Nano Banana Pro 会根据目标场景调整光照、皮肤纹理和透视，而不是简单地把一张脸合成到另一张脸上。区别体现在边缘细节上——下颌线的融合、阴影方向的一致性，以及旧工具常常处理错误的肤色过渡。
一个含糊的提示（“把这个人换掉”）会迫使模型去猜测哪些要改变、哪些要保留。一个具体的提示会为每张图像分配明确的角色，并锁定你希望保留的元素。
第 1 级 — 你的第一次人物替换
每次人物替换使用两张图片和一个提示词。图片 1 是你最先上传的内容——这是你的身份源（你想要的脸）。图片 2 是目标场景（身体和环境）。
两个前提条件：
请使用 Nano Banana Pro，不要使用标准版 Nano Banana 或 Nano Banana 2。 在 Gemini 应用中，选择“create images”并选择 thinking 版本。在测试中，Pro 的身份保留效果明显优于标准版本——面部更接近源图，在替换过程中眼形或鼻梁漂移的情况更少。
上传顺序很重要。 模型会按顺序引用上传内容——你的第一张上传会在任何使用该标签的提示中成为“Image 1”。请先上传人脸源图，再上传目标场景图。调换顺序会导致交换结果也随之反转。
将人脸源图上传为图像 1，将目标场景上传为图像 2，然后使用此提示词：
基础换脸提示词： "使用图像1作为身份来源。使用图像2作为目标场景和身体参考。将图像1中的身份转移到图像2中的目标人物，同时保留目标姿势、服装、光照、相机角度、背景和构图。匹配皮肤纹理、阴影、透视和白平衡，使编辑看起来自然。"
它生成的效果如下——将源人脸迁移到目标场景中，并保留姿势、服装和背景：
选择合适的源照片
清晰、无遮挡的面部。 不要戴太阳镜、帽子、手遮住脸，或有浓重阴影。缺少面部数据时，模型会进行重建——这些重建看起来会很不自然。
正面或 3/4 角度。 过于侧面的轮廓意味着模型必须推断看不见的那半边脸。
高分辨率。 更高分辨率的源图像能在输出中保留更多面部细节。低分辨率来源往往会产生过度平滑的结果。
与目标相似的光照。 当源图像有强烈的定向光，而目标有柔和的漫射光时，模型必须协调彼此冲突的阴影模式。
第 2 级 — 控制哪些内容会改变，哪些内容保持不变
锁定技术
请描述不应发生变化的内容，且细节至少应与替换本身一样充分。当你的提示词省略了某些元素时，模型可能会对它们进行修改。
锁定提示词模板：“使用图像 1 作为身份来源。使用图像 2 作为目标场景和身体参考。仅将图像 2 中的面部身份替换为图像 1 的身份。不要更改：目标的姿势、体型、服装（包括面料纹理和颜色）、发型、妆容、背景、灯光设置、相机角度或图像构图。保留下颌线和颈部的肤色过渡。使替换后面部的环境光与现有场景光线保持一致。”
明确的“请勿更改”列表和下颌线肤色指令针对的是两个最明显的失败点。
实际效果中差异一目了然。没有 Lock-In（左侧）时，像“put the face from image 1 onto image 2”这样模糊的提示会让模型修改发型——原本的卷发消失了。使用 Lock-In（右侧）后，明确的保留列表让头发、衣着和姿势都保持不变：
仅替换面部 vs. 全身替换
在编写提示词之前，先决定哪张图片“主导”主体：
仅换脸 — 目标图像保留除脸部之外的所有内容。使用上面的锁定模板。
全身替换 — 目标图像仅保留背景和摄像机。源人物的整个外观会被转移：
"将图像1用作完整的身份和外观参考。仅将图像2用作场景和相机参考。将图像1中的人物放入图像2的场景中。保留其面部、身体比例、肤色和整体外观。匹配场景的光照、透视和相机角度。背景、取景和构图来自图像2。"
摄影参数以获得逼真效果
照片级真实感替换提示词：“使用图像1作为身份来源。使用图像2作为目标场景。将图像1中的身份转移到图像2中。使用 f/2.8、85mm 等效焦距进行拍摄。保留目标中的伦勃朗布光模式——主光位于相机左侧45°，补光比 3:1。保持背景的浅景深。皮肤渲染：保留自然毛孔、微纹理和次表面散射。不要磨皮。色彩分级：匹配图像2现有的白平衡和色温。”
有用的参数：
参数 | 控制内容 | 示例值 |
|---|---|---|
f-stop | 背景虚化 / 景深 | f/1.8（梦幻感），f/2.8（人像），f/5.6（清晰） |
Focal length | 面部透视畸变 | 50mm（自然），85mm（适合人像），135mm（压缩感） |
Lighting style | 阴影模式 | 伦勃朗光、蝴蝶光、分割光、宽光、环形光 |
Fill ratio | 阴影对比 | 2:1（柔和补光），4:1（戏剧性），8:1（黑色电影风格） |
Skin rendering | 纹理真实感 | "自然毛孔"、"次表面散射"、"无磨皮" |
故障排除：交换问题及修复方法
症状 | 原因 | 快速修复 |
|---|---|---|
错换了人 | 上传顺序颠倒，或模型无法识别群体中的目标 | 按正确顺序重新上传。在群体中，通过位置和服装描述目标 |
面部漂移（特征与源图不同） | 身份约束过于宽松 | 添加：“IDENTITY LOCK：保留 Image 1 中精确的面部几何、眼形、鼻梁、唇部丰满度、下颌线轮廓。不要出现身份漂移。” |
塑料感/过度平滑的皮肤 | 源图分辨率低，或模型默认美化 | 使用更高分辨率的源图。添加：“保留自然的皮肤毛孔、瑕疵和微观纹理。不要平滑处理。” |
下颌线处可见拼接痕迹 | 面部与颈部的肤色不匹配 | 添加：“在下颌线和颈部无缝融合肤色。匹配 Image 2 身体的底色。” |
脸部光照不匹配 | 源图和目标图的光照不同 | 添加：“将替换后脸部的阴影方向和色温匹配到 Image 2 场景的光照。” |
衣服或头发被改变 | 缺少锁定指令 | 为衣服、发型、配饰添加明确的“不要更改”列表 |
背景被改动 | 模型过度解读了编辑范围 | 添加：“背景必须与 Image 2 完全一致。脸部区域之外不允许有任何修改。” |
旁观者被改动 | 模型编辑了所有人，而不是目标对象 | 使用两步清单法（Level 3）来隔离目标对象 |
修复优先级：先处理角色分配错误（人选错误、顺序颠倒）→ 身份一致性（脸部漂移、塑料感皮肤）→ 融合质量（接缝、光照）。如果把脸放到了错误的人身上，说明模型根本没有理解任务——再怎么调优画质也无法修复这一点。
这是一个面部漂移与 Identity Lock 的真实示例。含糊的提示词“swap this person into this photo”（左）产生了更宽松的解读——背景结构发生了变化，面部特征也出现了漂移。Identity Lock 提示词（右）让脸部更接近源图：
处理安全过滤器
Nano Banana Pro 具有内容安全过滤器，可能会拒绝某些换脸提示词。常见触发原因和解决方法：
名人面孔： 请求涉及可识别公众人物的换脸提示更可能被屏蔽。使用您自己的照片或素材图片可以避免这一点。
暗示性或亲密内容： 将面孔替换到暴露或亲密图像上的换脸请求会被拒绝。请保持目标场景合适。
误导性表述： 暗示制作虚假证据或冒充他人的提示（“让它看起来像是 X 做了 Y”）会触发安全屏蔽。请将提示表述为创意编辑，而不是欺骗。
Google 会将 SynthID 水印应用于所有 Nano Banana Pro 输出。
第 3 级 — 高级技巧
多人场景替换
合照会破坏基础提示。模型会混淆该替换谁、编辑错人，或者修改旁观者。
使用两步库存方法：
步骤 1 — 绘制场景图（不进行编辑）：
“图片2包含三个人。A在左侧，穿着蓝色夹克。B在中间，穿着白色衬衫。C在右侧，穿着红色连衣裙。请识别并标注每个人。不要修改图像。”
步骤 2 — 使用标签执行：
"仅将 B 人物（中间，白衬衫）替换为来自图像 1 的身份。A 人物（左侧，蓝色夹克）和 C 人物（右侧，红色连衣裙）必须保持完全不变——同样的脸、同样的姿势、同样的表情、同样的位置。只更改 B 人物的面部身份。"
5 组件提示框架
对于复杂或可重复的交换，请将您的提示词结构化为五个明确的组成部分：
组件 | 用途 | 示例 |
|---|---|---|
1. 身份来源 | 谁提供脸部 | "Image 1 提供面部身份：脸型、眼睛、鼻子、嘴巴、肤色" |
2. 目标场景 | 谁提供其他所有内容 | "Image 2 提供身体、姿势、服装、背景、光线、构图" |
3. 传递范围 | 从源到目标移动什么 | "Transfer: 面部几何、皮肤纹理、眼睛颜色、面部毛发" |
4. 锁定列表 | 什么必须不变 | "Lock: 姿势、服装、发型、背景、相机角度、其他人" |
5. 质量规则 | 渲染标准 | "无缝下颌线融合、自然毛孔、与阴影匹配、不过度磨皮" |
5-组件示例：
"身份来源（Image 1）：提供面部身份——脸型、眼睛、鼻子、嘴巴、肤色、面部毛发。
目标场景（Image 2）：提供身体、姿势、服装、背景、光照、构图。替换主体（画面中心）。
传递：面部几何、皮肤纹理、眼睛颜色、面部结构。Image 1 中其他内容均不保留。
锁定：姿势（精确）、服装（面料、颜色、褶皱、合身度）、光线方向和强度、背景、其他人、构图。
质量：下颌线和颈部的肤色无缝衔接，保留自然毛孔，阴影方向与场景一致，不过度平滑。"
表达与风格控制
人物替换提示不仅限于面部替换。同样的机制还可处理：
表情调整（不替换——单张图像）：
“仅使用图片 1：将这个人的表情调整为自然、温暖的微笑。保持其身份、服装、背景和光线完全一致。不要改变面部特征或身份——只改变表情。”
Cosplay 变身：
"让图像1中的人物cosplay成图像2中的角色。保留图像1中人物的原始面孔和身份。应用图像2中角色的服装、发型和配饰。使光照和背景与该角色的场景相匹配。"
艺术风格迁移（保留身份特征）：
“将图像1中的人物渲染为一种晕涂油画风格。保留其准确的面部特征、比例和身份。采用柔和、漫射的光线，并带有温暖的金色调。背景：带有明暗对照照明的文艺复兴时期室内场景。媒介：油画布纹理在笔触中可见。”
服装交换工作流程
在保持人物完全相同的情况下更换服装，需要一种不同的方法——你需要让模型“看到”一张图片中的服装，并在不改变穿着者的情况下将其应用过去。
直接方法：
"将图1作为人物参考——准确保留其面部、身体、头发和姿势。仅将他们的服装替换为图2中展示的服装。匹配服装的面料类型、颜色、图案和版型。不要更改人物的任何其他部分。"
优先提取方法（对于复杂服装更可靠）：
使用视觉 AI 来描述目标服装：“分析图像 2。详细描述服装：服装类型、面料、颜色、图案、版型、配饰。”
将该文本输入到你的替换提示词中：“以图像 1 作为人物参考，将他们的服装替换为：[提取的描述]。准确保留这个人的脸、身体、头发和姿势。”
对于特定面料，要明确命名——“压皱丝绒西装外套”、“原色牛仔夹克”、“磨毛羊绒毛衣”。像“夹克”这样模糊的术语会给模型太多解释空间。
可直接使用的提示词模板
模板 1：产品广告模型切换
“将图像1用作新的模特身份。将图像2用作广告布局。用图像1中的身份替换图像2中模特的脸。保留：产品摆放、品牌元素、模特姿势、布光设置（主光方向、补光比例、轮廓光）、背景和广告美学。以 f/2.8 渲染，采用浅景深。产品仍然是核心元素。”
模板 2：情侣照片创作（3 张图片）
"使用图像 1 作为 Person A 的身份。使用图像 2 作为 Person B 的身份。使用图像 3 作为场景参考。将 Person A 放在左侧，将 Person B 放在右侧，并与图像 3 的位置一致。两张脸都必须与各自的源图像完全匹配——两个人都不能出现身份偏移。匹配图像 3 的光照、阴影和透视。"
模板 3：历史/奇幻角色插入
"使用图像 1 作为身份来源。使用图像 2 作为时代设定参考。将图像 1 中的人物作为主角插入图像 2 的场景中。保留其精确的面部特征和肤色。调整服装和配饰以匹配场景的时代背景。相机和灯光：匹配图像 2 现有的设置。皮肤：保留自然纹理，不要进行磨皮。"
模板 4：社交媒体快速替换
“将图像 1 中的脸替换到图像 2 的人物上。保留图像 2 中的姿势、服装、背景和光照。在下颌和颈部匹配肤色。保持自然效果——不要磨皮。”
模板 5：新环境中的专业肖像
“使用图像 1 作为身份来源。使用图像 2 作为专业环境。将图像 1 中的人放入图像 2 的场景中。30° 机位右侧柔和主光，左侧白色补光，来自后上方的轮廓光。85mm f/2.8 渲染。保留图像 1 中的确切面部特征和自然皮肤纹理。服装符合图像 2 的着装要求。”
这些提示词可用于何处
这些提示适用于提供 Nano Banana Pro 访问权限的平台：
Gemini 应用 (gemini.google.com) — 可直接在聊天中上传图片。免费版有生成次数限制；Gemini Advanced（通过 Google One AI Premium，每月 $20）可解锁完整访问权限。
Google AI Studio — 提供对参数更可控的 API 访问，但需要开发者进行设置。
第三方 API 平台 — 如 AIReiter 等服务，提供按使用付费的 Nano Banana Pro API 访问，无需月度订阅。
Gemini 应用的安全过滤器比 API 访问更严格——在 AI Studio 中有效的提示词在应用中可能会被拒绝。
常见问题
Nano Banana Pro 和 Nano Banana 2 有什么区别？
Nano Banana Pro 使用一种思考模式，看起来会在渲染之前先处理身份一致性——实际上，面孔会更接近源图，漂移伪影更少。Nano Banana 2 生成更快，但在不同替换之间会产生更多身份变化。对于准确性很重要的人物替换，Pro 值得额外的生成时间。
AI 换脸合法吗？
这项技术本身是合法的。法律风险来自输出内容：在你自己的照片中换脸是没问题的；但在大多数司法管辖区，制作未经同意的冒充内容、亲密图像或欺诈性内容是违法的。在发布换脸图片时，请披露该编辑。
为什么我的换脸看起来“塑料感很强”或过度磨皮？
通常是源图像分辨率问题或提示词细节缺失。请使用更高分辨率的源照片，并在提示词中加入“保留自然的皮肤毛孔、瑕疵和微观纹理——不过度磨皮，不进行修图润饰”。更多修复方法请参见上方的故障排除表。
如何只替换合照中的一个人？
在第 3 层使用两步库存方法：先告诉模型按位置和服装识别并标记每个人，然后发出交换提示，仅针对已标记的人。这可以防止模型编辑旁观者。