Nano Banana Pro: המדריך המלא לפרומפטים ועקביות דמות

שרפתי 480 שקל בשביל לפצח את זה

ניסיתי לחזור על אותה דמות 30 פעם. קיבלתי 30 אנשים שונים. אז ישבתי 6 שבועות לפצח את זה: 400+ ג'נרציות, 127 דולר (כמעט 480 ש"ח), והנה כל הטריקים שהתיעוד הרשמי של Google לא טורח לספר.

לפני שאתם נכנסים לפאניקה: Nano Banana Pro זה השם של fal.ai ל-Gemini 3 Pro Image של Google. זה הג'נרטור הראשון שהשתמשתי בו שבאמת שומר על דמות זהה לאורך כמה תמונות. לא "דומה". זהה.

הבעיה? התיעוד הרשמי של Google דליל עד דמעות. הטריקים האמיתיים מפוזרים בין שרתי Discord ל-threads ב-Reddit. אספתי אותם 6 שבועות, בדקתי כל אחד, וזיקקתי רק את מה שעבד אצלי בפועל.

תכל'ס, זה המדריך שהייתי רוצה לקבל בהתחלה. ביטויי הזיהוי שבאמת שומרים על הפנים, חוק "שינוי אחד בכל פעם" שמונע סחיפה, סימולציות פילם למראה מקצועי, וקוד API שאפשר להעתיק לפרודקשן עוד היום.

המפרט הטכני: מה חובה לדעת

לפני שנכנסים לפרומפטים, יש כמה מספרים שאתם פשוט חייבים. כל סטייה מהם תגרום לכשל שקט: ה-API לא יזרוק שגיאה, פשוט יוציא לכם משהו שבור.

הנוסחה שעובדת: שישה רכיבים בפרומפט

המודל הזה מבין שפה טבעית. בניגוד ל-Midjourney או DALL-E, מה שנקרא "tag soup" פשוט לא עובד פה. פרומפט בסגנון "beautiful, 8k, masterpiece, trending on artstation" יחזיר לכם תוצאות בלתי צפויות בכל פעם.

כל פרומפט מוצלח אצלי בנוי במבנה הזה:

[SUBJECT + Adjectives] + [ACTION] + [ENVIRONMENT] + [CAMERA/COMPOSITION] + [LIGHTING] + [STYLE + CONSTRAINTS]

Tag Soup מול שישה רכיבים

ההבדל הוא לא ניואנס. ב-tag soup אתם נותנים למודל יותר מדי חופש. בנוסחת השישה רכיבים אתם נועלים אותו על מה שאתם רוצים.

המבחן האמיתי: עקביות דמות

פה Nano Banana Pro בורח קדימה, ופה גם רוב האנשים נופלים. עקביות דמות זה שלוש טכניקות שעובדות יחד, לא אחת בלבד.

ביטוי ה-Identity Lock

כל פרומפט שדורש דמות עקבית חייב להתחיל בביטוי identity lock. לא באמצע. לא בסוף. שורה ראשונה.

Keep the facial features of the person in the uploaded image exactly consistent.

וריאציות שגם עובדות:

• "Keep the face of the person 100% accurate from the reference image"
• "Without changing her original face, [rest of prompt]"
• "Important: do not change the face."

חוק שינוי אחד בלבד

החוק הזה חסך לי יותר כסף מכל טכניקה אחרת.

אסור לשנות שיער + לבוש + הבעה + תנוחה + רקע באותו פרומפט. שינוי אחד בכל פעם. נקודה.

הגישה הלא נכונה:

Change her hair to blonde, add sunglasses, put her in a red dress,
make her laugh, and move her to a beach at sunset.

הגישה הנכונה (סדרתית):

1. "Keep everything same. Change ONLY the background to a beach at sunset."
2. "Keep everything same. Change ONLY her hair to blonde."
3. "Keep everything same. Add ONLY sunglasses."
4. "Keep everything same. Change ONLY her dress to red."
5. "Keep everything same. Change ONLY her expression to laughing."

כן, זה חמש ג'נרציות במקום אחת. אבל חמש ג'נרציות מוצלחות עולות 0.75$. ניסיון אחד שנכשל ודורש עשרה retries עולה 1.50$. תעשו את החשבון.

פקודות נעילת תווי פנים

כשה-identity lock הבסיסי לא מספיק, תפרטו ידנית את התווים שאתם רוצים לשמר:

FACIAL FEATURES [LOCKED]:
- Eye color: warm brown with amber undertones
- Eye shape: almond-shaped, medium-large
- Nose shape: straight with slightly rounded tip
- Lips: full with defined cupid's bow
- Face shape: oval
- Distinguishing marks: beauty mark above right eyebrow

Do NOT modify, stylize, or alter ANY facial features.

אני משתמש בתבנית הזאת לכל דמות שאני יודע מראש שאצור עליה יותר מ-10 תמונות. ההשקעה הראשונית מחזירה את עצמה כבר בג'נרציה השלישית.

סחיפת דמות, ואיך לעצור אותה

אחרי 5 עד 10 עריכות סדרתיות, תשימו לב שהפנים של הדמות משתנים בעדינות. זה "character drift". כל ג'נרציה מכניסה שינויים מיקרוסקופיים, והם מצטברים.

הפתרון: לאפס לבסיס כל 3 עד 4 עריכות.

CONSISTENCY RESET:

Refer back to the ORIGINAL reference image (Image 1).

RESET the character to EXACTLY match Image 1:
- Face: Pixel-perfect match to original reference
- Hair: Exact style, color, position from reference
- Skin: Exact tone and texture from reference

Ignore any drift from previous generations.

Now apply ONLY this modification: [SINGLE SPECIFIC CHANGE]

מילון הצילום שעובד למודל

הדבר הזה הפתיע אותי: Nano Banana Pro מגיב מצוין למונחי צילום אמיתיים. כשמשתמשים בטרמינולוגיה הנכונה, מקבלים שליטה הרבה יותר עדינה על הפלט.

אורכי מוקד (Focal Lengths)

צמצם (Aperture)

סימולציות פילם

הטריק הסודי של המודל הזה. כל אחד מאלה יוצר מראה ייחודי שקשה להשיג בדרך אחרת:

בלוק מוכן להעתקה לפורטרטים:

Shot on Kodak Portra 400 film, warm natural skin tones,
subtle organic grain, slightly lifted shadows.

תבניות מהשטח

Virtual Try-On / החלפת בגדים

Using Image 1 (the garment) and Image 2 (the model), create a hyper-realistic
full-body fashion photo where the model is wearing the garment.

GARMENT REQUIREMENTS:
- Preserve exact fabric texture and color from Image 1
- Maintain all logos, patterns, and details with 100% accuracy
- Natural draping with realistic folds and wrinkles

MODEL REQUIREMENTS:
- Keep ALL facial features exactly identical to Image 2
- Maintain exact skin tone and texture
- Preserve hair style and position

INTEGRATION:
- Match ambient lighting between garment and model
- Align color temperature
- Create appropriate shadows

Photography Style: Clean e-commerce lookbook.
Output: 4K resolution, 3:4 aspect ratio.

החלפת רקע (לשמור על השאר)

Keep the facial features of the person in the uploaded image exactly consistent.

BACKGROUND REPLACEMENT:
Replace ONLY the background with: [YOUR NEW BACKGROUND DESCRIPTION]

PRESERVATION CHECKLIST (do not modify):
- Facial features: exact match
- Expression: unchanged
- Pose: identical
- Clothing: same outfit, same position
- Hair: same style, same position
- Lighting on subject: maintain original direction and quality

INTEGRATION:
- Match new background lighting to subject's existing lighting
- Create appropriate shadows from subject onto new environment
- Ensure color temperature consistency

Output: 4K resolution, photorealistic, seamless composite appearance.

Headshot מקצועי

Keep the facial features exactly consistent.

ATTIRE: Navy blue blazer over crisp white shirt, professional fit.

BACKGROUND: Clean solid charcoal gray studio backdrop with subtle
gradient, slightly lighter behind subject.

PHOTOGRAPHY:
Shot on Canon EOS R5 with 85mm f/1.4 lens.
Three-point lighting: key light at 45 degrees creating soft shadows,
fill light reducing contrast, rim light separating from background.

TEXTURE:
- Skin: Natural texture with visible pores, NOT airbrushed
- Eyes: Natural catchlights reflecting the key light
- Hair: Individual strands visible, natural shine

Output: 4K professional headshot.

המימוש דרך API

התקנת Python SDK

# nano_banana_pro.py
from google import genai
from google.genai import types
from PIL import Image

client = genai.Client()

def generate_with_reference(
    prompt: str,
    reference_image_path: str,
    aspect_ratio: str = "4:5",
    resolution: str = "4K"
):
    """Generate image with character reference."""

    reference = Image.open(reference_image_path)

    response = client.models.generate_content(
        model="gemini-3-pro-image-preview",
        contents=[prompt, reference],
        config=types.GenerateContentConfig(
            response_modalities=['TEXT', 'IMAGE'],
            image_config=types.ImageConfig(
                aspect_ratio=aspect_ratio,
                image_size=resolution  # Must be uppercase: 1K, 2K, or 4K
            )
        )
    )

    for part in response.parts:
        if part.inline_data is not None:
            return part.as_image()

    return None

הפונקציה הזו עוטפת את ה-API של Gemini 3 Pro Image עם תמיכה ברפרנס לדמות. הפרמטר הקריטי הוא response_modalities=['TEXT', 'IMAGE']. בלעדיו, ה-API מחזיר רק טקסט. ה-image_size חייב באות גדולה (4K, לא 4k), אחרת הקריאה נכשלת בשקט בלי שגיאה. אנחנו עוברים על response.parts כי ה-API יכול להחזיר כמה סוגי תוכן בתשובה אחת, ואותנו מעניין רק חלק התמונה.

עריכה רב-שלבית בשיחה

# multi_turn_editing.py
# Create editing session
chat = client.chats.create(
    model="gemini-3-pro-image-preview",
    config=types.GenerateContentConfig(
        response_modalities=['TEXT', 'IMAGE']
    )
)

# Turn 1: Generate base
image1 = chat.send_message("Generate a professional portrait...")

# Turn 2: Edit background
image2 = chat.send_message("""
Keep the woman exactly the same: face, expression, pose, clothing.
Change ONLY the background to a modern office with floor-to-ceiling windows.
""")

# Turn 3: Adjust expression
image3 = chat.send_message("""
Keep everything identical: face structure, hair, clothing, background.
Change ONLY her expression to a warm, confident smile.
""")

עריכה רב-שלבית שומרת על קונטקסט בין ג'נרציות, כך שהמודל "זוכר" את הדמות שלכם לאורך עריכות. כל קריאה ל-send_message() נבנית מעל הקודמות. הביטוי "Keep the woman exactly the same" הוא הסיבה שזה עובד. בלי הוראה מפורשת, המודל יכול לפרש "שנה רקע" כהיתר לגעת גם בסובייקט. בנוסף, הגישה הזו זולה יותר מאשר ליצור מאפס בכל פעם.

מה שצריך לפרודקשן

# robust_generator.py
import time

class RobustImageGenerator:
    def __init__(self, max_retries: int = 3, retry_delay: float = 2.0):
        self.client = genai.Client()
        self.max_retries = max_retries
        self.retry_delay = retry_delay

    def generate_with_retry(self, prompt: str, **kwargs):
        for attempt in range(self.max_retries):
            try:
                response = self.client.models.generate_content(
                    model="gemini-3-pro-image-preview",
                    contents=prompt,
                    config=types.GenerateContentConfig(
                        response_modalities=['TEXT', 'IMAGE'],
                        image_config=types.ImageConfig(**kwargs)
                    )
                )

                for part in response.parts:
                    if part.inline_data is not None:
                        return part.as_image()

            except Exception as e:
                print(f"Attempt {attempt + 1} failed: {e}")
                if attempt < self.max_retries - 1:
                    time.sleep(self.retry_delay * (attempt + 1))

        return None

לוגיקת ה-retry מטפלת בכשלי API חולפים, שזה דבר שכיח אצל endpoints של ג'נרציית תמונות בזמני עומס. ה-exponential backoff (retry_delay * (attempt + 1)) מגדיל בהדרגה את זמן ההמתנה בין retries, כדי לא להציף את השירות. אנחנו מחזירים None בכשל מוחלט במקום לזרוק שגיאה, כדי לתת לקוד הקורא להחליט איך לטפל בכשל. הדפוס הזה הוא חובה למערכות שמייצרות הרבה תמונות בקנה מידה.

# nano_banana_pro_complete.py - Full implementation with all patterns
from google import genai
from google.genai import types
from PIL import Image
import time


class NanoBananaProGenerator:
    """Production-ready Nano Banana Pro wrapper with retry logic."""

    def __init__(self, max_retries: int = 3, retry_delay: float = 2.0):
        self.client = genai.Client()
        self.max_retries = max_retries
        self.retry_delay = retry_delay
        self.chat = None

    def generate_with_reference(
        self,
        prompt: str,
        reference_image_path: str,
        aspect_ratio: str = "4:5",
        resolution: str = "4K"
    ):
        """Generate image with character reference."""
        reference = Image.open(reference_image_path)

        for attempt in range(self.max_retries):
            try:
                response = self.client.models.generate_content(
                    model="gemini-3-pro-image-preview",
                    contents=[prompt, reference],
                    config=types.GenerateContentConfig(
                        response_modalities=['TEXT', 'IMAGE'],
                        image_config=types.ImageConfig(
                            aspect_ratio=aspect_ratio,
                            image_size=resolution
                        )
                    )
                )

                for part in response.parts:
                    if part.inline_data is not None:
                        return part.as_image()

            except Exception as e:
                print(f"Attempt {attempt + 1} failed: {e}")
                if attempt < self.max_retries - 1:
                    time.sleep(self.retry_delay * (attempt + 1))

        return None

    def start_edit_session(self):
        """Start multi-turn editing session."""
        self.chat = self.client.chats.create(
            model="gemini-3-pro-image-preview",
            config=types.GenerateContentConfig(
                response_modalities=['TEXT', 'IMAGE']
            )
        )
        return self.chat

    def edit(self, instruction: str):
        """Send edit instruction in current session."""
        if not self.chat:
            raise ValueError("No active session. Call start_edit_session() first.")
        return self.chat.send_message(instruction)


# Usage example
if __name__ == "__main__":
    generator = NanoBananaProGenerator()

    # Single generation with reference
    result = generator.generate_with_reference(
        prompt="""Keep the facial features of the person in the uploaded image exactly consistent.
        Professional headshot, navy blazer, charcoal background.
        Shot on 85mm f/1.4, three-point lighting.""",
        reference_image_path="reference.jpg",
        resolution="4K"
    )

    if result:
        result.save("output.png")

פתרון בעיות שיחסוך לכם כסף

מה אסור לעשות

1. Tag Soup: "beautiful, 8k, masterpiece, trending" מחזיר תוצאות בלתי צפויות
2. הוראות סותרות: "bright sunny scene at midnight" מבלבל את המודל
3. שינוי הרבה אלמנטים יחד: שינוי 5 דברים בו זמנית שובר עקביות
4. שימוש ב-"Similar": תכתבו "exactly consistent", לעולם לא "similar to"
5. פרומפטים ארוכים מדי: מעל 300 מילים = איכות יורדת

השוואת עלויות (תכל'ס, איפה זה כואב)

שאלות שאתם כבר שואלים את עצמכם

מה אורך הפרומפט המקסימלי ב-Nano Banana Pro?

טכנית, המודל מקבל עד מיליון טוקנים בקלט. בפועל, הגבול האמיתי הרבה יותר נמוך. תשמרו על פרומפטים מתחת ל-300 מילים. מעבר לזה המודל מאבד פוקוס על האלמנטים החשובים, ולפעמים אפילו חותך אוטומטית.

למה הפנים של הדמות שלי משתנים כל הזמן?

שתי סיבות שכיחות: ביטוי identity lock חסר, או יותר מדי שינויים בבת אחת. תמיד תתחילו את הפרומפט ב-"Keep the facial features exactly consistent", ותעבדו לפי חוק שינוי אחד בכל פעם. אם הסחיפה קורית אחרי כמה עריכות, תאפסו לרפרנס המקורי.

אפשר להעלות כמה תמונות רפרנס?

כן, עד 14 בסך הכל. לדמויות אנושיות, תגבילו את עצמכם ל-5 רפרנסים בלבד לעקביות הכי טובה. כשמשתמשים בכמה תמונות, חובה לתת לכל אחת תפקיד מפורש: "Image 1 = face reference, Image 2 = pose reference, Image 3 = style reference". בלי הקצאת תפקיד, המודל יערבב פיצ'רים בצורה בלתי צפויה.

איך נמנעים מעור פלסטי או מאופר יתר?

תוסיפו הוראות מפורשות על טקסטורה: "Render natural skin texture with visible pores, NOT airbrushed. Include subtle skin variations and imperfections. Add realistic catchlights in eyes". המודל ברירת מחדל מייצר פלט אסתטי מדי, אלא אם תאמרו לו אחרת באופן ברור.

מה ההבדל בין Nano Banana Pro ל-Gemini 3 Pro Image?

אותו מודל. "Nano Banana Pro" זה השם המסחרי של fal.ai ל-Gemini 3 Pro Image של Google (Model ID: gemini-3-pro-image-preview). fal.ai מספקת את התשתית של ה-API, Google מספקת את המודל.

איך להתחיל בלי לשרוף כסף

תתחילו עם תבנית ה-headshot המקצועי. זו הדרך הכי פשוטה לבדוק עקביות דמות בלי להסתבך עם דרישות סצנה מורכבות. אחרי שווידאתם שביטוי ה-identity lock עובד אצלכם, תעברו להתנסות בהחלפת רקע.

• תתחילו פשוט: תבדקו קודם עם תבנית ה-headshot המקצועי
• תבנו "תנ"ך דמות": תתעדו את נעילות הפיצ'רים לכל דמות חוזרת
• תחקרו פילם: Kodak Portra 400 לפורטרטים, Cinestill 800T ללילה
• תשוו עלויות: תריצו את אותו פרומפט על Flux 2 Pro כדי להבין איכות מול מחיר

למי שרוצה להעמיק, יש לי השוואה מלאה בין כל ג'נרטורי התמונות. עוד מדריכים וסקירות כלים מחכים לכם בקטגוריות.

יתרונות וחסרונות, ללא יחסי ציבור

תכל'ס: כמה ניסיונות לקח לכם להגיע לעקביות דמות שאתם מרוצים ממנה?