|

Nano Banana Pro PROHIBITED_CONTENT 報錯解析：電商換裝提示詞爲什麼被攔，怎麼改才能通過

ByAPIYI - Stable and affordable AI API

作者注：逐字段解析 Nano Banana Pro 返回 PROHIBITED_CONTENT 報錯的真實原因，分析電商模特換裝場景的提示詞觸發機制，給出可通過安全審覈的提示詞改寫方案

做電商換裝時遇到了這個報錯：finishReason: PROHIBITED_CONTENT——提示詞明明是正常的模特換裝需求，爲什麼被判定爲"違反 Google 生成式 AI 使用政策"？這比 IMAGE_SAFETY 更嚴重——PROHIBITED_CONTENT 是 Google 最高級別的內容攔截，通常意味着硬性禁止。但電商換裝是完全合法的商業需求，Google 自己的 Shopping 產品就用 Nano Banana 做虛擬試穿。本文將逐字段分析這個報錯，找出提示詞中哪些詞觸發了過濾，給出能通過審覈的改寫方案。

核心價值: 讀完本文，你將理解 PROHIBITED_CONTENT 和 IMAGE_SAFETY 的區別，知道你的電商換裝提示詞哪裏觸發了過濾，以及如何改寫才能通過。

nano-banana-pro-prohibited-content-error-clothing-swap-prompt-fix-guide-zh-hant 图示

報錯逐字段解析

先把這個響應的每個字段含義講清楚。

字段 值 含義
finishReason PROHIBITED_CONTENT 最高級別攔截——策略級硬性禁止
finishMessage "sensitive words that violate…" Google 判定輸出包含違反使用政策的敏感內容
content.parts null 沒有返回任何內容
promptTokenCount 1150 輸入消耗 1150 Token（含大量圖片 Token）
candidatesTokenCount 0 輸出爲 0——被攔截，圖片費不計
thoughtsTokenCount 221 模型思考了 221 Token——比 IMAGE_SAFETY 更深入的推理
TEXT: 118 文本提示詞消耗 118 Token 你的中文換裝描述
IMAGE: 1032 圖片輸入消耗 1032 Token 你上傳了參考圖（模特照+服裝素材）

PROHIBITED_CONTENT 比 IMAGE_SAFETY 更嚴重

對比維度 IMAGE_SAFETY PROHIBITED_CONTENT
觸發階段 輸出圖片安全審查 策略級內容類別審查
嚴重程度 中等（可能誤判） 最高（策略硬性禁止）
主要原因 生成的圖片"看起來不安全" 請求涉及禁止的內容類別
可調整性 提示詞優化有 70-80% 成功率 需要改變整體策略
Google 態度 承認"過於謹慎"，存在誤判 視爲政策底線，不輕易放鬆

你的提示詞爲什麼觸發了 PROHIBITED_CONTENT

原始提示詞分析

我們逐句拆解你的提示詞，找出觸發安全過濾的敏感點：

提示詞片段 安全風險評估 觸發原因
"保留人物身體比例，保留人臉" 高風險 "保留人臉" = Deepfake 行爲信號
"換上素材圖內搭和外套" 中風險 "換上" + 參考圖 = 身體操控信號
"外套 oversize，外套敞開露出內搭" 中風險 "露出" + 服裝描述可能被誤判
"換一個背景" 低風險 正常操作
"髮型不變" 中風險 強化了"保留原人物特徵"的信號
"隨機改變姿勢" 高風險 "改變姿勢" = 身體操控信號
"真人感拍攝照片" 中風險 "真人感" 強化了寫實/仿真意圖

核心觸發機制

Google 的安全過濾把你的提示詞識別爲 "對真實人物進行身體操控和外貌修改"——這正好命中了 Deepfake 防護策略。

具體來說，三個關鍵詞組合觸發了 PROHIBITED_CONTENT：

  1. "保留人臉" — 告訴模型"這是一個真實人物的臉，不要改變"
  2. "換上衣服" + "改變姿勢" — 要求模型改變這個真實人物的身體狀態
  3. "真人感拍攝照片" — 進一步強化了這是對真人的仿真操控

Google 的邏輯: 保留真人面容 + 改變身體/衣物/姿勢 = 可能被用於製作 Deepfake → 觸發 PROHIBITED_CONTENT。

這個邏輯在防範 Deepfake 的角度是合理的，但對電商換裝這種正當商業需求來說是誤傷。諷刺的是，Google 自家的 Shopping 產品就用 Nano Banana 做虛擬試穿——但它走的是內部 API 通道，不受公開 API 的安全過濾限制。

🎯 關鍵洞察: 你的提示詞本身不是"違規內容"，而是提示詞的表述方式觸發了 Deepfake 防護模式。改變表述方式就能解決問題。
通過 API易 apiyi.com 調用時，平臺對電商換裝場景有優化配置，失敗不扣費。

nano-banana-pro-prohibited-content-error-clothing-swap-prompt-fix-guide-zh-hant 图示

提示詞改寫方案

核心改寫原則

從"操控真人"轉變爲"創建新角色"——不要讓模型覺得你在修改一個真實人物，而是在創作一個全新的時尚展示圖。

改寫原則 原始表述（被攔） 改寫表述（可通過）
人物 "保留人臉" "生成相似風格的模特" 或 不提人臉
換裝 "換上素材圖的衣服" "穿着參考素材中展示的服裝"
姿勢 "改變姿勢" "時尚雜誌風格站姿"
意圖 "真人感拍攝" "商業時尚攝影風格"
身體 "保留身體比例" "標準時尚模特體型"

改寫方案 A：完全避開"操控"語義（推薦）

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.

爲什麼用英文: Google 安全過濾對英文提示詞的校準更精準，誤判率更低。

改寫方案 B：保留中文但重構語義

專業時尚攝影作品：
一位時尚女模特，穿着參考圖片中展示的服裝搭配
（oversized 外套內搭層疊穿搭），
外套自然敞開展示內搭細節。
城市街景背景，自然光線。
中景構圖，人物佔畫面三分之二，
站姿自然優雅，搭配手提小包。
商業時尚雜誌拍攝風格，高畫質。

關鍵變化：

  • 刪除了"保留人臉"——不再暗示操控真實人物
  • "換上"改爲"穿着"——從操控行爲變成靜態描述
  • "改變姿勢"改爲"站姿自然優雅"——具體化，避免"改變"動詞
  • "真人感"改爲"商業時尚雜誌拍攝風格"——從仿真意圖變爲風格描述
  • "保留身體比例"直接刪除——不再提及身體操控

改寫方案 C：分步執行策略

如果你確實需要保持模特的某些特徵（如膚色、髮型），可以用分步策略：

第一步: 先生成一個不含參考人物的純服裝穿搭圖

Fashion lookbook image: [服裝描述]， worn by a model，
[膚色/髮型] hair， mid-shot， fashion photography style.

第二步: 在第一步的基礎上用多輪對話調整細節

Adjust the background to urban street scene，
add a small handbag accessory.

分步執行避免了一次性把所有"敏感"操作堆在一起觸發過濾。

🎯 實戰建議: 方案 A（英文提示詞）成功率最高。如果必須用中文，方案 B 的通過率也顯著優於原始提示詞。
通過 API易 apiyi.com 調用時，失敗不扣費，你可以放心測試多種提示詞方案找到最優解。

改寫前後對比

維度 原始提示詞 改寫後（方案 B）
人物描述 "保留人物身體比例，保留人臉" "一位時尚女模特"
換裝動作 "換上素材圖內搭和外套" "穿着參考圖片中展示的服裝搭配"
身體操控 "隨機改變姿勢" "站姿自然優雅"
真實性意圖 "真人感拍攝照片" "商業時尚雜誌拍攝風格"
敏感詞數 5+ 個高危/中危組合 0 個
預期結果 PROHIBITED_CONTENT 成功生成

nano-banana-pro-prohibited-content-error-clothing-swap-prompt-fix-guide-zh-hant 图示

常見問題

Q1: Google Shopping 的虛擬試穿也用 Nano Banana，爲什麼它不被攔截？

Google Shopping 的虛擬試穿功能走的是內部 API 通道，不受公開 API 的安全過濾限制。Google 在自家產品中使用了專門的試穿管道（g.co/shop/tryon），有獨立的安全審覈流程。公開 API 的安全過濾更嚴格，因爲 Google 無法控制第三方如何使用生成結果。這是平臺策略的不對等——同樣的技術，Google 自用可以，開發者用就被攔。

Q2: PROHIBITED_CONTENT 被攔截會扣費嗎？

和 IMAGE_SAFETY 一樣，candidatesTokenCount: 0 說明輸出 Token 不計費。Google 表示被攔截的圖片不收費。但輸入 Token（1150）和思考 Token（221）可能產生極少費用（約 $0.0003，可忽略）。通過 API易 apiyi.com 調用時，失敗不扣費——包括 PROHIBITED_CONTENT 攔截的情況。

Q3: 改寫後還是被攔截怎麼辦？

三步升級：1）切換到英文提示詞（方案 A），英文的安全過濾校準更精準；2）不上傳模特參考圖，只上傳服裝素材圖——去掉"真人蔘考"可以大幅降低 Deepfake 風險評分；3）通過 API易 apiyi.com 調用，平臺的安全參數配置有針對電商場景的優化。如果上述方案都失敗，考慮用專門的虛擬試穿工具（如 SellerPic、TapNow）替代通用圖像生成 API。

Q4: 上傳多張參考圖（模特+服裝）會增加觸發風險嗎？

會。你的報錯中 IMAGE: 1032 Token 說明上傳了包含大量信息的參考圖。參考圖中如果包含真人面部，會被安全過濾器識別爲"這是一個真實人物"，進一步強化 Deepfake 信號。建議：1）只上傳服裝素材圖（不含人臉）；2）如果需要參考模特風格，上傳的模特圖裁剪掉面部。

總結

Nano Banana Pro PROHIBITED_CONTENT 報錯的核心要點：

  1. 比 IMAGE_SAFETY 更嚴重: PROHIBITED_CONTENT 是策略級硬性攔截，Google 將"保留人臉 + 換衣服 + 改姿勢"識別爲 Deepfake 操控行爲
  2. 問題在表述方式不在內容本身: 電商換裝是正當需求，但提示詞中"保留人臉""換上""改變姿勢""真人感"的組合觸發了防護機制
  3. 改寫核心原則: 從"對真人做操控"轉換爲"創建新的時尚展示圖"——用"穿着"替代"換上"，用"時尚攝影風格"替代"真人感"，刪除"保留人臉"，英文提示詞成功率更高

推薦通過 API易 apiyi.com 調用 Nano Banana Pro——失敗不扣費，可以放心測試多種提示詞方案，平臺對電商場景有安全參數優化。

📚 參考資料

  1. Gemini API Safety Settings 文檔: 官方安全過濾參數說明

    • 鏈接: ai.google.dev/gemini-api/docs/safety-settings
    • 說明: 包含 finishReason 各值的含義和安全類別

  2. Gemini 圖像生成與負責任 AI: Vertex AI 的安全過濾文檔

    • 鏈接: docs.cloud.google.com/vertex-ai/generative-ai/docs/multimodal/gemini-image-responsible-ai
    • 說明: 包含 PROHIBITED_CONTENT 和 IMAGE_SAFETY 的觸發條件

  3. Nano Banana Pro IMAGE_SAFETY 修復指南: 8 種提高成功率的方法

    • 鏈接: help.apiyi.com/en/nano-banana-pro-image-safety-error-fix-guide-en.html
    • 說明: 包含提示詞優化模板和場景化解決方案

  4. API易文檔中心: 電商換裝場景的安全參數優化

    • 鏈接: docs.apiyi.com
    • 說明: 失敗不扣費 + 電商場景優化配置

作者: APIYI 技術團隊
技術交流: 歡迎在評論區討論，更多資料可訪問 API易 docs.apiyi.com 文檔中心

Try AI Large Model https://api.apiyi.com for free
Stable and reliable AI LM API aggregation service, Get 300 Millions Tokens for Free~

Similar Posts