Comment combiner 14 images de référence avec Nano Banana tout en conservant la cohérence de 5 personnages

Vous avez une scène en tête : cinq personnages récurrents, un décor précis, un ou deux accessoires et une palette de couleurs déjà figée grâce à un travail préalable. Vous avez rassemblé le matériel de référence, quatorze images au total, et vous souhaitez désormais obtenir une image unique qui rassemble le tout, sans qu’aucun de vos personnages ne se retrouve avec le visage d’un inconnu. Quiconque a déjà tenté l'expérience manuellement sait que la difficulté ne réside pas dans la composition. Elle réside dans la capacité à maintenir chaque personnage reconnaissable alors que le modèle jongle avec autant d'entrées simultanément.

Ce guide détaille comment la famille Nano Banana gère la composition par références multiples, comment structurer vos références et votre prompt pour que cinq personnages distincts restent cohérents, et quel niveau choisir selon que vous privilégiez la qualité brute ou le flux de travail spécifique de 14 images.

Ce que fait réellement la composition par références multiples

La plupart des modèles d'image permettent de fournir une seule référence pour orienter la sortie. La composition par références multiples va plus loin : vous fournissez plusieurs images à la fois, et le modèle les traite comme autant de sources d'informations visuelles sur lesquelles s'appuyer pour construire une nouvelle image. Une image peut contribuer au visage d'un personnage, une autre à un costume, une autre encore à l'éclairage d'une pièce ou à la forme d'un accessoire.

L'intérêt pour une scène multi-personnages est évident. Au lieu de décrire cinq visages en mots dans l'espoir que le modèle invente quelque chose de proche, vous lui fournissez la référence réelle pour chaque personnage. Le modèle dispose d'ancres visuelles directes, ce qui rend la cohérence possible.

Au sein de la famille Nano Banana sur Atlas Cloud, cette capacité est documentée sur [Nano Banana 2 Lite](https://www.atlascloud.ai/models/nanobanana-2), qui prend en charge jusqu'à 14 images de référence et la composition multi-images sur 14 formats d'image, avec une latence inférieure à 2 secondes. C'est le niveau dont l'ensemble des fonctionnalités correspond directement à une tâche de "combinaison de 14 références". Nano Banana Pro est la gamme de qualité supérieure, conçue pour des sorties en 1K, 2K et 4K lorsque la finition de l'image compte plus que le nombre d'entrées brutes. Nous verrons comment choisir entre ces deux options ci-dessous.

La cohérence des personnages est un problème d'étiquetage et de description

Donner quatorze images au modèle ne représente que la moitié du travail. Si vous insérez cinq références de personnages dans une requête sans structure, le modèle n'a aucun moyen fiable de savoir quel visage appartient à quel personnage dans votre scène, ce qui entraîne inévitablement des mélanges ou des inversions d'identités.

La solution consiste à traiter chaque personnage comme une entité étiquetée, et non comme une entrée anonyme. Trois techniques permettent de résoudre l'essentiel du problème :

• Étiquetage des références par personnage. Donnez à chaque personnage un nom ou une étiquette stable dans votre prompt et associez chaque étiquette à son image de référence. Au lieu de "cinq personnes dans un café", décrivez "Mara (référence 1), Devon (référence 2), Priya (référence 3), Ari (référence 4) et Kaito (référence 5) assis à une table de coin". L'ancre nommée indique au modèle quelle source visuelle correspond à quel rôle dans la scène.
• Descripteurs de prompt cohérents. Gardez les mêmes descripteurs distinctifs pour chaque personnage à chaque fois que vous les mentionnez : cheveux, carrure, vêtements, accessoire signature. Si Mara a des "cheveux courts argentés et une écharpe verte" dans un prompt, elle doit conserver exactement ces mots dans le suivant. La réutilisation du vocabulaire descriptif à travers une série est ce qui permet à un personnage de rester identique d'une image à l'autre.
• Mode édition et référence-vers-image. Lorsque vous avez déjà une bonne version d'un personnage ou d'une scène, utilisez le mode référence-vers-image ou le mode édition plutôt que de partir d'un prompt textuel vierge. Fournir au modèle votre sortie précédente en tant que référence permet de verrouiller l'aspect déjà obtenu au lieu de lui demander de réinventer le personnage.

Rien de tout cela ne dépend d'un paramètre secret. Il s'agit d'une structure rigoureuse : nommez vos personnages, ancrez chaque nom à une référence et ne laissez jamais le langage descriptif dériver.

Étapes clés pour une image de 5 personnages avec 14 références

Voici une procédure répétable qui permet de garder le processus sous contrôle.

• Triez vos quatorze références par rôle avant d'écrire quoi que ce soit. Regroupez-les : cinq sont des visages de personnages, le reste concerne le décor, la garde-robe, les accessoires et la palette. Savoir ce que chaque image apporte vous évite de les décrire toutes comme interchangeables.
• Attribuez une étiquette stable à chacun des cinq personnages et rédigez un descripteur d'une ligne pour chacun, que vous réutiliserez mot pour mot à chaque génération.
• Rédigez le prompt de composition de manière à ce qu'il référence les personnages par leurs étiquettes et les place explicitement dans la scène ("de gauche à droite", "au premier plan", "derrière le comptoir"). Les instructions spatiales réduisent le risque de fusion entre deux personnages.
• Attachez les références dans la requête et décrivez l'utilité de chaque groupe de références, afin que le modèle sache si une image donnée est un visage à préserver ou une pièce dont il doit emprunter l'éclairage.
• Générez, puis inspectez individuellement chacun des cinq visages. Les problèmes de cohérence apparaissent presque toujours sur un ou deux personnages, et non sur les cinq à la fois.
• Pour tout personnage ayant dérivé, effectuez une passe d'édition ou de référence-vers-image uniquement sur cette zone ou ce personnage, en fournissant à nouveau la référence correcte, plutôt que de régénérer toute l'image à partir de zéro.

Comme la structure exacte de la requête (comment les références sont jointes, combien de champs, comment ils sont nommés) appartient aux spécifications de l'API et peut changer, confirmez la structure actuelle sur atlascloud.ai/docs dans la section des modèles d'image plutôt que de coder des hypothèses en dur. La technique ci-dessus reste valable, quels que soient les noms des champs.

Utilisation sur Atlas Cloud

Atlas Cloud est une plateforme d'inférence IA multi-modale qui propose plus de 300 modèles SOTA (état de l'art) en texte, image et vidéo, derrière un point de terminaison compatible avec OpenAI. Toute la famille Nano Banana réside sur ce même point de terminaison, accessible avec une clé API et un compte de facturation uniques, ce qui est crucial ici car un projet multi-personnages a tendance à osciller entre les niveaux au fur et à mesure des itérations.

Pour cette tâche spécifique, deux niveaux sont pertinents :

• Nano Banana 2 Lite est le niveau axé sur l'efficacité qui prend explicitement en charge jusqu'à 14 images de référence, la composition multi-images et 14 formats d'image, à USD0.04 par image (le niveau Développeur baisse à USD0.028, une réduction de 30 %). Sa latence inférieure à 2 secondes en fait le choix naturel pour la boucle itérative requise par ce flux de travail, où vous générez, vérifiez cinq visages, en corrigez un et générez à nouveau. Lorsque votre tâche consiste littéralement à "combiner 14 références", c'est le niveau dont les fonctionnalités documentées conviennent.
• Nano Banana Pro est la gamme Pro de qualité supérieure (famille Google Gemini 3 Image Pro) avec des sorties en 1K, 2K et 4K. Les options standard texte-vers-image et édition sont à USD0.14 par image, les variantes Ultra à USD0.15, et le niveau Développeur divise le tarif standard par deux à USD0.07. Optez pour le Pro lorsque l'image finale doit être de qualité professionnelle en haute résolution et que vous êtes prêt à sacrifier la commodité des 14 références du niveau Lite au profit de la qualité de finition.

Une méthode pratique consiste à composer et itérer sur le niveau Lite, où le flux de travail des références et la faible latence rendent les essais-erreurs économiques, puis à produire l'image finale verrouillée sur le niveau Pro à la résolution souhaitée. Chaque modèle affiche son prix en direct à côté du bouton Exécuter dans le Playground, vous permettant de confirmer le coût exact par image avant d'écrire le moindre code. Le catalogue complet est consultable sur atlascloud.ai/models. Comme le point de terminaison est compatible avec OpenAI, une application déjà construite sur le SDK OpenAI accède à ces modèles en changeant simplement la base_url et la clé API, sans réécriture.

Conseils pour maintenir la cohérence des cinq personnages

• Verrouillez votre langage descriptif rapidement. Rédigez les cinq descriptions de personnages d'une ligne, enregistrez-les et collez-les sans changement dans chaque prompt. Reformuler un personnage en cours de projet est la cause la plus fréquente de dérive.
• Gardez la référence de la plus haute qualité pour chaque visage. Une référence nette, bien éclairée et de face donne au modèle beaucoup plus de points d'ancrage qu'un cadrage flou, et cela porte ses fruits sur chaque image où le personnage apparaît.
• Réduisez la compétition dans une seule image. Cinq personnages et quatorze références, c'est beaucoup à équilibrer. Si deux personnages continuent de fusionner, générez-les dans un regroupement plus serré ou divisez la scène pour composer ensuite, plutôt que de forcer les cinq dans un seul passage dense.
• Réutilisez votre meilleure sortie comme référence. Une fois qu'un personnage semble correct, réinjectez cette image via le mode référence-vers-image pour que les générations ultérieures héritent de l'aspect approuvé au lieu de le recalculer.
• Corrigez localement, pas globalement. Lorsqu'un visage dévie, éditez ce personnage plutôt que de régénérer toute la composition, ce qui protège les quatre autres personnages qui étaient déjà réussis.

FAQ

Q : Quel niveau de Nano Banana prend réellement en charge 14 images de référence ? R : Nano Banana 2 Lite est le niveau documenté pour prendre en charge jusqu'à 14 images de référence et la composition multi-images, à USD0.04 par image. Nano Banana Pro est la gamme supérieure 1K/2K/4K à USD0.14 - USD0.15 par image, idéale pour une image finale de qualité professionnelle.

Q : Comment empêcher le modèle d'inverser les visages de mes personnages ? R : Donnez à chaque personnage une étiquette stable et un descripteur fixe d'une ligne, ancrez chaque étiquette à son image de référence et réutilisez ce langage exact dans chaque prompt. Les personnages nommés et décrits de manière constante risquent beaucoup moins de se confondre entre eux.

Q : Ai-je besoin d'un paramètre API spécial pour joindre des références ? R : La technique est conceptuelle : nommez vos personnages, étiquetez chacun vers une référence, et utilisez le mode édition ou référence-vers-image pour les apparences connues. Pour la forme exacte de la requête et les noms des champs, consultez la documentation des modèles d'image sur atlascloud.ai/docs, qui fait autorité.

Q : Puis-je utiliser les deux niveaux dans un même projet sans comptes séparés ? R : Oui. Nano Banana 2 Lite et Nano Banana Pro se trouvent sur le même point de terminaison Atlas Cloud. Une seule clé API et un seul compte de facturation suffisent pour itérer sur Lite et finaliser sur Pro.

Q : Que faire si deux personnages continuent de fusionner dans une scène chargée ? R : Réduisez la charge en un seul passage. Utilisez un placement spatial explicite dans le prompt, générez les deux personnages problématiques dans un groupement plus clair, ou divisez la scène et composez les résultats plutôt que de forcer les cinq dans une seule image dense.

En résumé

Combiner quatorze références tout en maintenant la cohérence de cinq personnages relève moins d'un paramètre caché que de la structure : triez vos références par rôle, donnez à chaque personnage une étiquette stable et un descripteur que vous réutilisez mot pour mot, ancrez chaque étiquette à sa référence, et appuyez-vous sur le mode édition ou référence-vers-image pour verrouiller les apparences déjà réussies. Sur Atlas Cloud, Nano Banana 2 Lite est le niveau conçu pour le flux de travail de composition à 14 références à USD0.04 par image, tandis que Nano Banana Pro offre une finition haute résolution à USD0.14 - USD0.15, le tout via une seule clé compatible OpenAI. Itérez économiquement sur Lite, finalisez sur Pro, et confirmez la forme exacte de la requête dans la documentation avant de développer.