Nano Banana Pro 人臉一致性完整指南：4 個技巧解決模特面部變形問題

作者注：深度解析 Nano Banana Pro 人臉一致性的技術侷限與實用解法，涵蓋參考圖策略、提示詞模板、多輪編輯工作流，以及通過 API易 以 $0.05/次低成本高頻迭代的方法。

用 Nano Banana Pro 生成模特圖時，最常見的抱怨是："臉老是變形""看起來莫名發胖""換個場景人就不像同一個人了"。這些問題有解法，但需要先理解一個關鍵前提：Nano Banana Pro 目前無法做到跨生成 100% 人臉一致性——每次生成都會重新解析面部特徵，這是模型架構層面的限制，不是提示詞寫得不好。

核心價值：讀完本文，你將瞭解人臉一致性問題的根本原因，掌握參考圖策略 + 提示詞組合 + 多輪迭代三位一體的最佳實踐，以及如何用 API易 $0.05/次的低成本反覆測試找到最優解。

先搞清楚：人臉一致性爲什麼這麼難？

核心認知：Nano Banana Pro 並非專爲人臉鎖定設計，它的強項是圖像質量和文字渲染。與 Stable Diffusion（可加 LoRA）、Flux（寫實感極強）、InstantID 等專項人臉一致性工具相比，Nano Banana Pro 在這一維度有結構性侷限。提示詞改進有幫助，但不是萬能藥——參考圖 + 提示詞 + 迭代策略三者結合才能最大化一致性。

Nano Banana Pro 人臉一致性能力邊界

官方支持的一致性機制

Nano Banana Pro 原生支持通過參考圖實現人臉一致性，技術細節如下：

• 最多 14 張參考圖：可上傳最多 14 張圖片作爲參考，6 張以內保真度最高
• 最多 5 人同時維持一致：單次生成中可追蹤最多 5 個人物的面部特徵
• 身份潛碼機制：模型將人臉映射爲"穩定潛在表示"，修改場景時保持身份錨點
• 圖生圖編輯：上傳參考圖後可指令修改服裝、背景、姿勢，而不改變面部

實際侷限（誠實評估）

官方聲稱的能力            實際使用體驗
─────────────────────────────────────────
"鎖定面部身份"    →    每次生成仍存在細微漂移
"保持跨場景一致"  →    光照/角度變化會觸發面部重解析
"14張參考圖支持"  →    參考圖質量不夠時效果大打折扣
"5人同時維持"     →    超過2人時一致性明顯下降

結論：目前 Nano Banana Pro 的人臉一致性在"可用"到"良好"區間，但距離"完美"還有明顯差距。如果業務需要極高精度的人臉一致性（如明星授權寫真、法證用途），建議結合專業工具。

4 個核心改善技巧

技巧一：參考圖策略（最重要）

參考圖質量是人臉一致性的決定性因素，遠比提示詞更重要。

建立 360° 參考圖庫（電商模特場景推薦）：

參考圖文件夾結構：
model_ref/
├── front_neutral.jpg      # 正面，中性表情
├── front_smile.jpg        # 正面，微笑
├── side_left_45.jpg       # 左側 45°
├── side_right_45.jpg      # 右側 45°
└── three_quarter.jpg      # 3/4 側面（最常用構圖）

每次生成時上傳 2-3 張參考圖（正面 + 與目標構圖最接近的角度），不要每次都變換參考圖組合。

技巧二：提示詞結構優化

加入明確的面部保留指令是改善效果最直接的提示詞手段：

❌ 錯誤寫法（無保留指令）：
"A young Asian woman wearing a red dress， studio lighting， 4K"

✅ 正確寫法（含完整保留指令）：
"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."

針對"臉發胖"問題的專項提示詞：

正向提示詞加入：
"slim face， defined jawline， natural facial proportions，
realistic bone structure， angular cheekbones"

負向概念（在提示詞末尾說明要避免的效果）：
Avoid: "fat face， round puffy cheeks， bloated face，
overly smooth skin， plastic skin， waxy appearance，
airbrushed， over-retouched， flat eyes， doll-like"

固定構圖角度（非常關鍵）：每次生成使用相同的攝影視角描述，角度變化是觸發面部重解析的主要原因之一：

推薦固定句式：
"3/4 portrait shot， eye-level camera angle，
medium close-up， [focal length: 85mm portrait lens equivalent]"

技巧三：多輪編輯工作流（圖生圖）

不要試圖一次生成完美結果。專業工作流是"先整體後局部"：

第 1 輪：全局構圖
→ 上傳參考圖 + 完整提示詞
→ 生成 3-5 個變體，選出面部比例最接近的

第 2 輪：面部精修（圖生圖）
→ 將上一輪最佳結果作爲新的輸入圖
→ 提示詞聚焦面部："Refine face detail，
  sharpen eyes， maintain exact facial structure，
  improve skin texture realism. Keep everything
  else unchanged."

第 3 輪：局部修復（如需）
→ 手部、髮絲等細節單獨修復
→ 提示詞："Fix hands to have 5 fingers，
  natural hand pose. Keep face and body unchanged."

🚀 低成本迭代：多輪工作流意味着一套圖可能需要 5-15 次 API 調用。通過 API易 apiyi.com 接入，每次僅 $0.05，生成一套完整模特圖總成本控制在 $0.25-0.75，相比官網的 $1.20-3.60 節省超過 79%。

技巧四：固定生成參數（API 調用層面）

通過 API 批量迭代時，保持以下參數一致性有助於減少隨機漂移：

import google.generativeai as genai
import base64

genai.configure（
    api_key="YOUR_APIYI_KEY"，
    # API易端點，$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詞模板
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"
）:
    """
    使用參考圖生成保持人臉一致性的模特圖
    通過 API易 apiyi.com 調用，$0.05/次
    """
    # 讀取參考圖
    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


# 批量生成不同場景的模特圖（使用同一參考圖）
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張圖，API易 總成本 $0.15

說明：代碼中 vip.apiyi.com 爲 API易 apiyi.com 的接入端點，完全兼容谷歌原生 Gemini 格式，無需任何格式轉換。

提示詞完整模板庫

以下是針對不同拍攝風格整理的完整提示詞模板，可直接複製使用：

模板 A：電商服裝模特（白底/純色背景）

[Reference image: front-facing portrait of model]

Fashion model wearing {服裝描述}， 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

模板 B：生活場景/戶外模特

[Reference image: front-facing portrait of model]

Young woman in {場景描述}， wearing {服裝描述}.
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: {場景細節}， natural daylight， golden hour lighting
POSE: {姿勢描述}， 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

模板 C：多輪精修（圖生圖）

[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.

參考圖質量自檢清單

在上傳參考圖前，用這張清單評估參考圖是否符合要求：

評分標準：

• 8 項全過 → 參考圖質量優秀，人臉一致性最大化
• 5-7 項通過 → 可用，但結果可能有一定漂移
• 低於 5 項 → 建議更換參考圖，否則再好的提示詞也效果有限

💡 實踐建議：建議在正式批量出圖前，先用單張參考圖生成 3-5 張測試圖，人工評估一致性是否滿足業務要求，再決定是否進入規模化生產。通過 API易 apiyi.com 測試階段總成本僅 $0.15-0.25，極低風險。

各 AI 工具人臉一致性橫向對比

💡 選擇建議：如果你的業務場景允許 5-15% 的面部漂移（如電商模特換裝），Nano Banana Pro 配合本文技巧是性價比最高的方案。如果需要極高一致性（同一角色在 100 張圖中完全相同），建議使用 Stable Diffusion + LoRA 或 InstantID 等專項工具，可以通過 API易 apiyi.com 的多模型接口便捷切換測試。

電商模特場景完整工作流

電商場景的特殊性在於：需要同一模特在多套服裝 × 多個場景下保持一致，同時快速批量出圖。

推薦工作流

階段 1：建立參考圖庫（一次性工作）

1. 拍攝或準備 3-5 張高質量模特參考圖
   - 正面中性表情，1024×1024 以上
   - 側面 45°（左右各一）
   - 3/4 側面（最常用於服裝展示）
2. 統一命名，存入固定文件夾
3. 每次 API 調用固定使用同組參考圖

階段 2：生成模板（首次定版）

1. 上傳 2 張參考圖（正面 + 3/4 側）
2. 使用完整保留提示詞 + 目標服裝描述
3. 生成 5-10 個變體
4. 人工篩選最接近標準的 1-2 張
5. 將通過的圖作爲"定版參考"用於後續輪次

階段 3：批量換裝（規模化）

# 基於定版參考批量生成，API易 每張 $0.05
outfits = ["紅色旗袍"， "白色西裝"， "休閒牛仔"， "晚禮服"]
for outfit in outfits:
    generate_with_face_ref（
        reference_image_path="approved_ref.png"，  # 定版參考
        outfit=outfit，
        ...
    ）

階段 4：質檢與篩選

每批輸出後做以下檢查：
□ 臉型是否與參考圖接近（重點看顴骨、下頜線）
□ 眼睛是否有神，高光是否自然
□ 皮膚質感是否真實（非蠟像感）
□ 手部是否正常（5 根手指，自然姿勢）
□ 不通過的單獨做第 2 輪圖生圖精修

🎯 成本估算：100 張電商模特圖（含 20% 不通過重做），通過 API易 apiyi.com 總成本約 $6，相比官網 $28.8，節省 79%。

批量迭代的 API 成本控制

模特圖生產中，迭代是必然的。以下是按不同規模估算的成本對比：

成本控制技巧：

1. 先用 2K 分辨率測試：確認面部比例滿意後再切 4K，節省迭代成本（API易 1K/2K/4K 均爲 $0.05）
2. 批量併發調用：用 asyncio 併發 5-10 個請求，縮短批量出圖時間
3. 本地緩存參考圖處理結果：避免每次重新讀取和編碼參考圖

import asyncio
import google.generativeai as genai
import base64

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

# 預先編碼參考圖（避免重複 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:
    """單次異步生成"""
    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:
    """併發批量生成，控制併發數爲 5"""
    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]）

# 使用示例
tasks = [
    {"prompt": "Model in red dress， white background... [完整保留提示詞]"， "output": f"out_{i:03d}.png"}
    for i in range（20）
]
asyncio.run（batch_generate（tasks））
# 20張圖併發生成，API易 總成本 $1.00

💰 成本總結：通過 API易 apiyi.com 接入，即使大量迭代也能把單套模特圖成本控制在 $1 以內，遠低於委託攝影師或購買專業 AI 工具訂閱的成本。

常見問題

在提示詞末尾加入（描述要避免的效果）：
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.

總結

Nano Banana Pro 人臉一致性問題的核心要點：

1. 認清侷限：Nano Banana Pro 無法做到 100% 跨生成人臉一致，這是架構限制，不是提示詞問題
2. 參考圖優先：高質量參考圖（1024px+、均勻光照、多角度）是最有效的改善手段，遠比提示詞更關鍵
3. 提示詞補強：加入明確保留指令（Preserve facial structure）和負向描述（Avoid fat face， plastic skin）
4. 多輪迭代：先全局再局部，用上一輪最好的結果作爲下一輪的參考圖，逐步收斂

當前沒有完美方案，但參考圖 + 提示詞 + 多輪迭代組合能將一致性從"不可接受"提升到"可用於商業"。推薦通過 API易 apiyi.com 以 $0.05/次接入，讓低成本高頻迭代成爲可能，從而找到最優提示詞組合。

參考資料

1. Nano Banana Pro 角色一致性完整指南

   • 鏈接：wavespeed.ai/blog/posts/google-nano-banana-pro-complete-guide-2026
   • 說明：含參考圖數量限制、Face Lock 功能詳細說明

2. 修復 Nano Banana Pro 人臉軟化/變形問題

   • 鏈接：skywork.ai/blog/how-to-fix-nano-banana-faces-softness-hands-eyes-guide-2025
   • 說明：負向提示詞庫和多輪修復實踐

3. Nano Banana Pro 電商時尚圖像生成

   • 鏈接：glbgpt.com/hub/how-to-create-ai-generated-fashion-images-for-ecommerce-using-nano-banana-pro
   • 說明：電商模特批量出圖的完整工作流

4. API易平臺接入文檔

   • 鏈接：docs.apiyi.com
   • 說明：Gemini 原生格式接入方式，圖生圖接口使用說明

作者：技術團隊
技術交流：歡迎在評論區分享你的人臉一致性調試經驗，更多 AI 圖像生成技巧可訪問 API易 apiyi.com 技術社區