笑死 nano-banana出图直接给我把水印都整出来了 这是训练数据没有清洗干净啊
图1是原图,图2是nano-banana的,图3是字节的Seededit。(3/n)
我还对比了nano-banana和其他图片模型在同提示词下的表现,你们也可以看看。
图1是原图,图2是nano-banana的,图3是GPT,感觉还是GPT比较好一些。(2/n)
顯示更多
基于nano-banana模型非常优秀的改图能力,把平面动画角色转成3D手办的玩法这几天很火,不过我自己在LMArena测试了一会儿,发现它对纯血二次元图片的转化其实不太理想,改出来的成品都更像是亚克力的吊牌而不是手办,反而让我抽到的Qwen-Image出图效果意外的好。
比如图1是原图,图2是nano-banana的,图3是Qwen-Image的,差距很明显。(1/n)
顯示更多
今日份的Nano Banana Pro生图测试,把异世界的IP融到游戏截图里。🤪
提示词:“xxx”游戏的一张截图,画面中以xxx里的xxx为玩家角色。图像应精确复现“xxx”游戏的图形风格、纹理、光照和用户界面(UI)元素。场景应为可识别的“xxx”地图,具有该游戏标志性的年代感纹理、建筑细节和特有的环境光照。xxx里的xxx应出现在中等距离的游戏世界中,使用与其相似的角色模型呈现,但符合“xxx”的略带风格化的角色设计限制。总体场景应呈现出一种真实的、高保真的游戏瞬间,包含“xxx”游戏引擎的细微表现。(1/n)
顯示更多
用Nano Banana 2 Lite的时候,不要被网站上的图所迷惑,点击下载原始尺寸,细节会大幅度提升
Nano Banana 2 lite vs GPT-image 2
提示词:
“生成一张五格图,每格都是高度规则的排列结构:
一面由 6x6 彩色便签贴组成的墙面。
一盒整齐摆放的 24 颗巧克力。
一排 8 双不同颜色的袜子挂在晾衣绳上。
一个展示柜中摆着 5 层模型车,每层 3 辆。
一张餐桌上摆好了 6 套完整餐具。”
左边 Nano 右边GPT
在数字上依然都是错两道 对三道 打平
人物上 GPT image 2 胜 ,Nano Banana lite 2有点油
顯示更多
为什么chatgpt 生图,还是没有办法好好写中文?相反nano banana 已经完全解决了这个问题。
今日份的生图作业是电影级的Cosplay海报,至于是什么电影你别管。
这个提示词是直接从Nnao Banana那里照搬过来的,相比之下,GPT-Image-2的审美还是要更好一些,人物的高P感是故意用提示词强化的,就是为了区别于真实系,表现得更加浮夸和明媚。
(1/n)
顯示更多