مدل نانو بنانا nano-banana چیست؟ آموزش و معرفی

گوگل اخیراً از NanoBanana (با نام دیگر Gemini 2.5 Flash Image) رونمایی کرده است؛ مدلی که با معماری مولتی‌مودال بومی ساخته شده و قادر است متن و تصویر را در یک مرحله پردازش کند.

این ویژگی، قابلیت‌هایی مثل ویرایش تعاملی تصاویر، ترکیب چند تصویر، رندر متون دقیق و منطق پیشرفته را ممکن می‌سازد.

با خرید Nano Banana گوگل تولید فوری تصویر از متن را تجربه کنید. هوش مصنوعی Nano Banana گوگل برای خلق عکس‌های باکیفیت و واقع‌گرایانه با درک عمیق جزئیات.

گوگل مدل ویرایش تصویر Nano Banana را به جمینای اضافه کرد. رقیبی برای فتوشاپ؛

مدل جدید گوگل همان هوش مصنوعی مرموز Nano-Banana است که عملکردش در ویرایش تصویر، کاربران و کارشناسان را شگفت‌زده کرده بود.

گوگل دیپ‌مایند نسخهٔ جدید مدل تصویری خود را با نام Gemini 2.5 Flash Image (که در میانهٔ سروصداها «nano-banana» لقب گرفت) رونمایی کرده است. نکتهٔ برجسته این نسخه، توانایی انجام ویرایش‌های دقیق و حفظ یکپارچگی شخصیت‌ها (یک شخص، حیوان خانگی یا محصول) در چند تصویر و چند دورِ ویرایشی است؛ قابلیتی که پیش‌تر یکی از نقاط ضعف ابزارهای ویرایش تصویری مبتنی بر هوش مصنوعی بود.

ویژگی‌های کلیدی مدل “nano-banana”

1. تبدیل متن به تصویر: تولید تصاویر باکیفیت از توضیحات ساده یا پیچیده.
2. ویرایش تصویر با متن: افزودن، حذف یا تغییر عناصر، استایل یا رنگ‌ها.
3. حفظ یکپارچگی شخصیت‌ها:
   کاربران می‌توانند افراد، حیوانات خانگی یا محصولات را در صحنه‌های مختلف بدون تغییر ظاهر اصلی آن‌ها ویرایش کنند. این شامل تغییر لباس، مدل مو، دوره زمانی یا محیط است.
4. ترکیب چند تصویر:
   مدل قادر است چند تصویر را با هم ترکیب کرده و تغییرات خاصی بر اساس دستور زبان طبیعی اعمال کند. این امکان برای ایجاد صحنه‌های جدید یا آزمایش ایده‌های طراحی بسیار کاربردی است.
5. اصلاح تدریجی یا ویرایش چندمرحله‌ای (Multi-turn Editing):
   کاربران می‌توانند چندین تغییر متوالی را روی تصویر خود اعمال کنند؛ مثلاً اضافه کردن مبلمان، تغییر دکوراسیون، یا اعمال الگوهای مختلف از تصاویر دیگر.
6. ایمنی و علامت‌گذاری تصاویر:
   هر تصویر تولیدشده شامل علامت واضح AI و یک واترمارک دیجیتال نامرئی SynthID است. گوگل اعلام کرده که SynthID حتی پس از ویرایش‌های رایج قابل شناسایی باقی می‌ماند، تا اصالت تصاویر مصنوعی قابل تأیید باشد.
7. رندر متن: ایجاد تصاویر با متن واضح و درست (برای لوگو، پوستر، نمودار و …).

دسترسی و قیمت‌گذاری (برای توسعه‌دهندگان)

Gemini 2.5 Flash Image هم‌اکنون در دسترس توسعه‌دهندگان از طریق Gemini API، Google AI Studio و Vertex AI قرار گرفته و در حالت پیش‌نمایش عرضه شده است. قیمت اعلام‌شده برای خروجی تصویر: $۳۰ به ازای هر ۱,۰۰۰,۰۰۰ توکن خروجی؛ هر تصویر (تا ابعاد ۱۰۲۴×۱۰۲۴) برابر با حدود ۱۲۹۰ توکن خروجی محاسبه شده که تقریبا معادل $۰.۰۳۹ به ازای هر تصویر است. جزئیات قیمت و مستندات توسعه‌دهندگان در داکیومنت‌های رسمی قابل‌دسترسی است.

۱. دسترسی از طریق Google AI Studio

• وارد Google AI Studio شوید؛ این سکوی وبی امکانات تعامل بدون کدنویسی با مدل‌های هوش مصنوعی را مهیا می‌کند. مدل Gemini 2.5 Flash Image در حالت پیش‌نمایش (preview) در این محیط قابل دسترسی است.
• در AI Studio، می‌توانید از قالب‌های آماده مانند «ویرایش تصویر از طریق فرمان متنی» (prompt-based image editing) بهره ببرید که امکان ادغام چند تصویر، ویرایش مرحله‌ای، و حفظ یکپارچگی شخصیت‌ها را فراهم می‌کنند.

۲. استفاده از Gemini API

• برای استفاده برنامه‌محور، مدل nano-banana در قالب API قابل استفاده است. مدل با نام gemini-2.5-flash-image-preview از طریق API در دسترس قرار دارد.
• برای شروع:
  • به Google Cloud Console وارد شوید.
  • فعال‌سازی API مربوط به Vertex AI یا Gemini API را انجام دهید.
  • کلید API را ایجاد کرده و در کدتان برای احراز هویت استفاده کنید.
  • درخواست‌ها با قالب‌های استاندارد، شامل ورودی‌های متنی و تصویری، به مدل ارسال می‌شوند.

۳. استفاده از Vertex AI (برای سازمان‌ها و پروژه‌های بزرگ)

• اگر سازمان یا پروژه تحت پلتفرم Google Cloud دارید:
  • به Vertex AI مراجعه کرده و مدل را از Model Garden انتخاب کنید.
  • مدل gemini-2.5-flash-image-preview در حالت پیش‌نمایش قابل مشاهده و استفاده است.
  • برای فعال‌سازی، نیاز به پروژه فعال با Billing و همچنین فعال‌کردن APIهاست.
  • دسترسی معمولاً نیازمند هماهنگی با نماینده فروش یا حساب Google Cloud شماست.

۴. دسترسی از طریق Adobe Firefly و Adobe Express

• گوگل مدل خود را در Adobe Firefly و Adobe Express نیز ادغام کرده است.
• کاربران این ابزارها می‌توانند ضمن ساخت تصاویر استایلی و گرافیک‌های متنوع، از قدرت Gemini 2.5 Flash Image نیز بهره‌مند شوند.
• برای مدت محدود (تا سپتامبر ۲۰۲۵)، کاربران Pro فایرفلای امکان تولید نامحدود با این مدل را دارند.

۵. استفاده از nano-banana در رابط کاربری (اپ Gemini)

• در اپلیکیشن Gemini (نسخه موبایل/وب)، ویرایش تصاویر با محوریت حفظ شباهت شخصیت‌ها فعال شده است.
• شما می‌توانید تصویری را بارگذاری کرده، تغییراتی مانند تغییر لباس، ترکیب با محیط جدید یا اضافه‌کردن المان‌های دیگر را بدون از دست دادن شباهت سوژه اعمال کنید.

6.♨️ اکانت رسمی هوش مصنوعی Nano Banana توی ایکس فعال شده و می‌تونه براتون عکس بسازه. برای این کار باید یه پست با توضیح عکسی که می‌خواین بسازین، بنویسین و حساب رسمی Nano Banana (https://x.com/NanoBanana/) رو منشن کنین. البته شاید کمی طول بکشه تا عکس مدنظرتون ساخته بشه چون که Nano Banana سرش حسابی شلوغه.

برای خرید اکانت ایکس پرمیوم X Premium (توییتر پرمیوم) از این لینک میتوانید اقدام نمایید.

کاربردها و مزایا

• تبلیغات و برندینگ: حفظ ظاهر محصول یا کاراکتر در کمپین‌های تصویری متعدد؛ مناسب برای تولید مجموعهٔ تصاویر هم‌پوشان (consistency).
• تولید محتوای محصول: نمایش محصول از زوایا و محیط‌های مختلف بدون نیاز به استقاده متعدد از فتو‌شات‌.
• نمونه‌سازی سریع در طراحی داخلی و تبلیغات: تغییر دکور، افزودن مبلمان یا الگوها در یک اتاق به‌صورت مرحله‌ای.
• خلاقیت و هنر دیجیتال: ترکیب عناصر از تصاویر گوناگون برای خلق آثار جدید با حفظ یک هویت بصری.

کاربردی دیگر مدل نانوبنانا nano-banana گوگل حذف اشیاء از تصاویر و ایجاد مدل‌های سه بعدی از آنها برای بازی‌ها است!

الف) تولید صحنه‌های فوتورئالیستی (واقع‌گرایانه)

برای تولید تصاویر واقعی باید مثل یک عکاس فکر کنید. زاویه دوربین، نوع لنز، نورپردازی و جزئیات دقیق باعث می‌شود نتیجه طبیعی‌تر باشد.

ب) ساخت تصاویر استیکر و ایلوستریشن (Illustration)

برای طراحی استیکر، آیکون یا المان‌های گرافیکی، سبک موردنظر، ویژگی‌های کلیدی و پس‌زمینه سفید را حتماً ذکر کنید.

پ) تولید تصاویر حاوی متن بدون مشکل (لوگو یا پوستر)

نانوبنانا در رندر متن عملکردی بسیار خوب از خود به نمایش گذاشته است. کافی است نوع فونت، سبک طراحی و رنگ‌بندی را مشخص کنید.

ت) موکاپ محصول و عکاسی تبلیغاتی

برای ساخت تصاویر تبلیغاتی یا شات محصول، نورپردازی استودیویی، زاویه دوربین و جزئیات محصول را توضیح دهید.

ث) طراحی مینیمالیستی و فضای خالی (Negative Space)

این نوع طراحی برای پس‌زمینه وب‌سایت، پرزنتیشن یا پوسترها مناسب است. کافی است یک عنصر ساده با فضای خالی زیاد توصیف کنید.

ج) طراحی استوری‌بورد (Comic / Storyboard)

برای روایت تصویری یا طراحی استوری‌بورد، هر صحنه را واضح توصیف کنید: شخصیت‌ها، محیط و حال‌وهوای نورپردازی.

ℹ نکات مهم برای شروع کار با nano-banana

• برای توسعه‌دهندگان: با استفاده از Google AI Studio سریع‌ترین راه برای آشنایی بدون نیاز به کدنویسی است. در ادامه، با Gemini API و محیط‌های برنامه‌نویسی مانند Python وارد مرحله توسعه شوید.
  Google Developers Blogapidog
• برای تیم‌های سازمانی یا کسب‌وکارها: ورود از طریق Vertex AI با امکان پیاده‌سازی و استقرار مدل در تولید توصیه می‌شود. حتماً حساب Google Cloud با فاکتورینگ فعال داشته باشید.
  Google Cloud   ( برای خرید اکانت Google Cloud گوگل کلود با 300 دلار شارژ اولیه میتوانید از این لینک اقدام نمایید.)
• برای تولیدکنندگان محتوا: استفاده از Adobe Firefly یا اپ Gemini، ساده‌ترین تجربه کاربری را فراهم می‌کند.

💡آموزش تنظیمات مدل نانو بنانا (nano-banana):

👈🏻 Token count
نشون میده الان چند توکن از ظرفیت مکالمه استفاده شده (هر کلمه یا بخش جمله یه توکن حساب میشه).
👈🏻 Temperature (1)
درجه خلاقیت یا تصادفی بودن خروجی.
مقدار پایین‌تر (مثل ۰.۲ یا ۰.۳): خروجی دقیق‌تر، قابل پیش‌بینی‌تر.
مقدار بالاتر (۱ یا بیشتر): خروجی خلاقانه‌تر، متنوع‌تر، ولی شاید غیرقابل‌اعتمادتر.
👈🏻 Advanced settings
تنظیمات پیشرفته برای کنترل ریزتر خروجی.
👈🏻 Safety settings (Edit)
فیلترهای محتوایی برای جلوگیری از تولید خروجی نامناسب.

👈🏻 Add stop sequence
میشه یه توالی (مثلاً “###”) مشخص کنی که مدل وقتی بهش رسید، تولید متن رو قطع کنه.
👈🏻 Output length (8192)
حداکثر طول خروجی که مدل می‌تونه تولید کنه (بر حسب توکن).
👈🏻 Top P (0.95)
بهش می‌گن nucleus sampling.
اینکه چه بخشی از توزیع احتمالاتی مدل در نظر گرفته بشه را مدیریت میکنه.
اگر پایین باشه (مثلاً ۰.۵): خروجی محدودتر و متمرکزتری خواهید داشت.
اگر بالاتر باشه (۰.۹۵ یا ۱): خروجی متنوع‌تر و با جزئیات بیشتری خواهید داشت.

با خرید Nano Banana گوگل به ویرایش تعاملی تصاویر، ترکیب چند تصویر، و.. دسترسی خواهید داشت.