AI 界最近掀起一場「奈米香蕉」（Nano-Banana）旋風，Google 現已證實其真身為新一代多模態 AI 模型 Gemini 2.5 Flash Image。這款被譽為「Photoshop 殺手」的工具，主打極速圖像生成與編輯，其核心優勢在於整合了多圖融合、角色風格一致性、對話式編輯及原生世界知識，讓創作過程更流暢。文章將深入分析此模型的四大核心能力，並比較其與 Midjourney 及 DALL-E 3 等競品的異同。
即刻【按此】，用 App 睇更多產品開箱影片
「Nano-Banana」真實身份：Gemini 2.5 Flash Image
最近在 AI 圈子裡「Nano Banana」（奈米香蕉）這個名字引發了廣泛討論，其出色的圖片編輯能力甚至讓它贏得了「Photoshop 殺手」的稱號。
現在 Google 已經正式證實，它就是 Gemini 2.5 Flash Image 的非官方代號。Gemini 2.5 Flash Image 是 Google 最新推出的多模態 AI 模型，它專注於圖像生成與編輯，並以其卓越的速度和精準度著稱。這個模型繼承了 Gemini 系列強大的多模態能力，能夠同時理解文字和圖像，讓用戶用更直覺、更自然的方式來創作和修改圖片。
功能詳解：四大核心能力與應用潛力
Gemini 2.5 Flash Image 最大的突破在於其對「視覺工作流」的重塑，它將以往割裂的圖像生成與編輯環節，透過四大核心能力無縫整合為一個流暢的對話式體驗。
多圖融合（Multi-image fusion）
傳統模型通常只能基於單一提示詞或單一參考圖像來生成內容。而 Gemini 2.5 Flash Image 能理解並融會多個輸入圖像的能力。例如，使用者可以將不同的產品圖像拖放到一個新的場景中，並透過一個簡單的提示詞，讓模型將這些元素無縫融合，創建出一個全新的、寫實的統一視覺。
角色與風格一致性（Character & Style consistency）
在圖像生成領域，要確保一個角色或物件在不同場景、不同動作中的外觀保持一致，是一項巨大的技術挑戰，常需要耗時的手動微調。Gemini 2.5 Flash Image 則能可靠地維護角色的視覺身份，讓使用者能將同一個角色置於不同環境，或從多個角度展示單一產品，同時保持其核心視覺特徵。
對話式編輯（Conversational editing）
該模型將圖像編輯從繁瑣的軟體操作（如筆刷、圖層選擇）中解放出來。使用者可以透過自然語言進行精準的局部或全域修改。例如，一個簡單的指令如「模糊背景」、「移除T恤上的污漬」或「改變人物的姿勢」就能完成原本需要專業設計軟體才能實現的操作。這種能力將創作過程從單一、靜態的生成，變為一個動態、多輪的「創意對話」，讓使用者能夠透過持續的互動，快速反覆運算，直到獲得滿意的結果。
原生世界知識（Native world knowledge）
與許多專注於美學生成的模型不同，Gemini 2.5 Flash Image 受益於 Gemini 家族強大的語義理解能力 。這使得它不僅僅是根據像素來生成圖像，更能理解圖像背後的深層含義和現實世界的邏輯。
顛覆性編輯技術不「走樣」 實用性強
Gemini 2.5 Flash Image 其出色的連貫性對於數碼創作者而言，無疑是一大福音。用戶在進行一連串編輯時，例如為相中人物更換背景或服飾，再也不用擔心主體會「走樣」或出現面部扭曲等問題。
實際應用場景
即時圖像編輯： 例如，讓使用者用自然語言來修改圖片，像是「把這張照片的背景換成海灘」。對於零售商、廣告商或內容創作者來說意義重大，能夠在不進行昂貴實體攝影的情況下，快速生成產品廣告圖、視覺化培訓材料或複雜的廣告視覺。
圖片多次編輯：動態、多輪的「創意對話」，讓使用者能夠透過持續的互動，快速反覆運算，直到獲得滿意的結果
創意內容生成： 編輯技術不「走樣」對於需要大規模生產品牌資產、系列漫畫或一致性廣告視覺的企業而言，能大幅提高生產力。
理解與學習新知識： Gemini 2.5 Flash Image 受益於 Gemini 家族強大的語義理解能力。這使得它不僅僅是根據像素來生成圖像，更能理解圖像背後的深層含義和現實世界的邏輯。例如：學生拍下教科書上的圖片或圖表，模型能即時解釋相關概念或提供更多資訊。
與 Midjourney、DALL-E 3 等頂級競品比較
在當前的圖像生成市場中，Midjourney 以其獨特的藝術風格和夢幻視覺聞名，而 DALL-E 3 則以其對提示詞的忠實理解和精確執行而著稱。Gemini 2.5 Flash Image 的市場定位則與這兩者有所不同，它不旨在成為最純粹的藝術創作者，而是專注於滿足日常創作者和企業對「可控性」與「生產力」的需求。
Flash Image 的核心競爭力在於其獨特的「思維推理層」（reasoning layer）。與 DALL-E 或 Midjourney 僅僅解釋提示詞不同，Flash Image 會先對請求進行深層次的思考與理解。這項能力使其在複雜的多步驟任務中表現更為可靠與準確，提供了更高的可重複性，這對於需要精準控制的商業應用至關重要。
Gemini 2.5 Flash Image vs. 主要競品功能與特性對比
比較方向 |
Gemini 2.5 Flash Image |
DALL-E 3 |
Midjourney |
核心優勢 |
強大的「思維」推理層，優化工作流，高度可控 |
高度忠實於提示詞，與 ChatGPT 深度整合，易於使用 |
獨特的藝術風格，擅長創造夢幻、電影般的視覺效果 |
圖像品質 |
SOTA 級別的生成與編輯品質，強調寫實與精準 |
忠實且精確，適合需要嚴格控制細節的場景 |
風格強烈、藝術性高，適合純粹的藝術創作與敘事 |
對話式編輯能力 |
強項。透過自然語言進行精準、多輪的編輯，實現迭代式創作 |
支援，但功能相對有限，不如 Flash Image 流暢與互動 |
支援，需配合使用 Vary Region 等進階編輯工具 |
角色一致性 |
具備強大的角色一致性能力，可跨多個提示維持主體外觀 |
隨提示詞長度變化，一致性可能減弱 |
支援角色參考（Character Reference），表現優異 |
世界知識/推理 |
內建 Gemini 世界知識，能理解手繪圖與複雜語義 |
依賴於 GPT 的強大語義理解能力 |
偏重視覺風格，語義理解相對較弱 |
易用性/工作流 |
深度整合於 AI Studio/Vertex AI，提供「單一堆棧」解決方案 |
深度整合於 ChatGPT，介面直觀，易於新手上手 |
主要透過 Discord 平台運作，現已推出網頁版 |
已知局限 |
小臉部細節與文字仍有失真，風格偶有「過度拋光」現象 |
在複雜提示下可能產生不連貫性 |
缺乏對話式編輯，需要精確的提示詞與參數控制 |
對比其他模型優勢
圖像編輯效能領先
在圖像編輯能力方面，Gemini 2.5 Flash Image 在「LM Arena Elo 分數」和「吞吐量」這兩項指標上都處於領先地位。這意味著該模型不僅能以極高的品質進行圖像編輯，其速度也遠超過其他競爭對手，綜合表現最佳。
多維度評測全面領先
這張圖顯示，在多個評估指標上，Gemini 2.5 Flash Image 都展現了其優勢。
整體偏好 (LM Arena)： 在使用者綜合偏好方面，Gemini 2.5 Flash Image 取得了最高的 LM Arena Elo 分數，領先所有競爭對手。
視覺品質 (GenAI-Bench)： 在專門評估視覺品質的測試中，Gemini 2.5 Flash Image 也表現最佳，其 Elo 分數明顯高於其他模型。
文字與圖像對齊 (GenAI-Bench)： 在確保生成圖像符合文字描述的準確性方面，Gemini 2.5 Flash Image 與 Imagen 4 Ultra 06-06 表現相近，都處於領先群。
文字渲染 (內部提示集)： 在文字渲染的準確性測試中，Gemini 2.5 Flash Image 以高達 72.7% 的子字串匹配率，大幅領先其他模型，顯示其在處理圖像中文字方面的卓越能力。
免費體驗 Gemini 2.5 Flash Image 使用教學
想親身體驗 Gemini 2.5 Flash Image 的強大功能？其實步驟非常簡單，用戶可以透過以下方法免費使用：
1. 登入 Google Account： 首先，用你的 Google Account 登入 Gemini 平台。
2. 選擇 Gemini 2.5 Flash： 登入後，在左上角選擇「2.5 Flash」，因為 Gemini 2.5 Flash Image 的功能已經全面整合在其中。
3. 開啟圖像功能： 之後，只需開啟下方的「圖像」（Image）功能，即可免費啟動 Gemini 2.5 Flash Image 的所有編輯能力。
Gemini 2.5 Flash Image常用功能
功能1：更換人物背景
使用者只需上傳圖片，並在對話框中輸入指令，例如「圖片生成：將背景換成外太空，2名女仔在銀河上跑步」，即可將原本在陸地跑步的兩位女性，無縫轉換到銀河中的太空場景。這項功能簡化了過去繁瑣的編輯步驟，讓專業設計師與一般使用者都能輕鬆實現創意，並透過精準的自然語言指令，大幅提升圖像編輯的效率與可能性。
功能2：將多張圖片結合
輸入這樣的指令：「將兩張圖片融合，圖片中的女子正在用粉紅色iPhone自拍」。這個指令能讓AI生成一張融合了女巫與iPhone的新圖片，並且動作會十分自然，讓女巫看起來真的像是拿著手機在自拍。
不過，Gemini 2.5 Flash Image 在細節處理上仍有進步空間。生成的圖片中，可能出現原圖中不協調的手部或多餘的肢體，影響整體視覺。這時，你可以透過進一步的指令來調整。例如，使用「請把多餘的手消除」這類的指令，就可以修飾畫面，讓最終的圖片看起來更加完美。
功能3：多次對話編輯圖片，更換元素
嘗試輸入指令：「將圖中人物的衣服都換成晚禮服，男士穿西裝，女士穿裙子」。這次的實驗中，角色成功換上華麗晚禮服與西裝，新服裝與人物身形比例協調，毫無違和感。
加入一個武術大學背景
更換人物身上的物品元素搭配，如把木箱替換成白色網球包
添加新的元素，如戴上太陽眼鏡。
生成不同風格圖片
你只需要上傳一張自己的照片，並輸入簡單指令，例如：「生成CV照，要求專業且令人信服」。Gemini 2.5 Flash Image 便會根據指令，自動為你更換服裝與背景，優化光線與神情，最終生成一張符合專業需求的履歷照片。這項技術不僅省時省力，更能依據你的需求，生成多種風格的照片。無論是正式商務風、創意生活照，還是其他風格，你都能輕鬆透過指令獲得。
香港用戶如何毋須 VPN 照樣使用 Gemini 2.5 Flash Image？
由於部分地區如香港，用戶需要透過 VPN 才能使用 Gemini，這可能會對部分用戶造成不便。但好消息是，用戶可以透過第三方平台如 LMArena 使用 Gemini 2.5 Flash，這樣就不再需要 VPN 輔助了。透過這類平台，香港用戶也能輕鬆享受到 Gemini 2.5 Flash Image 所帶來的圖像編輯體驗。
使用方法點擊此連結
Source：ezone.hk
【相關報道】
【相關話題】免費生成大熱AI模型圖 無須VPN附生成Prompt指令 1優點更勝Gemini？
近期，大家都可能在社交平台上見到不少網民試玩真人AI模型圖，相當逼真細緻！除了Google Gemini外，其實還有一個AI工具可以生成同樣效果的圖片，而且有一點可能更勝Gemini！即刻睇睇試玩教學啦！
Source: ezone.hk
【相關話題】輕鬆教學 Microsoft Copilot 3D免費玩！2D變3D模型超簡單
Microsoft 最近在 Copilot Labs 推出免費的「Copilot 3D」功能，讓用家能輕鬆將 2D 圖像轉化為 3D 模型。這項新工具旨在降低 3D 創作的門檻，讓設計、遊戲及數碼藝術等領域的創作者，簡單上傳圖片，即可快速生成 3D 模型，並支援下載作 3D 打印，為用家帶來極大便利。
Source: ezone.hk