معرفی Nano Banana 2.1؛ مدل جدید گوگل برای ساخت و ویرایش تصویر با هوش مصنوعی

تولید تصویر با هوش مصنوعی دیگر فقط به نوشتن یک توضیح کوتاه و دریافت یک تصویر زیبا محدود نیست. وقتی پای استفاده حرفه‌ای به میان می‌آید، موضوعاتی مثل حفظ ظاهر یک شخصیت در چند تصویر، ثابت ماندن محصول هنگام تغییر پس‌زمینه، ویرایش دقیق بخش مشخصی از تصویر، تولید نوشته خوانا و امکان اصلاح مرحله‌به‌مرحله خروجی اهمیت بسیار بیشتری پیدا می‌کنند.

Nano Banana 2.1 جدیدترین مدل Google در خانواده Nano Banana برای تولید و ویرایش تصویر است که با تمرکز بر همین مسائل توسعه یافته است. Google این مدل را به‌عنوان نسل جدیدی از مدل‌های پربازده تولید تصویر و ویرایش مکالمه‌ای معرفی می‌کند؛ مدلی که کیفیت بصری، پیروی از پرامپت، ثبات شخصیت، کار با چند تصویر مرجع و تولید متن داخل تصویر در آن بهبود پیدا کرده است.

Nano Banana 2.1 بر پایه Gemini 3.6 Flash ساخته شده و در کنار تولید تصویر از متن، برای ویرایش تصاویر موجود و ادامه‌دادن فرایند اصلاح تصویر در چند مرحله نیز طراحی شده است. این ویژگی می‌تواند برای طراحان، تولیدکنندگان محتوا، تیم‌های بازاریابی، فروشگاه‌های اینترنتی و توسعه‌دهندگانی که به تولید حجم بالای تصاویر نیاز دارند اهمیت زیادی داشته باشد.

در ادامه بررسی می‌کنیم Nano Banana 2.1 دقیقاً چیست، چه قابلیت‌هایی دارد، چه تفاوتی با Nano Banana 2 ایجاد کرده و در چه پروژه‌هایی می‌تواند انتخاب مناسبی باشد.

Nano Banana 2.1 چیست و چه جایگاهی در خانواده Gemini دارد؟

Nano Banana 2.1 یک مدل تولید و ویرایش تصویر از Google است که می‌تواند ورودی‌های متنی و تصویری را درک کند و بر اساس آنها تصویر جدید تولید کرده یا یک تصویر موجود را ویرایش کند.

این مدل ادامه مسیر Nano Banana 2 یا همان Gemini 3.1 Flash Image محسوب می‌شود، اما تغییرات آن فقط به افزایش کیفیت تصویر محدود نیست. بخش قابل توجهی از توسعه نسخه 2.1 به بهبود فرایندهای واقعی تولید محتوا اختصاص پیدا کرده است.

برای مثال، تصور کنید قرار است شخصیت ثابتی را در مجموعه‌ای از تصاویر تبلیغاتی نمایش دهید. در بسیاری از مدل‌های تصویری ممکن است با هر بار تغییر زاویه دوربین یا محیط، شکل صورت، لباس یا جزئیات شخصیت نیز تغییر کند. این مشکل که معمولاً با عنوان ناپایداری شخصیت شناخته می‌شود، یکی از مهم‌ترین چالش‌های استفاده حرفه‌ای از مدل‌های تصویری است.

Nano Banana 2.1 تلاش می‌کند این ناپایداری را کاهش دهد و در عین حال امکان ویرایش مکالمه‌ای را فراهم کند؛ یعنی به‌جای آنکه برای هر تغییر تصویر را از ابتدا بسازید، می‌توانید همان تصویر را مرحله‌به‌مرحله اصلاح کنید.

مهم‌ترین قابلیت‌های Nano Banana 2.1

کیفیت بصری بهتر و پیروی دقیق‌تر از پرامپت

یکی از اصلی‌ترین تغییرات Nano Banana 2.1، بهبود کیفیت بصری و توانایی بهتر در اجرای دستورهای کاربر است.

این موضوع به‌خصوص در پرامپت‌های پیچیده اهمیت دارد؛ جایی که کاربر ممکن است هم‌زمان درباره سوژه، نور، زاویه دوربین، محیط، سبک بصری، اشیا و ترکیب‌بندی دستور بدهد.

طبق مستندات Google، نسخه جدید در کیفیت و واقع‌گرایی تصاویر 1K، 2K و 4K بهبود یافته است. همچنین برخی مشکلات مربوط به تکرار الگو در نسبت‌های تصویری بسیار عریض یا کشیده، به‌خصوص در رزولوشن‌های بالاتر، اصلاح شده‌اند.

این تغییرات برای ساخت تصاویر تبلیغاتی، بنرهای عریض، تصاویر وب‌سایت و محتوای شبکه‌های اجتماعی کاربردی است.

حفظ ثبات شخصیت و محصول با تصاویر مرجع

یکی از مهم‌ترین قابلیت‌های Nano Banana 2.1، استفاده از چند تصویر مرجع است.

این مدل می‌تواند تا ۱۴ تصویر مرجع را در یک فرایند دریافت کند و بر اساس مشخصات منتشرشده، برای حفظ شباهت تا چهار شخصیت و وفاداری بصری تا ده شیء از این تصاویر استفاده کند.

این قابلیت برای سناریوهای تجاری بسیار مهم است. یک فروشگاه اینترنتی می‌تواند تصویر محصول را به مدل بدهد و نسخه‌های مختلفی از همان محصول را در محیط‌های گوناگون تولید کند. یک تیم تبلیغاتی نیز می‌تواند از یک شخصیت مشخص در چند بنر و تصویر کمپین استفاده کند.

با این حال، حفظ شخصیت هنوز صددرصد بدون خطا نیست و Google نیز در Model Card خود به این محدودیت اشاره کرده است.

ویرایش ماسکی و ویرایش چندمرحله‌ای

ویرایش ماسکی یکی دیگر از قابلیت‌های مهم Nano Banana 2.1 است.

در این روش، بخش مشخصی از تصویر برای تغییر انتخاب می‌شود. به این ترتیب مدل می‌تواند تمرکز خود را روی همان ناحیه قرار دهد و تا حد امکان قسمت‌های دیگر تصویر را ثابت نگه دارد.

برای مثال می‌توان از مدل خواست فقط رنگ لباس را تغییر دهد، یک شیء را از روی میز حذف کند، بخشی از پس‌زمینه را جایگزین کند یا عنصر جدیدی به تصویر اضافه کند.

این قابلیت در کنار ویرایش مکالمه‌ای اهمیت بیشتری پیدا می‌کند. کاربر می‌تواند ابتدا یک تصویر بسازد، سپس نور را اصلاح کند، بعد پس‌زمینه را تغییر دهد و در مرحله بعد نسخه‌ای مناسب تبلیغات تهیه کند.

البته ویرایش ماسکی نیز بدون محدودیت نیست. Google به مواردی مانند اجرای ناقص برخی دستورها، باقی‌ماندن آثار خطوط ویرایش و حفظ ناخواسته وضعیت بدنی سوژه در برخی شرایط اشاره کرده است.

تولید بهتر متن داخل تصویر و اینفوگرافیک

تولید متن خوانا داخل تصویر یکی از چالش‌های قدیمی مدل‌های تصویری بوده است.

Nano Banana 2.1 در این زمینه نیز پیشرفت کرده و Google به بهبود رندر متن و دقت بیشتر در چیدمان اینفوگرافیک اشاره می‌کند.

این قابلیت می‌تواند برای طراحی پوستر، منو، بنر تبلیغاتی، نمودار، اینفوگرافیک و محتوای آموزشی مفید باشد.

با این حال، نباید انتظار داشت مدل در همه شرایط جای نرم‌افزارهای حرفه‌ای صفحه‌آرایی را بگیرد. متن‌های بسیار کوچک، پاراگراف‌های طولانی و نوشته‌های متراکم همچنان می‌توانند دارای خطا یا ناخوانایی باشند.

Google نیز به‌طور مشخص ضعف در رندر متن‌های کوچک، به‌خصوص در خروجی 1K، و مشکل در متن‌های طولانی را جزو محدودیت‌های مدل اعلام کرده است.

اتصال به جستجوی Google و سطوح تفکر

Nano Banana 2.1 از Grounding با Google Web Search و Google Image Search نیز پشتیبانی می‌کند.

این ویژگی در شرایطی مفید است که تصویر باید بر اساس اطلاعات یا مراجع موجود در دنیای واقعی ساخته شود.

همچنین سه سطح پردازش برای مدل در نظر گرفته شده است: Minimal، Medium و High. حالت Medium به‌عنوان گزینه پیش‌فرض معرفی شده و سطح‌های مختلف می‌توانند بسته به پیچیدگی پروژه مورد استفاده قرار گیرند.

برای یک تغییر ساده در رنگ یا پس‌زمینه معمولاً نیازی به بالاترین سطح پردازش وجود ندارد، اما پروژه‌های پیچیده با چند شخصیت و روابط فضایی دشوار می‌توانند از پردازش بیشتر بهره ببرند.

مشخصات فنی Nano Banana 2.1

Nano Banana 2.1 با شناسه API رسمی gemini-nano-banana-2.1 ارائه شده است.

در مستندات Gemini API، ورودی‌های قابل پشتیبانی شامل متن، تصویر، ویدیو و PDF هستند و خروجی می‌تواند شامل تصویر و متن باشد. سقف ورودی در این Endpoint برابر ۱۳۱٬۰۷۲ توکن و سقف خروجی ۳۲٬۷۶۸ توکن اعلام شده است.

مدل از تولید تصویر در سه سطح 1K، 2K و 4K پشتیبانی می‌کند و رزولوشن پیش‌فرض آن 1K است.

همچنین Batch API برای پردازش درخواست‌ها در حجم بالا پشتیبانی می‌شود، اما برخی قابلیت‌ها مانند Function Calling، Structured Output، Live API و Context Caching در مشخصات فعلی مدل پشتیبانی نمی‌شوند.

تفاوت Nano Banana 2.1 با Nano Banana 2 چیست؟

Nano Banana 2.1 را می‌توان نسخه تکامل‌یافته Nano Banana 2 دانست.

مهم‌ترین تفاوت‌ها در چند حوزه دیده می‌شوند: کیفیت بصری بهتر، پیروی دقیق‌تر از پرامپت، حفظ بهتر شخصیت، پشتیبانی گسترده‌تر از تصاویر مرجع، تولید بهتر متن، ویرایش مکالمه‌ای و امکان انتخاب سطح تفکر.

یکی دیگر از تغییرات مهم، ساختار هزینه تولید تصویر است. نرخ خروجی تصویر Nano Banana 2.1 برابر ۳۰ دلار برای هر یک میلیون توکن تصویر است، در حالی که نرخ Nano Banana 2 برابر ۶۰ دلار بوده است.

البته ورودی‌های Nano Banana 2.1 گران‌تر شده‌اند؛ بنابراین هزینه نهایی هر پروژه فقط به قیمت تصویر خروجی وابسته نیست و باید میزان ورودی، پردازش و تعداد دفعات تولید مجدد را نیز در نظر گرفت.

قیمت Nano Banana 2.1 و هزینه استفاده از API

قیمت‌گذاری Nano Banana 2.1 بر اساس توکن انجام می‌شود.

در اطلاعات قیمت‌گذاری موجود، هزینه خروجی تصویر در حالت استاندارد برای 1K حدود ۰٫۰۳۳۶ دلار و برای 2K حدود ۰٫۰۵۰۴ دلار است.

در اطلاعات به‌روزشده منتشرشده برای 4K، هزینه استاندارد حدود ۰٫۱۱۳ دلار اعلام شده است. در Batch API نیز هزینه خروجی تقریباً نصف حالت استاندارد است: حدود ۰٫۰۱۶۸ دلار برای 1K، ۰٫۰۲۵۲ دلار برای 2K و ۰٫۰۵۶۷ دلار برای 4K.

البته این ارقام فقط هزینه خروجی تصویر هستند.

هزینه ورودی Nano Banana 2.1 برابر ۱٫۵۰ دلار برای هر یک میلیون توکن است و متن و توکن‌های پردازش نیز هزینه جداگانه دارند. بنابراین در پروژه‌های پیچیده با تعداد زیادی تصویر مرجع یا ویرایش‌های چندمرحله‌ای، هزینه نهایی می‌تواند بیشتر از قیمت ساده یک تصویر باشد.

برای کسب‌وکارها معیار مناسب‌تر این است که هزینه «هر تصویر قابل استفاده» را محاسبه کنند. اگر یک مدل برای رسیدن به نتیجه مناسب به چند بار تولید مجدد نیاز داشته باشد، ارزان‌تر بودن قیمت اولیه لزوماً به معنی هزینه نهایی کمتر نیست.

کاربردهای Nano Banana 2.1 برای تولید محتوا و کسب‌وکار

Nano Banana 2.1 می‌تواند در طیف گسترده‌ای از پروژه‌های محتوایی و تجاری استفاده شود.

در فروشگاه‌های اینترنتی می‌توان از تصاویر واقعی محصول به‌عنوان مرجع استفاده کرد و همان محصول را در محیط‌ها، فصل‌ها یا سبک‌های تبلیغاتی متفاوت قرار داد.

در بازاریابی و تبلیغات، قابلیت حفظ بهتر شخصیت و محصول می‌تواند برای ساخت مجموعه‌ای از بنرها و تصاویر هماهنگ مفید باشد.

تولیدکنندگان محتوا نیز می‌توانند از آن برای ساخت تصاویر شبکه‌های اجتماعی، کاور، پوستر، اینفوگرافیک و تصاویر آموزشی استفاده کنند.

برای پروژه‌های داستانی، کمیک یا استوری‌بورد، ثبات بهتر شخصیت در چند تصویر می‌تواند ارزش زیادی داشته باشد.

ویرایش ماسکی نیز در سناریوهایی مانند تعویض لباس، حذف اشیای اضافی، تغییر جزئی پس‌زمینه یا اصلاح یک بخش مشخص از تصویر کاربرد دارد.

محدودیت‌های Nano Banana 2.1

با وجود پیشرفت‌های قابل توجه، Nano Banana 2.1 یک مدل بدون خطا نیست.

Google اعلام کرده که مدل همچنان ممکن است دچار Hallucination یا تولید اطلاعات نادرست شود. در برخی موارد نیز کندی یا Timeout گزارش شده است.

متن‌های کوچک و طولانی همچنان یکی از نقاط ضعف هستند. حفظ شخصیت نیز با وجود بهبود، همیشه کامل نیست.

در برخی ویرایش‌ها ممکن است مدل وضعیت بدنی یا ساختار اصلی سوژه را بیش از حد حفظ کند و تغییر مورد نظر کاربر به‌طور کامل اعمال نشود.

مشکلات مربوط به تشخیص جهت‌های فضایی مانند چپ و راست و محدودیت در استدلال سه‌بعدی نیز همچنان وجود دارند.

به همین دلیل، در تصاویر علمی، پزشکی، تاریخی، آموزشی یا اینفوگرافیک‌هایی که دقت اطلاعات اهمیت بالایی دارد، خروجی باید قبل از انتشار بررسی شود.

ظاهر حرفه‌ای یک تصویر لزوماً به معنی صحیح بودن محتوای آن نیست.

چگونه به Nano Banana 2.1 دسترسی پیدا کنیم؟

یکی از ساده‌ترین روش‌ها برای آزمایش Nano Banana 2.1 استفاده از Google AI Studio است.

توسعه‌دهندگان نیز می‌توانند از شناسه gemini-nano-banana-2.1 در Gemini API استفاده کنند.

مدل علاوه بر Gemini API در بخش‌هایی از اکوسیستم Google از جمله Gemini App، Google AI Studio، AI Mode در Google Search، Google Flow، Google Stitch و Google Ads عرضه شده است.

میزان و نوع دسترسی ممکن است بسته به محصول، حساب کاربری و منطقه متفاوت باشد.

Nano Banana 2.1 برای چه کسانی مناسب است؟

Nano Banana 2.1 برای کاربرانی بیشترین ارزش را دارد که به چیزی فراتر از تولید یک تصویر ساده نیاز دارند.

طراحان، تولیدکنندگان محتوا، آژانس‌های تبلیغاتی، فروشگاه‌های اینترنتی، تیم‌های بازاریابی و توسعه‌دهندگان می‌توانند از قابلیت‌های چندتصویری و ویرایش مرحله‌ای آن استفاده کنند.

اگر پروژه شما شامل یک شخصیت یا محصول ثابت در چند تصویر است، ویژگی ثبات سوژه اهمیت زیادی پیدا می‌کند.

اگر مرتب تصاویر موجود را اصلاح می‌کنید، ویرایش ماسکی و مکالمه‌ای می‌تواند فرایند کار را سریع‌تر کند.

و اگر حجم بالایی از تصاویر تولید می‌کنید، کاهش هزینه خروجی تصویر در مقایسه با Nano Banana 2 می‌تواند در مقیاس بالا قابل توجه باشد.

با این حال، بهترین تصمیم این است که مدل را با تصاویر، محصولات و پرامپت‌های واقعی پروژه خود آزمایش کنید. نتیجه یک مدل در Benchmark یا نمونه‌های نمایشی لزوماً کیفیت آن را در همه پروژه‌ها تضمین نمی‌کند.

جمع‌بندی

Nano Banana 2.1 فقط یک به‌روزرسانی جزئی برای مدل‌های تصویری Google نیست. این نسخه روی مسائلی تمرکز کرده که در استفاده حرفه‌ای از هوش مصنوعی اهمیت زیادی دارند: حفظ بهتر شخصیت و محصول، کار با تصاویر مرجع متعدد، ویرایش مرحله‌ای، تولید بهتر نوشته و کاهش هزینه خروجی در بسیاری از رزولوشن‌ها.

پشتیبانی از حداکثر ۱۴ تصویر مرجع، خروجی 1K تا 4K، Grounding با جستجوی Google، سطوح مختلف پردازش و بهبود ویرایش، Nano Banana 2.1 را به گزینه‌ای جدی برای پروژه‌های تولید محتوا و طراحی تبدیل کرده است.

در مقابل، محدودیت‌هایی مانند ضعف متن‌های کوچک، احتمال تغییر جزئی شخصیت، خطاهای فضایی و امکان تولید اطلاعات نادرست نشان می‌دهند که بازبینی انسانی همچنان بخش ضروری فرایند تولید محتوای حرفه‌ای است.

اگر هدف شما استفاده جدی از مدل‌های تولید تصویر است، بهتر است فقط به پرامپت‌های آماده اکتفا نکنید. یادگیری اصول پرامپت‌نویسی تصویری، استفاده درست از تصاویر مرجع، کنترل ترکیب‌بندی و ویرایش مرحله‌ای می‌تواند کیفیت خروجی شما را بسیار بیشتر از تعویض مداوم ابزارها افزایش دهد.