zu zeigen" | Mittleres Risiko | "Zeigen" + Kleiderbeschreibung kann falsch interpretiert werden |
| "Hintergrund ändern" | Niedriges Risiko | Normaler Vorgang |
| "Frisur unverändert" | Mittleres Risiko | Verstärkt das Signal "ursprüngliche Charaktermerkmale beibehalten" |
| "Pose zufällig ändern" | Hohes Risiko | "Pose ändern" = Signal für Körpermanipulation |
| "Foto mit realistischem Look" | Mittleres Risiko | "Realistischer Look" verstärkt die Absicht zur Simulation/Realisierung |
Der Kern-Auslösemechanismus
Googles Sicherheitsfilter hat deine Eingabeaufforderung als "Körpermanipulation und Veränderung des Erscheinungsbildes einer realen Person" identifiziert – dies trifft genau auf die Deepfake-Schutzrichtlinie.
Konkret haben drei Schlüsselwortkombinationen PROHIBITED_CONTENT ausgelöst:
- "Gesicht beibehalten" — Sagt dem Modell: "Dies ist das Gesicht einer echten Person, verändere es nicht."
- "Kleidung anziehen" + "Pose ändern" — Verlangt vom Modell, den körperlichen Zustand dieser echten Person zu verändern.
- "Foto mit realistischem Look" — Verstärkt weiter, dass es sich um eine simulierte Manipulation einer realen Person handelt.
Googles Logik: Reales Gesicht beibehalten + Körper/Kleidung/Pose ändern = könnte zur Erstellung von Deepfakes verwendet werden → löst PROHIBITED_CONTENT aus.
Diese Logik ist aus Sicht der Deepfake-Prävention sinnvoll, für legitime kommerzielle Anforderungen wie E-Commerce-Kleiderwechsel jedoch eine Fehlentscheidung. Ironischerweise nutzt Googles eigenes Shopping-Produkt "Nano Banana" für virtuelle Anproben – läuft aber über interne API-Kanäle, die nicht den Sicherheitsfiltern der öffentlichen API unterliegen.
🎯 Wichtige Erkenntnis: Deine Eingabeaufforderung selbst ist kein "verbotener Inhalt", sondern die Art der Formulierung löst den Deepfake-Schutzmodus aus. Eine Änderung der Ausdrucksweise löst das Problem.
Bei einem Aufruf über APIYI (apiyi.com) verfügt die Plattform über optimierte Konfigurationen für E-Commerce-Szenarien, und bei Fehlern fallen keine Kosten an.
Strategien zur Umformulierung von Eingabeaufforderungen
Zentrale Prinzipien der Umformulierung
Vom „Manipulieren einer echten Person“ hin zum „Erschaffen eines neuen Charakters“ – suggerieren Sie dem Modell nicht, dass Sie eine reale Person bearbeiten, sondern dass Sie ein völlig neues Modefoto kreieren.
| Umformulierungsprinzip | Ursprüngliche Formulierung (blockiert) | Umformulierte Fassung (erfolgreich) |
|---|---|---|
| Person | „Gesicht beibehalten“ | „Model mit ähnlichem Stil generieren“ oder Gesicht nicht erwähnen |
| Kleidung | „Kleidung aus dem Referenzbild anziehen“ | „Trägt die im Referenzmaterial gezeigte Kleidung“ |
| Pose | „Pose ändern“ | „Standpose im Stil eines Modemagazins“ |
| Absicht | „Foto mit echtem Menschen“ | „Stil der kommerziellen Modefotografie“ |
| Körper | „Körperproportionen beibehalten“ | „Standard-Modelfigur“ |
Umformulierung A: „Manipulation“ semantisch komplett vermeiden (Empfohlen)
Generate a professional fashion photography image:
A female model wearing the outfit shown in the reference image
(oversized coat open over a layered top).
Standing pose, mid-shot framing, model fills 2/3 of the frame.
Carrying a small handbag. Natural and expressive pose with
scene interaction. Urban outdoor background.
Commercial fashion photography style, high quality.
Warum Englisch: Die Sicherheitsfilter von Google sind bei englischen Eingabeaufforderungen präziser kalibriert, was die Fehlerrate senkt.
Umformulierung B: Chinesisch beibehalten, aber Semantik umstrukturieren
Professionelle Modefotografie:
Ein weibliches Model, das die im Referenzbild gezeigte Kleidung trägt
(oversized Mantel über Lagenlook-Outfit),
der Mantel ist natürlich offen, um Details des darunterliegenden Outfits zu zeigen.
Hintergrund: urbane Straßenszene, natürliches Licht.
Halbnahe Einstellung, die Person nimmt zwei Drittel des Bildes ein,
natürliche und elegante Standpose, kombiniert mit einer kleinen Handtasche.
Stil der kommerziellen Modemagazin-Fotografie, hohe Bildqualität.
Wichtige Änderungen:
- „Gesicht beibehalten“ gelöscht – kein Hinweis mehr auf die Manipulation einer echten Person.
- „Anziehen“ durch „trägt“ ersetzt – aus einer manipulativen Handlung wird eine statische Beschreibung.
- „Pose ändern“ durch „natürliche und elegante Standpose“ ersetzt – Konkretisierung, um das Verb „ändern“ zu vermeiden.
- „Echter Mensch“ durch „Stil der kommerziellen Modemagazin-Fotografie“ ersetzt – Wechsel von der Simulationsabsicht zur Stilbeschreibung.
- „Körperproportionen beibehalten“ komplett entfernt – keine Erwähnung von Körpermanipulation mehr.
Umformulierung C: Schritt-für-Schritt-Strategie
Wenn Sie bestimmte Merkmale des Models (wie Hautfarbe oder Frisur) beibehalten müssen, nutzen Sie eine schrittweise Strategie:
Schritt 1: Generieren Sie zuerst ein Bild des Outfits ohne Referenzperson.
Fashion lookbook image: [Kleidungsbeschreibung], worn by a model,
[Hautfarbe/Frisur] hair, mid-shot, fashion photography style.
Schritt 2: Passen Sie Details in einer weiteren Dialogrunde an.
Adjust the background to urban street scene,
add a small handbag accessory.
Die schrittweise Ausführung verhindert, dass alle „sensiblen“ Operationen gleichzeitig den Filter auslösen.
🎯 Praxistipp: Strategie A (englische Eingabeaufforderung) hat die höchste Erfolgsquote. Wenn Sie Chinesisch verwenden müssen, ist die Erfolgsrate von Strategie B deutlich höher als beim Original.
Bei der Nutzung über APIYI (apiyi.com) fallen bei Fehlern keine Kosten an, sodass Sie verschiedene Ansätze risikofrei testen können.
Vergleich vor und nach der Umformulierung
| Dimension | Ursprüngliche Eingabeaufforderung | Umformuliert (Strategie B) |
|---|---|---|
| Personenbeschreibung | „Körperproportionen beibehalten, Gesicht beibehalten“ | „Ein weibliches Model“ |
| Kleidungswechsel | „Kleidung und Mantel aus dem Material anziehen“ | „Trägt die im Referenzbild gezeigte Kleidung“ |
| Körpermanipulation | „Pose zufällig ändern“ | „Natürliche und elegante Standpose“ |
| Echtheitsanspruch | „Foto mit echtem Menschen“ | „Stil der kommerziellen Modemagazin-Fotografie“ |
| Anzahl sensibler Begriffe | 5+ hoch-/mittelsensible Kombinationen | 0 |
| Erwartetes Ergebnis | PROHIBITED_CONTENT | Erfolgreiche Generierung |
Häufig gestellte Fragen
Q1: Die virtuelle Anprobe von Google Shopping nutzt ebenfalls Nano Banana, warum wird sie nicht blockiert?
Die virtuelle Anprobe-Funktion von Google Shopping läuft über interne API-Kanäle, die nicht den Sicherheitsfiltern der öffentlichen API unterliegen. Google verwendet für seine eigenen Produkte eine spezielle Pipeline für Anproben (g.co/shop/tryon) mit einem unabhängigen Sicherheitsprüfungsprozess. Die Sicherheitsfilter der öffentlichen API sind strenger, da Google nicht kontrollieren kann, wie Dritte die generierten Ergebnisse verwenden. Dies ist eine Asymmetrie in der Plattformstrategie – dieselbe Technologie ist für Google intern zulässig, wird aber für Entwickler blockiert.
Q2: Werden bei einer Blockierung durch PROHIBITED_CONTENT Gebühren erhoben?
Genau wie bei IMAGE_SAFETY bedeutet candidatesTokenCount: 0, dass für die Ausgabe-Token keine Gebühren anfallen. Google gibt an, dass blockierte Bilder nicht berechnet werden. Die Eingabe-Token (1150) und die Denk-Token (221) können jedoch minimale Kosten verursachen (ca. 0,0003 $, vernachlässigbar). Bei einem Modellaufruf über APIYI (apiyi.com) werden bei Fehlern keine Gebühren erhoben – dies gilt auch für Blockierungen durch PROHIBITED_CONTENT.
Q3: Was tun, wenn es nach einer Umformulierung immer noch blockiert wird?
Drei Schritte zur Optimierung: 1) Wechseln Sie zu englischen Eingabeaufforderungen (Option A), da die Sicherheitsfilter dort präziser kalibriert sind; 2) Laden Sie kein Referenzbild des Models hoch, sondern nur das Bild des Kleidungsstücks – der Verzicht auf eine „echte Person als Referenz“ kann das Deepfake-Risiko-Rating erheblich senken; 3) Nutzen Sie den API-Proxy-Dienst von APIYI (apiyi.com), da die Sicherheitskonfigurationen der Plattform für E-Commerce-Szenarien optimiert sind. Sollten diese Ansätze fehlschlagen, ziehen Sie spezialisierte Tools für virtuelle Anproben (wie SellerPic oder TapNow) anstelle der allgemeinen API zur Bilderzeugung in Betracht.
Q4: Erhöht das Hochladen mehrerer Referenzbilder (Model + Kleidung) das Risiko einer Blockierung?
Ja. Ihr Fehlercode IMAGE: 1032 deutet darauf hin, dass Sie Referenzbilder mit einer hohen Informationsdichte hochgeladen haben. Wenn die Referenzbilder ein menschliches Gesicht enthalten, werden sie vom Sicherheitsfilter als „echte Person“ erkannt, was das Deepfake-Signal weiter verstärkt. Empfehlung: 1) Laden Sie nur das Bild des Kleidungsstücks hoch (ohne Gesicht); 2) Falls der Stil des Models referenziert werden soll, schneiden Sie das Gesicht aus dem Bild des Models aus.
Zusammenfassung
Die Kernpunkte zur Fehlermeldung PROHIBITED_CONTENT bei Nano Banana Pro:
- Schwerwiegender als IMAGE_SAFETY: PROHIBITED_CONTENT ist eine harte Blockade auf Strategieebene. Google erkennt die Kombination aus „Gesicht beibehalten + Kleidung wechseln + Pose ändern“ als Deepfake-Manipulation.
- Das Problem liegt in der Formulierung, nicht im Inhalt selbst: E-Commerce-Anproben sind ein legitimer Anwendungsfall, aber die Kombination von Begriffen wie „Gesicht beibehalten“, „anziehen“, „Pose ändern“ oder „realistisch“ löst den Schutzmechanismus aus.
- Kernprinzip der Umformulierung: Wechseln Sie von „Manipulation einer echten Person“ hin zu „Erstellung eines neuen Modefotos“ – verwenden Sie „trägt“ statt „anziehen“, „Modefotografie-Stil“ statt „realistisch“ und entfernen Sie den Hinweis auf das „Gesicht beibehalten“. Englische Eingabeaufforderungen haben eine höhere Erfolgsquote.
Wir empfehlen den Modellaufruf von Nano Banana Pro über APIYI (apiyi.com) – bei Fehlern fallen keine Gebühren an, sodass Sie verschiedene Strategien für Eingabeaufforderungen sicher testen können, während die Plattform von optimierten Sicherheitsparametern für den E-Commerce profitiert.
📚 Referenzen
-
Gemini API Safety Settings Dokumentation: Offizielle Erläuterung der Sicherheitsparameter
- Link:
ai.google.dev/gemini-api/docs/safety-settings - Beschreibung: Enthält die Bedeutung der
finishReason-Werte und Sicherheitskategorien.
- Link:
-
Gemini Bilderzeugung und verantwortungsvolle KI: Dokumentation zu Sicherheitsfiltern in Vertex AI
- Link:
docs.cloud.google.com/vertex-ai/generative-ai/docs/multimodal/gemini-image-responsible-ai - Beschreibung: Enthält die Auslösebedingungen für
PROHIBITED_CONTENTundIMAGE_SAFETY.
- Link:
-
Nano Banana Pro IMAGE_SAFETY Fehlerbehebungsleitfaden: 8 Methoden zur Steigerung der Erfolgsrate
- Link:
help.apiyi.com/en/nano-banana-pro-image-safety-error-fix-guide-en.html - Beschreibung: Enthält Vorlagen zur Optimierung der Eingabeaufforderung und szenariobasierte Lösungen.
- Link:
-
APIYI Dokumentationszentrum: Optimierung der Sicherheitsparameter für E-Commerce-Ankleideszenarien
- Link:
docs.apiyi.com - Beschreibung: Keine Gebühren bei Fehlern + optimierte Konfiguration für E-Commerce-Szenarien.
- Link:
Autor: APIYI Technik-Team
Technischer Austausch: Diskutieren Sie gerne in den Kommentaren. Weitere Informationen finden Sie im APIYI Dokumentationszentrum unter docs.apiyi.com.
