你脑海中已经有了一个场景：五位固定的角色、特定的背景、一两个道具，以及你从之前的创作中锁定的调色板。你已经收集了总共 14 张参考素材，现在你想生成一张单一的帧，将所有元素融为一体，同时确保你的角色不会变成陌生人的面孔。任何尝试过手动操作的人都知道，难点不在于构图，而在于当模型同时处理这么多输入时，如何保持每个角色的可辨识度。
本指南将介绍 Nano Banana 系列如何处理多图像参考构图，如何构建参考资料和提示词（Prompt）以保持五位不同角色的连贯性，以及根据你是优先优化原始质量还是针对 14 张图像的特定工作流程，来选择合适的层级。
多图像参考构图的实际作用
大多数图像模型允许你提供一个参考并向其靠拢。多图像参考构图更进一步：你可以同时提供多张图像，模型在构建新帧时会将每一张图视为可提取视觉信息的来源。一张图可能提供角色的脸部，另一张提供服装，再一张提供室内照明，另一张提供道具的形状。
对于多角色场景，其价值显而易见。你无需用文字描述五张脸并祈祷模型生成的图像接近预期，而是可以直接为每个角色提供实际参考。模型拥有直接的视觉锚点，这正是实现一致性的关键所在。
在 Atlas Cloud 的 Nano Banana 系列中，该功能记录在 [Nano Banana 2 Lite](https://www.atlascloud.ai/models/nanobanana-2) 中，它支持最多 14 张参考图像，支持 14 种纵横比下的多图像构图，且延迟低于 2 秒。该层级的功能集直接对应“组合 14 个参考”的任务。Nano Banana Pro 是更高质量的产品线，专为 1K、2K 和 4K 输出打造，适用于成品帧质量比输入数量更重要的场景。我们将在下文介绍如何在这两者之间进行选择。
角色一致性是一个标签和描述问题
向模型提供 14 张图像只是完成了一半的工作。如果你在请求中放入五个角色参考却没有任何结构，模型就无法可靠地分辨出哪张脸属于场景中的哪个角色，而这正是身份模糊或互换发生的原因。
解决方法是将每个角色视为一个带有标签的实体，而不是匿名输入。以下三种技巧最为关键：
- 角色参考标记：在提示词中为每个角色起一个固定的名字或标签，并将每个标签与对应的参考图像关联起来。不要说“咖啡馆里的五个人”，而要描述“Mara（参考 1）、Devon（参考 2）、Priya（参考 3）、Ari（参考 4）和 Kaito（参考 5）坐在角落的桌子旁”。具名的锚点告诉模型哪个视觉源对应场景中的哪个角色。
- 一致的提示词描述符：每次提到角色时，都要保持相同的显著描述符：发型、体型、服装、标志性配饰。如果 Mara 在一个提示词中是“短银发和绿色围巾”，那么在下一个提示词中也要使用完全相同的词汇。在系列作品中重复使用描述语言，是让角色在不同帧之间保持连贯的关键。
- 编辑和参考图模式（Reference-to-image）：当你已经有了角色或场景的不错版本时，使用“参考图模式”或“编辑模式”，而不是从空白的文本提示词开始。将之前的输出结果作为参考输入模型，可以锁定你已经取得的效果，而不是让模型重新构思角色。
这并不依赖任何秘密参数，关键在于规范的结构：命名你的角色，将每个名字锚定到一个参考图上，并且永远不要让描述语言发生偏移。
14 张参考图、5 个角色构图的关键步骤
以下是一个可重复的操作顺序，让流程保持可控：
- 在撰写任何内容之前，按角色对 14 张参考图进行分类。将其分组：五张是角色脸部，其余是场景、服装、道具和调色板。明确每张图像的贡献，避免将它们描述为可互换的。
- 为五个角色中的每一个分配一个固定标签，并写下一行描述符，在每次生成时逐字重复使用。
- 撰写构图提示词，通过标签引用角色，并明确他们的位置（“从左到右”、“在前台”、“在柜台后”）。空间指令可以减少两个角色合并的概率。
- 在请求中附加参考图并描述每组参考图的用途，以便模型知道某张图是用于保留的脸部，还是用于借鉴灯光的室内参考。
- 生成后，逐一检查五个面孔。一致性问题几乎总是出现在一两个角色身上，而不是全部五个同时出错。
- 对于出现偏差的角色，只需对该区域或该角色运行编辑或参考图模式，并再次提供正确的参考，而不是从零开始重新生成整个画面。
由于确切的请求格式（如何附加参考、有多少字段、如何命名等）属于 API 规范且可能会发生变化，请在 atlascloud.ai/docs 的图像模型部分确认当前的结构，而不是硬编码假设。无论字段名称如何，上述技术原则都适用。
在 Atlas Cloud 上操作
Atlas Cloud 是一个全模态 AI 推理平台，在同一个 OpenAI 兼容的端点后汇集了涵盖文本、图像和视频的 300 多种顶尖模型。整个 Nano Banana 系列都位于该端点，只需一个 API 密钥和一个结算账户即可访问。这一点很重要，因为多角色项目通常需要在迭代过程中在不同层级之间切换。
针对此特定任务，有两个合理的层级选择：
- Nano Banana 2 Lite 是注重效率的层级，明确支持最多 14 张参考图像、多图像构图和 14 种纵横比，价格为每张图像 USD0.04（开发者层级降至 USD0.028，降低了 30%）。其低于 2 秒的延迟使其成为该工作流程所需的迭代循环的自然选择，你可以通过生成、检查五张脸、修复一张、再次生成的方式进行。当你的任务字面意思是“组合 14 个参考”时，该层级的功能集最为契合。
- Nano Banana Pro 是更高质量的 Pro 产品线（Google Gemini 3 Image Pro 系列），支持 1K、2K 和 4K 输出。标准文生图和编辑价格为每张图像 USD0.14，Ultra 文生图和 Edit Ultra 变体为 USD0.15，开发者层级将标准价格减半至 USD0.07。当最终画面需要达到交付级的高分辨率，且你愿意为了成品质量而放弃 Lite 层级特定的 14 图便利性时，请选择 Pro。
一个实用的模式是：在 Lite 层级进行构图和迭代，利用其参考图工作流和低延迟降低试错成本，然后在 Pro 层级以所需的分辨率生成最终的定稿帧。每个模型在 Playground 的“运行”按钮旁都会显示实时价格，因此你在编写代码前就能确认每张图像的准确成本。完整目录可在 atlascloud.ai/models 查看。由于端点兼容 OpenAI，已经基于 OpenAI SDK 构建的应用程序只需更改 base_url 和 API 密钥即可调用这些模型，无需重写。
保持五个角色一致性的技巧
- 尽早锁定描述语言：写好五个角色的单行描述，保存下来，并在每个提示词中原样粘贴。在项目进行到一半时更改角色描述是导致偏差的最常见原因。
- 为每张脸保留最高质量的参考：清晰、光线充足、正面的参考图比模糊的裁剪图更能为模型提供锚定依据，这对角色出现的每一帧都至关重要。
- 减少单帧中的竞争：五个角色加上 14 个参考图的平衡难度很大。如果两个角色持续融合，请以更紧凑的分组进行生成，或者拆分场景再进行合成，而不是强行将五个角色塞进一个拥挤的画面中。
- 复用最佳输出作为参考：一旦某个角色看起来正确，通过“参考图模式”将该帧反馈进去，这样后续生成的画面就能继承已批准的外观，而不是重新随机生成。
- 局部修复，而非全局修改：当一张脸出现偏差时，编辑该角色而非重新生成整个构图，这样可以保护其他四个已经生成正确的角色。
常见问题解答
问：哪个 Nano Banana 层级确实支持 14 张参考图像？ 答：Nano Banana 2 Lite 是文档记录支持最多 14 张参考图像及多图像构图的层级，价格为每张图像 USD0.04。Nano Banana Pro 是更高质量的 1K/2K/4K 产品线，价格为每张图像 USD0.14 至 USD0.15，最适合交付级的最终帧。
问：如何阻止模型交换我的角色面孔？ 答：给每个角色一个稳定的标签和固定的单行描述符，将每个标签锚定到其参考图像上，并在每个提示词中重复使用该确切语言。具名且描述一致的角色融合在一起的可能性要小得多。
问：我需要特殊的 API 参数来附加参考吗？ 答：该技术是概念性的：命名你的角色，为每个角色标注参考，并对已知的样式使用“编辑”或“参考图模式”。关于确切的请求格式和字段名称，请查阅 atlascloud.ai/docs 上的图像模型文档，这是权威来源。
问：我可以在一个项目中使用两个层级而无需单独的账户吗？ 答：可以。Nano Banana 2 Lite 和 Nano Banana Pro 都位于同一个 Atlas Cloud 端点上，因此一个 API 密钥和一个结算账户即可覆盖在 Lite 上迭代和在 Pro 上完成定稿的需求。
问：如果两个角色在拥挤的场景中不断合并怎么办？ 答：减少单次生成的负载。在提示词中使用明确的空间位置指令，以更清晰的分组生成这两个有问题的角色，或者拆分场景并合成结果，而不是强行将五个角色挤进一个密集的画面中。
总结
结合 14 个参考图并保持 5 个角色的一致性，重点不在于某种隐藏设置，而在于结构：按角色对参考资料进行分类，给每个角色一个稳定的标签和逐字重复使用的描述符，将每个标签锚定到其参考图上，并利用“编辑”或“参考图模式”来锁定你已经取得的效果。在 Atlas Cloud 上，Nano Banana 2 Lite 是专为 14 图多图像构图工作流打造的层级，价格为每张图像 USD0.04；而 Nano Banana Pro 提供 USD0.14 到 USD0.15 的高分辨率成品。利用同一个兼容 OpenAI 的密钥，在 Lite 上低成本迭代，在 Pro 上完成交付，并在构建前于文档中确认确切的请求格式即可。
