So kombinieren Sie 14 Referenzbilder mit Nano Banana bei gleichbleibender Konsistenz von 5 Charakteren

Du hast eine Szene vor Augen: fünf wiederkehrende Charaktere, eine bestimmte Umgebung, ein oder zwei Requisiten und eine Farbpalette, die du bereits in früheren Arbeiten festgelegt hast. Du hast das Referenzmaterial gesammelt – insgesamt vierzehn Bilder – und möchtest nun ein einziges generiertes Bild, das alles zusammenführt, ohne dass eines deiner Charaktergesichter plötzlich wie ein Fremder aussieht. Jeder, der das schon einmal manuell versucht hat, weiß, dass die Komposition nicht die eigentliche Herausforderung ist. Der schwierige Teil ist, jeden Charakter konsistent zu halten, während das Modell mit so vielen Eingaben gleichzeitig jongliert.

Dieser Leitfaden erklärt, wie die Nano Banana-Familie die Multi-Image-Referenz-Komposition handhabt, wie du deine Referenzen und Prompts strukturierst, damit fünf unterschiedliche Charaktere konsistent bleiben, und welchen Tarif du je nach Zielsetzung – maximale Qualität oder der spezifische 14-Bilder-Workflow – wählen solltest.

Was Multi-Image-Referenz-Komposition eigentlich leistet

Die meisten Bildmodelle erlauben es, eine Referenz bereitzustellen, um das Ergebnis in eine bestimmte Richtung zu lenken. Die Multi-Image-Referenz-Komposition geht einen Schritt weiter: Du lieferst mehrere Bilder gleichzeitig, und das Modell nutzt jedes einzelne als Quelle für visuelle Informationen, wenn es einen neuen Frame aufbaut. Ein Bild könnte das Gesicht eines Charakters beisteuern, ein anderes das Kostüm, ein drittes die Raumbeleuchtung und ein viertes die Form einer Requisite.

Der Mehrwert für eine Szene mit mehreren Charakteren liegt auf der Hand. Anstatt fünf Gesichter mit Worten zu beschreiben und zu hoffen, dass das Modell etwas Ähnliches erfindet, gibst du ihm die tatsächliche Referenz für jeden Charakter. Das Modell verfügt über direkte visuelle Anker, was Konsistenz überhaupt erst möglich macht.

Innerhalb der Nano Banana-Familie auf Atlas Cloud ist diese Funktion für [Nano Banana 2 Lite](https://www.atlascloud.ai/models/nanobanana-2) dokumentiert. Diese unterstützt bis zu 14 Referenzbilder sowie Multi-Image-Komposition über 14 Seitenverhältnisse hinweg bei einer Latenz von unter 2 Sekunden. Das ist der Tarif, dessen Funktionsumfang direkt auf die Aufgabe „14 Referenzen kombinieren“ ausgelegt ist. Nano Banana Pro ist die qualitativ hochwertigere Linie, die für 1K-, 2K- und 4K-Ausgaben konzipiert wurde, wenn das Finish des Bildes wichtiger ist als die Anzahl der Roh-Inputs. Wir zeigen dir weiter unten, wie du dich zwischen den Modellen entscheidest.

Charakter-Konsistenz ist ein Problem von Tagging und Beschreibung

Dem Modell vierzehn Bilder zu geben, ist nur die halbe Miete. Wenn du fünf Charakter-Referenzen ohne Struktur in eine Anfrage wirfst, hat das Modell keine verlässliche Möglichkeit zu wissen, welches Gesicht zu welchem Charakter in deiner Szene gehört – und genau hier verschwimmen Identitäten oder werden vertauscht.

Die Lösung besteht darin, jeden Charakter als markierte Entität zu behandeln, nicht als anonyme Eingabe. Drei Techniken leisten hier die meiste Arbeit:

• Tagging von Referenzen pro Charakter: Gib jedem Charakter einen stabilen Namen oder ein Label in deinem Prompt und verknüpfe jedes Label mit seinem Referenzbild. Anstatt „fünf Leute in einem Café“ beschreibst du: „Mara (Referenz 1), Devon (Referenz 2), Priya (Referenz 3), Ari (Referenz 4) und Kaito (Referenz 5), die an einem Ecktisch sitzen.“ Der benannte Anker teilt dem Modell mit, welche visuelle Quelle welcher Rolle in der Szene zugeordnet ist.
• Konsistente Prompt-Deskriptoren: Verwende bei jedem Erwähnen eines Charakters dieselben markanten Merkmale: Haar, Statur, Kleidung, ein charakteristisches Accessoire. Wenn Mara in einem Prompt „kurzes silbernes Haar und einen grünen Schal“ hat, behält sie genau diese Worte auch im nächsten. Die Wiederverwendung dieser deskriptiven Sprache über eine Serie hinweg ist das, was einen Charakter von Bild zu Bild bewahrt.
• Edit- und Reference-to-Image-Modus: Wenn du bereits eine gute Version eines Charakters oder einer Szene hast, verwende den Reference-to-Image- oder Edit-Modus, anstatt mit einem leeren Text-Prompt zu beginnen. Indem du dem Modell dein vorheriges Ergebnis als Referenz gibst, fixierst du den bereits erreichten Look, statt ihn neu erfinden zu lassen.

Nichts davon hängt von einem geheimen Parameter ab. Es ist eine Frage disziplinierter Struktur: Benenne deine Charaktere, verankere jeden Namen an einer Referenz und lass die beschreibende Sprache nicht abweichen.

Wichtige Schritte für einen Frame mit 14 Bildern und 5 Charakteren

Hier ist ein wiederholbarer Arbeitsablauf, der den Prozess beherrschbar hält:

• Sortiere deine vierzehn Referenzen nach Rolle, bevor du irgendetwas schreibst. Gruppiere sie: fünf sind Charaktergesichter, der Rest sind Umgebung, Garderobe, Requisiten und Farbpalette. Zu wissen, was jedes Bild beiträgt, verhindert, dass du sie alle als austauschbar beschreibst.
• Weise jedem der fünf Charaktere ein stabiles Label zu und schreibe für jeden einen einzeiligen Deskriptor, den du in jeder Generierung wortwörtlich wiederverwendest.
• Schreibe den Kompositions-Prompt so, dass er die Charaktere bei ihrem Label nennt und sie explizit in der Szene platziert („von links nach rechts“, „im Vordergrund“, „hinter dem Tresen“). Räumliche Anweisungen verringern das Risiko, dass zwei Charaktere verschmelzen.
• Hänge die Referenzen in der Anfrage an und beschreibe, wofür jede Referenzgruppe gedacht ist, damit das Modell weiß, welches Bild ein Gesicht zum Bewahren ist und welches ein Raum für die Beleuchtung.
• Generiere und prüfe dann jedes der fünf Gesichter einzeln. Konsistenzprobleme treten fast immer bei ein oder zwei Charakteren auf, nicht bei allen fünf gleichzeitig.
• Wenn ein Charakter abweicht, führe einen Edit- oder Reference-to-Image-Durchlauf nur für diesen Bereich oder diesen Charakter durch und gib die korrekte Referenz erneut ein, anstatt den gesamten Frame von Grund auf neu zu generieren.

Da die exakte Form der Anfrage (wie Referenzen angehängt werden, wie viele Felder, wie alles benannt wird) Teil der API-Spezifikation ist und sich ändern kann, solltest du die aktuelle Struktur unter atlascloud.ai/docs im Bereich für Bildmodelle prüfen, anstatt Annahmen fest zu codieren. Die oben genannte Technik bleibt unabhängig von den Feldnamen gültig.

Die Umsetzung auf Atlas Cloud

Atlas Cloud ist eine Full-Modal AI-Inferenzplattform, die über 300 SOTA-Modelle für Text, Bild und Video hinter einem OpenAI-kompatiblen Endpunkt kuratiert. Die gesamte Nano-Banana-Familie befindet sich auf diesem Endpunkt, erreichbar mit einem API-Key und einem Abrechnungskonto. Das ist wichtig, da ein Projekt mit mehreren Charakteren beim Iterieren oft zwischen verschiedenen Tarifen wechselt.

Für diese spezifische Aufgabe hast du zwei sinnvolle Optionen:

• Nano Banana 2 Lite ist der auf Effizienz ausgerichtete Tarif, der explizit bis zu 14 Referenzbilder, Multi-Image-Komposition und 14 Seitenverhältnisse unterstützt, für USD0.04 pro Bild (der Developer-Tarif senkt dies auf USD0.028, eine Reduktion um 30 %). Die Latenz von unter 2 Sekunden macht ihn zur natürlichen Wahl für die iterative Schleife, die dieser Workflow erfordert: generieren, fünf Gesichter prüfen, eines korrigieren, neu generieren. Wenn deine Aufgabe wörtlich „14 Referenzen kombinieren“ lautet, ist dies der Tarif, dessen Funktionen genau passen.
• Nano Banana Pro ist die qualitativ hochwertigere Pro-Linie (Google Gemini 3 Image Pro-Familie) mit 1K-, 2K- und 4K-Ausgabe. Standard-Text-to-Image und Edit kosten USD0.14 pro Bild, die Ultra-Varianten liegen bei USD0.15, und der Developer-Tarif halbiert den Standardpreis auf USD0.07. Wähle Pro, wenn der finale Frame eine hohe Auflösung benötigt und du die spezifische 14-Bilder-Bequemlichkeit des Lite-Tarifs gegen Endqualität eintauschen möchtest.

Ein praktisches Vorgehen ist es, im Lite-Tarif zu komponieren und zu iterieren, da der Referenzbild-Workflow und die niedrige Latenz das „Trial-and-Error“ kostengünstig machen, und dann den finalen, fixierten Frame auf Pro in der benötigten Auflösung zu produzieren. Jedes Modell zeigt seinen Live-Preis neben dem „Run“-Button im Playground an, sodass du die exakten Kosten pro Bild bestätigen kannst, bevor du Code schreibst. Der gesamte Katalog ist unter atlascloud.ai/models einsehbar. Da der Endpunkt OpenAI-kompatibel ist, kann eine App, die bereits auf dem OpenAI-SDK basiert, diese Modelle durch einfaches Ändern der base_url und des API-Keys ohne Umschreiben ansteuern.

Tipps für die Konsistenz von fünf Charakteren

• Lege deine beschreibende Sprache früh fest. Schreibe die fünf einzeiligen Charakterbeschreibungen einmal, speichere sie und füge sie unverändert in jeden Prompt ein. Das Umformulieren eines Charakters während eines Projekts ist die häufigste Ursache für Abweichungen.
• Behalte die hochwertigste Referenz für jedes Gesicht. Eine saubere, gut beleuchtete Referenz in Frontalansicht bietet dem Modell deutlich mehr Ankerpunkte als ein unscharfer Ausschnitt – das zahlt sich bei jedem Frame aus, in dem dieser Charakter erscheint.
• Reduziere die Konkurrenz in einem einzelnen Frame. Fünf Charaktere plus vierzehn Referenzen sind schwer auszubalancieren. Wenn zwei Charaktere ständig verschwimmen, generiere sie in einer engeren Gruppierung oder teile die Szene auf und füge sie zusammen, anstatt alle fünf in einen überladenen Durchlauf zu zwingen.
• Nutze deine besten Ergebnisse als Referenz. Sobald ein Charakter richtig aussieht, gib diesen Frame per Reference-to-Image-Modus zurück, damit spätere Generierungen den genehmigten Look erben, statt ihn neu auszuwürfeln.
• Korrigiere lokal, nicht global. Wenn ein Gesicht abweicht, bearbeite nur diesen Charakter, anstatt die gesamte Komposition neu zu generieren. Das schützt die vier Charaktere, die bereits korrekt gelungen sind.

FAQ

F: Welcher Nano-Banana-Tarif unterstützt tatsächlich 14 Referenzbilder? A: Nano Banana 2 Lite ist der dokumentierte Tarif für bis zu 14 Referenzbilder plus Multi-Image-Komposition bei USD0.04 pro Bild. Nano Banana Pro ist die qualitativ hochwertigere 1K/2K/4K-Linie für USD0.14 bis USD0.15 pro Bild, ideal für finale, hochwertige Ergebnisse.

F: Wie verhindere ich, dass das Modell die Gesichter meiner Charaktere vertauscht? A: Gib jedem Charakter ein stabiles Label und einen fixen einzeiligen Deskriptor, verankere jedes Label an seinem Referenzbild und verwende genau diese Sprache in jedem Prompt. Benannte, konsistent beschriebene Charaktere verschwimmen weitaus weniger miteinander.

F: Benötige ich einen speziellen API-Parameter, um Referenzen anzuhängen? A: Die Technik ist konzeptionell: Benenne deine Charaktere, tagge jeden zu einer Referenz und verwende den Edit- oder Reference-to-Image-Modus für bekannte Looks. Für die exakte Struktur der Anfrage und Feldnamen, prüfe die Bildmodell-Dokumentation auf atlascloud.ai/docs, da dies die maßgebliche Quelle ist.

F: Kann ich beide Tarife in einem Projekt ohne separate Konten nutzen? A: Ja. Sowohl Nano Banana 2 Lite als auch Nano Banana Pro liegen auf demselben Atlas Cloud-Endpunkt. Ein API-Key und ein Abrechnungskonto decken sowohl das Iterieren auf Lite als auch das Abschließen auf Pro ab.

F: Was mache ich, wenn zwei Charaktere in einer vollen Szene ständig verschmelzen? A: Reduziere die Last in einem Durchgang. Nutze explizite räumliche Platzierungen im Prompt, generiere die zwei problematischen Charaktere in einer klareren Gruppierung oder teile die Szene auf und setze die Ergebnisse später zusammen, anstatt alle fünf in einen dichten Frame zu zwingen.

Fazit

Vierzehn Referenzen zu kombinieren und gleichzeitig fünf Charaktere konsistent zu halten, ist weniger eine Frage einer versteckten Einstellung als vielmehr eine Frage der Struktur: Sortiere deine Referenzen nach Rollen, gib jedem Charakter ein stabiles Label und einen Deskriptor, den du wortwörtlich wiederverwendest, verankere jedes Label an seiner Referenz und nutze den Edit- oder Reference-to-Image-Modus, um bereits erreichte Looks zu sichern. Auf Atlas Cloud ist Nano Banana 2 Lite der Tarif, der für den 14-Bilder-Multi-Image-Kompositions-Workflow bei USD0.04 pro Bild entwickelt wurde, während Nano Banana Pro das hochauflösende Finish bei USD0.14 bis USD0.15 liefert – beides über denselben OpenAI-kompatiblen Key. Iteriere kostengünstig auf Lite, schließe auf Pro ab und prüfe die exakte Anfragenstruktur in der Dokumentation, bevor du mit dem Bauen beginnst.