Полное руководство по консистентности лиц Nano Banana Pro: 4 совета по решению проблемы деформации лица модели

Примечание автора: Глубокий разбор технических ограничений и практических решений для сохранения консистентности лиц в Nano Banana Pro. В статье рассматриваются стратегии использования референсов, шаблоны промптов, воркфлоу с многократными правками и метод бюджетных высокочастотных итераций через APIYI по цене $0.05 за генерацию.

При генерации изображений моделей в Nano Banana Pro самая частая жалоба звучит так: «Лицо постоянно деформируется», «Оно выглядит странно располневшим» или «Стоит сменить локацию, и человека не узнать». У этих проблем есть решение, но сначала нужно принять важный факт: Nano Banana Pro на данный момент не может обеспечить 100% консистентность лица между разными генерациями. Модель заново интерпретирует черты лица при каждом запуске — это ограничение на уровне архитектуры, а не результат плохо написанного промпта.

В чем ценность этой статьи: Вы поймете истинные причины проблем с консистентностью лиц, освоите «триединство» лучших практик (стратегия референсов + комбинации промптов + многократные итерации) и узнаете, как с помощью APIYI проводить тесты всего за $0.05, чтобы найти идеальный результат.

Давайте сначала разберемся: почему так сложно добиться постоянства лиц?

Главное, что нужно понимать: Nano Banana Pro не создавалась специально для «заморозки» лиц. Ее сильные стороны — качество изображения и рендеринг текста. По сравнению со специализированными инструментами вроде Stable Diffusion (где есть LoRA), Flux (с его гиперреализмом) или InstantID, у Nano Banana Pro есть структурные ограничения в плане консистентности. Улучшение промптов помогает, но это не панацея — максимальный результат дает только связка «референс + промпт + итеративная стратегия».

Границы возможностей Nano Banana Pro в консистентности лиц

Официальные механизмы поддержки

Nano Banana Pro нативно поддерживает работу с лицами через референсные изображения. Технические детали:

• До 14 референсов: можно загрузить до 14 изображений для примера, при этом наилучшая точность достигается при использовании до 6 снимков.
• До 5 персонажей одновременно: модель может отслеживать черты лица до 5 человек в одной генерации.
• Механизм латентных кодов личности: модель сопоставляет лицо со «стабильным латентным представлением», сохраняя якоря личности при смене окружения.
• Редактирование Image-to-Image: после загрузки референса можно менять одежду, фон или позу с помощью команд, не затрагивая лицо.

Реальные ограничения (честная оценка)

Заявленные возможности            Реальный опыт использования
─────────────────────────────────────────
"Фиксация личности"      →    В каждой генерации все равно есть микро-дрейф
"Консистентность сцен"   →    Смена света/ракурса провоцирует пересборку лица
"Поддержка 14 фото"      →    Если референсы плохие, результат будет слабым
"5 человек сразу"        →    При количестве больше 2 точность заметно падает

Вердикт: На данный момент консистентность лиц в Nano Banana Pro находится в диапазоне от «приемлемо» до «хорошо», но до «идеала» еще далеко. Если ваша задача требует ювелирной точности (например, рекламная съемка со звездой или криминалистика), рекомендуем использовать специализированные инструменты.

4 ключевых техники улучшения

Техника 1: Стратегия референсных изображений (самое важное)

Качество референсного изображения — решающий фактор для сохранения сходства лица, это гораздо важнее, чем сам промпт.

Создание библиотеки референсов 360° (рекомендуется для сценариев с моделями в e-commerce):

Структура папки с референсами:
model_ref/
├── front_neutral.jpg      # Анфас, нейтральное выражение
├── front_smile.jpg        # Анфас, улыбка
├── side_left_45.jpg       # Поворот влево 45°
├── side_right_45.jpg      # Поворот вправо 45°
└── three_quarter.jpg      # Ракурс в три четверти (самая частая композиция)

При каждой генерации загружайте 2–3 референса (анфас + ракурс, максимально близкий к целевой композиции). Старайтесь не менять комбинацию референсов слишком часто.

Техника 2: Оптимизация структуры промпта

Добавление четких инструкций по сохранению черт лица — это самый прямой способ улучшить результат через промпт:

❌ Неправильно (без инструкций по сохранению):
"A young Asian woman wearing a red dress, studio lighting, 4K"

✅ Правильно (с полными инструкциями):
"A young Asian woman wearing a red dress, studio lighting, 4K.
Preserve exact facial structure, eye shape, jawline, and skin texture
from reference image. Realistic skin with visible pores and texture,
not smooth or plastic. Natural face proportions, slim face shape.
Sharp eyes with natural highlights."

Специальный промпт для решения проблемы «полного лица»:

В положительный промпт добавьте:
"slim face, defined jawline, natural facial proportions,
realistic bone structure, angular cheekbones"

Отрицательные концепции (укажите в конце промпта, каких эффектов избегать):
Avoid: "fat face, round puffy cheeks, bloated face,
overly smooth skin, plastic skin, waxy appearance,
airbrushed, over-retouched, flat eyes, doll-like"

Фиксация ракурса съемки (очень важно): используйте одинаковое описание ракурса для каждой генерации. Изменение угла обзора — одна из главных причин, по которой модель начинает заново интерпретировать черты лица:

Рекомендуемая фиксированная фраза:
"3/4 portrait shot, eye-level camera angle,
medium close-up, [focal length: 85mm portrait lens equivalent]"

Техника 3: Многоэтапный рабочий процесс (Image-to-Image)

Не пытайтесь получить идеальный результат за один раз. Профессиональный воркфлоу строится по принципу «от общего к частному»:

Этап 1: Общая композиция
→ Загружаем референс + полный промпт
→ Генерируем 3–5 вариантов, выбираем тот, где пропорции лица наиболее близки

Этап 2: Ретушь лица (Img2Img)
→ Используем лучший результат предыдущего этапа как новое входное изображение
→ Промпт фокусируем на лице: "Refine face detail,
  sharpen eyes, maintain exact facial structure,
  improve skin texture realism. Keep everything
  else unchanged."

Этап 3: Локальное исправление (если нужно)
→ Отдельно исправляем детали, например, кисти рук или волосы
→ Промпт: "Fix hands to have 5 fingers,
  natural hand pose. Keep face and body unchanged."

🚀 Экономичная итерация: многоэтапный процесс означает, что для одного качественного изображения может потребоваться 5–15 вызовов API. Через сервис APIYI (apiyi.com) каждый вызов стоит всего $0.05. Таким образом, общая стоимость создания идеального сета с моделью составит $0.25–0.75, что на 79% дешевле по сравнению с официальными тарифами ($1.20–3.60).

Техника 4: Фиксация параметров генерации (на уровне API)

При массовой итерации через API сохранение одинаковых параметров помогает уменьшить случайные отклонения:

import google.generativeai as genai
import base64

genai.configure(
    api_key="YOUR_APIYI_KEY",
    # APIYI端点，$0.05/次
    client_options={"api_endpoint": "vip.apiyi.com"}
)

model = genai.GenerativeModel("gemini-3-pro-image-preview")

# 固定的面部一致性提示词模板
FACE_CONSISTENCY_PROMPT = """
Fashion model in {outfit}, {scene}.
Preserve exact facial structure, eye shape, jawline, and skin texture
from reference image. Natural slim face proportions, defined cheekbones.
Realistic skin with visible pores, not airbrushed or plastic.
Sharp clear eyes with natural highlights. 3/4 portrait shot,
eye-level, 85mm portrait lens equivalent.
Avoid: fat face, puffy cheeks, overly smooth skin, flat eyes.
4K resolution, {aspect_ratio} aspect ratio.
"""

def generate_with_face_ref(
    reference_image_path: str,
    outfit: str,
    scene: str,
    output_path: str,
    aspect_ratio: str = "2:3"
):
    """
    使用参考图生成保持人脸一致性的模特图
    通过 APIYI apiyi.com 调用，$0.05/次
    """
    # 读取参考图
    with open(reference_image_path, "rb") as f:
        ref_data = base64.b64encode(f.read()).decode()

    prompt = FACE_CONSISTENCY_PROMPT.format(
        outfit=outfit, scene=scene, aspect_ratio=aspect_ratio
    )

    response = model.generate_content(
        [
            {
                "inline_data": {
                    "mime_type": "image/jpeg",
                    "data": ref_data
                }
            },
            prompt
        ],
        generation_config=genai.GenerationConfig(
            response_modalities=["IMAGE"],
            resolution="4K",
            aspect_ratio=aspect_ratio
        )
    )

    for part in response.candidates[0].content.parts:
        if part.inline_data and part.inline_data.mime_type.startswith("image/"):
            with open(output_path, "wb") as f:
                f.write(base64.b64decode(part.inline_data.data))
            return output_path
    return None


# 批量生成不同场景的模特图（使用同一参考图）
scenes = [
    {"outfit": "white linen blazer", "scene": "minimalist studio, white background", "output": "model_studio.png"},
    {"outfit": "casual denim jacket", "scene": "urban street, natural daylight",    "output": "model_street.png"},
    {"outfit": "elegant evening gown", "scene": "hotel lobby, warm ambient light",  "output": "model_evening.png"},
]

for s in scenes:
    result = generate_with_face_ref(
        reference_image_path="model_ref/front_neutral.jpg",
        outfit=s["outfit"],
        scene=s["scene"],
        output_path=s["output"]
    )
    print(f"{'✓' if result else '✗'} {s['output']}")
# 3张图，APIYI 总成本 $0.15

Примечание: Эндпоинт vip.apiyi.com в коде предоставлен сервисом APIYI (apiyi.com). Он полностью совместим с оригинальным форматом Google Gemini, поэтому никакой конвертации кода не требуется.

Библиотека готовых шаблонов промптов

Ниже приведены полные шаблоны промптов для различных стилей съемки, которые можно копировать и использовать:

Шаблон А: Модель для e-commerce (белый/однотонный фон)

[Reference image: front-facing portrait of model]

Fashion model wearing {описание одежды}, posed naturally against a clean
white studio background. Professional e-commerce product photography.

FACE PRESERVATION (critical):
- Preserve exact facial structure, bone geometry, and proportions
  from reference image
- Maintain original eye shape, eyelid fold, and iris color
- Keep original jawline definition and chin shape
- Realistic skin texture with visible pores, natural micro-details
- Slim natural face shape matching reference — avoid any widening

PHOTOGRAPHY SETTINGS:
- 3/4 portrait shot, eye-level camera angle
- 85mm portrait lens equivalent, shallow depth of field
- Soft diffused studio lighting, Rembrandt lighting setup
- Model facing slightly left, engaging with camera

AVOID: fat face, puffy cheeks, bloated jaw, plastic skin,
airbrushed appearance, flat emotionless eyes, wax figure look.

Resolution: 4K, aspect ratio: 2:3

Шаблон B: Лайфстайл / Уличная съемка

[Reference image: front-facing portrait of model]

Young woman in {описание локации}, wearing {описание одежды}.
Lifestyle photography style, candid natural pose.

IDENTITY LOCK:
- This is the SAME person as in the reference image
- Preserve all facial features: eye shape, nose bridge width,
  lip shape, jawline, cheekbone height
- Do not alter face geometry in any way
- Natural skin tone and texture, no over-smoothing

ENVIRONMENT: {детали окружения}, natural daylight, golden hour lighting
POSE: {описание позы}, natural relaxed posture

QUALITY: editorial fashion photography, shot on full-frame camera,
natural color grading.

NEGATIVE: overweight appearance, fat face, double chin,
plastic surgery look, uncanny valley, distorted anatomy.

Resolution: 4K, aspect ratio: 4:5

Шаблон C: Многоэтапная ретушь (Img2Img)

[Input: previous generation result that needs face refinement]

Refine and improve the face in this image ONLY.
Do not change: background, clothing, body position, lighting.

FACE IMPROVEMENTS NEEDED:
1. Slim the face shape slightly, reduce cheek width by 10-15%
2. Sharpen the jawline definition
3. Add more realistic skin texture (visible pores, subtle imperfections)
4. Improve eye clarity — add natural catch lights, deepen iris color
5. Soften any plastic or over-retouched appearance

Keep all other elements 100% identical to the input image.
This is a targeted face-only refinement pass.

Resolution: 4K, same aspect ratio as input.

Чек-лист для самопроверки качества референса

Перед загрузкой референсного изображения воспользуйтесь этим списком, чтобы оценить, подходит ли оно под требования:

Критерии оценки:

• Пройдено 8 пунктов → Отличное качество, максимальное сходство лица гарантировано.
• Пройдено 5-7 пунктов → Можно использовать, но возможны небольшие отклонения от оригинала.
• Менее 5 пунктов → Рекомендуется заменить референс, иначе даже самый проработанный промпт не даст нужного результата.

💡 Практический совет: Перед запуском массовой генерации сделайте 3–5 тестовых изображений с одним референсом. Оцените вручную, устраивает ли вас уровень сходства, и только потом переходите к масштабированию. Тестирование через APIYI apiyi.com обойдется всего в $0.15-0.25 — риск минимален.

Сравнение инструментов ИИ по уровню сохранения сходства лиц

💡 Совет по выбору: Если ваш бизнес-кейс допускает 5–15% отклонений в чертах лица (например, примерка одежды на модели), Nano Banana Pro в сочетании с приемами из этой статьи — самое выгодное решение по соотношению цена/качество. Если же нужно 100% попадание (один и тот же персонаж на 100 кадрах), лучше использовать Stable Diffusion + LoRA или InstantID. Протестировать разные модели и быстро переключиться между ними можно через единый интерфейс APIYI apiyi.com.

Полный рабочий процесс для создания ИИ-моделей в e-commerce

Специфика e-commerce в том, что нам нужно сохранить внешность одной и той же модели в разных нарядах и локациях, при этом генерируя изображения быстро и массово.

Рекомендуемый рабочий процесс

Этап 1: Создание библиотеки референсов (разовая задача)

1. Подготовьте 3–5 качественных референсов модели:
   - Анфас с нейтральным выражением лица, разрешение от 1024×1024
   - Профиль под 45° (слева и справа)
   - Ракурс в три четверти (самый ходовой для демонстрации одежды)
2. Дайте файлам понятные названия и сохраните в отдельную папку
3. При каждом вызове API используйте один и тот же набор референсов

Этап 2: Генерация шаблона (финальное утверждение)

1. Загрузите 2 референса (анфас + 3/4)
2. Используйте промпт с сохранением черт лица + описание нужной одежды
3. Сгенерируйте 5–10 вариантов
4. Вручную выберите 1–2 наиболее подходящих изображения
5. Используйте их как «эталонные референсы» для следующих итераций

Этап 3: Массовая «переодевание» (масштабирование)

# Массовая генерация на основе эталона. Через APIYI это стоит всего $0.05 за картинку
outfits = ["красное ципао", "белый костюм", "повседневные джинсы", "вечернее платье"]
for outfit in outfits:
    generate_with_face_ref(
        reference_image_path="approved_ref.png",  # Эталонный референс
        outfit=outfit,
        ...
    )

Этап 4: Контроль качества и отбор

После каждой партии проверяйте следующее:
□ Похоже ли лицо на референс (смотрим на скулы и линию челюсти)
□ Живой ли взгляд, естественны ли блики в глазах
□ Текстура кожи: выглядит ли она реалистично (а не как у восковой фигуры)
□ Руки: 5 пальцев, естественная поза
□ Брак отправляем на второй круг доработки через img2img

🎯 Оценка затрат: 100 изображений для e-commerce (включая 20% переделок) через APIYI (apiyi.com) обойдутся примерно в $6. На официальном сайте это стоило бы $28.8 — экономия 79%.

Контроль затрат на API при массовых итерациях

В процессе создания модельных тестов итерации неизбежны. Ниже приведено сравнение затрат в зависимости от масштаба производства:

Советы по контролю расходов:

1. Сначала тестируйте в разрешении 2K: убедитесь, что пропорции лица вас устраивают, и только потом переключайтесь на 4K. Это поможет сэкономить на итерациях (в APIYI цена за 1K/2K/4K фиксирована — $0.05).
2. Параллельные вызовы: используйте asyncio для одновременной отправки 5–10 запросов, чтобы ускорить процесс генерации.
3. Локальное кэширование референсов: сохраняйте результаты обработки эталонных изображений, чтобы не перечитывать и не кодировать их каждый раз заново.

import asyncio
import google.generativeai as genai
import base64

genai.configure(
    api_key="YOUR_APIYI_KEY",
    client_options={"api_endpoint": "vip.apiyi.com"}  # APIYI, $0.05/запрос
)
model = genai.GenerativeModel("gemini-3-pro-image-preview")

# Предварительное кодирование референса (чтобы избежать лишнего I/O)
with open("model_ref/front_neutral.jpg", "rb") as f:
    REF_IMAGE_DATA = base64.b64encode(f.read()).decode()

async def generate_one(prompt: str, output_path: str) -> bool:
    """Одиночная асинхронная генерация"""
    try:
        loop = asyncio.get_event_loop()
        response = await loop.run_in_executor(
            None,
            lambda: model.generate_content(
                [
                    {"inline_data": {"mime_type": "image/jpeg", "data": REF_IMAGE_DATA}},
                    prompt
                ],
                generation_config=genai.GenerationConfig(
                    response_modalities=["IMAGE"],
                    resolution="4K",
                    aspect_ratio="2:3"
                )
            )
        )
        for part in response.candidates[0].content.parts:
            if part.inline_data and part.inline_data.mime_type.startswith("image/"):
                with open(output_path, "wb") as f:
                    f.write(base64.b64decode(part.inline_data.data))
                return True
    except Exception as e:
        print(f"  Error: {e}")
    return False

async def batch_generate(tasks: list) -> None:
    """Параллельная пакетная генерация с ограничением до 5 потоков"""
    sem = asyncio.Semaphore(5)
    async def with_sem(t):
        async with sem:
            ok = await generate_one(t["prompt"], t["output"])
            print(f"{'✓' if ok else '✗'} {t['output']}")
    await asyncio.gather(*[with_sem(t) for t in tasks])

# Пример использования
tasks = [
    {"prompt": "Model in red dress, white background... [полный текст промпта]", "output": f"out_{i:03d}.png"}
    for i in range(20)
]
asyncio.run(batch_generate(tasks))
# Генерация 20 изображений через APIYI обойдется всего в $1.00

💰 Итог по затратам: Используя доступ через APIYI (apiyi.com), даже при большом количестве правок стоимость одного сета модельных фото можно удержать в пределах $1. Это в разы дешевле услуг фотографа или подписки на профессиональные AI-инструменты.

Часто задаваемые вопросы

Добавьте в конец промпта (описание того, чего нужно избежать):
Avoid generating: fat face, round puffy cheeks, bloated facial features,
chubby chin, double chin, wide jaw, swollen face appearance.
Maintain: slim face shape, defined angular jawline, high cheekbones,
natural facial bone structure matching reference image.

Итоги

Основные моменты по обеспечению консистентности лиц в Nano Banana Pro:

1. Признайте ограничения: Nano Banana Pro не может обеспечить 100% идентичность лиц между разными генерациями. Это ограничение архитектуры модели, а не проблема промптов.
2. Приоритет референсным изображениям: Качественные референсы (разрешение 1024px+, равномерное освещение, разные ракурсы) — это самый эффективный инструмент. Они гораздо важнее, чем сами промпты.
3. Усиление промптами: Добавляйте четкие инструкции по сохранению черт лица (Preserve facial structure) и негативные описания (Avoid fat face, plastic skin).
4. Итеративный подход: Двигайтесь от общего к частному. Используйте лучший результат предыдущего прогона в качестве референса для следующего, чтобы постепенно «сузить» поиск и добиться нужного сходства.

На данный момент идеального решения «в один клик» не существует, но связка «референс + промпт + несколько итераций» позволяет поднять консистентность с уровня «неприемлемо» до «пригодно для коммерческого использования». Рекомендуем подключаться через APIYI (apiyi.com) по цене $0.05 за запрос — это делает высокочастотные итерации доступными и помогает быстро найти оптимальную комбинацию настроек.

Справочные материалы

1. Полное руководство по консистентности персонажей в Nano Banana Pro

   • Ссылка: wavespeed.ai/blog/posts/google-nano-banana-pro-complete-guide-2026
   • Описание: Ограничения по количеству референсов, подробности работы функции Face Lock.

2. Исправление проблем с «замыливанием» и деформацией лиц в Nano Banana Pro

   • Ссылка: skywork.ai/blog/how-to-fix-nano-banana-faces-softness-hands-eyes-guide-2025
   • Описание: Библиотека негативных промптов и практика многоэтапного исправления дефектов.

3. Генерация модных изображений для e-commerce в Nano Banana Pro

   • Ссылка: glbgpt.com/hub/how-to-create-ai-generated-fashion-images-for-ecommerce-using-nano-banana-pro
   • Описание: Полный рабочий процесс для массового создания изображений с моделями для интернет-магазинов.

4. Документация по подключению к платформе APIYI

   • Ссылка: docs.apiyi.com
   • Описание: Способы интеграции в нативном формате Gemini, инструкции по использованию API для Image-to-Image.

Автор: Техническая команда
Обмен опытом: Делитесь своими кейсами по настройке консистентности лиц в комментариях. Больше лайфхаков по генерации ИИ-изображений можно найти в техническом сообществе APIYI (apiyi.com).