最近大家應該常常在社群看到那種「Nano Banana 生出公仔＋包裝盒＋背景是 3D 軟體介面」的示照片吧？說真的，看久了有點審美疲勞。我心裡反而在想：
這條香蕉，能不能幫我生出一系列有劇情的分鏡？
自從前一篇文章「AI｜一次十張、再十張！我把 Nano Banana 畫漫畫的極限榨乾了」發佈後，我就一直在想，如果可以一次生成多張圖片，那用來做分鏡不就剛好嗎？
我的想法是這樣：如果它能一次生成連續的關鍵影格（Keyframe）當首尾圖，丟去生成多支短片，再接成一支完整影片的可能性就大了。於是我開始實測，三天、用三個帳號、超過 500 多張圖片，最後才找到比較穩定的做法。
過程很不輕鬆——我花了三天、三個帳號，生了超過 500 張圖，才慢慢找到讓它「乖乖合作」的方式。這篇文章就記錄我一路上的嘗試與心得，也許能幫到想用它來講故事的人。
備好參考圖片
Nano Banana 的一大特色是 多模態能力，也就是文字＋圖片一起輸入。
- 最常見：上傳一張圖片，用提示詞修改。這部分大家應該都玩過，我就不贅述。
- 多圖融合：例如上傳兩個角色＋一個道具，然後加上劇情描述，讓它幫我「排成一個畫面」。
- 所有上傳的參考圖片比例要一致，否則它會抓「最後一張上傳」的當作生成的比例。
- 角色表（Character Sheet）先準備好：最好先用一個站姿正面生成角色的不同姿勢、表情、角度，再用來合成在一個畫面中才會自然。
三張白色背景圖片搭配提示詞，生成兩張高度一致性的圖片
完整而具體的描述
很多人卡住的點，就是提示詞寫得太「單薄」。要記住：你的提示詞就是一份給 Banana 的簡報。
- 完整句子比單字好
舉例：「一隻咖啡色的金吉拉兔，在陽光灑落的草地上大步跳躍，背景是模糊的草叢。」
就比「一隻兔子在草地上」準確太多。 - 尺寸要明確
別說「小風鈴」，要寫「不超過手掌一半大小的風鈴」。 - 動作細節要精確
「用指尖捏著掛繩最上端」會比「拿著風鈴」更貼近你的想要。
所以，這次實驗最大的體會是：
成功的 Nano Banana 提示詞，不是詞彙堆砌，而是要提供一個故事或完整的視覺藍圖。 你描述得越完整，它就越能理解並實現你腦中的想法。
左邊：詳細描述「用指尖捏著風鈴上的吊繩頂端」｜右邊：只寫「拿風鈴」
花點時間詳細描述（而且正確），也能讓動作精確到這種程度
運用攝影與藝術術語
不要忘了這條香蕉是學富五車：什麼領域的專業術語它都背起來了。
- 鏡頭與構圖：close-up（特寫）、wide-angle shot（廣角）、low-angle shot（低角度）⋯⋯等等的，儘管吩咐它。
- 光線與氛圍：soft natural light（柔和自然光）、backlit（逆光）、studio lighting（棚燈）⋯⋯等等的都能幫你定義場景氣氛。
- 藝術風格：Pop Art、Surrealism、Rococo、Baroque……，如果你說不出口，就找一張你想要的風格圖片，丟給任何一個 AI，它會告訴你這什麼風格。
換句話說，如果你懂一點攝影或繪畫術語，就能把 Banana 當一位攝影師、設計師或畫家來溝通。不懂也沒關係，就是功課做一下，找幾張圖片先給它看，它會告訴你這是什麼鏡頭、如何佈光、是什麼藝術風格。
迭代與對話式編輯
不要期待一次到位，你和 Nano Banana 的合作根本就是像和夥伴那樣用「聊的」。
- 逐步修改：先看它丟出的版本，你再說「背景亮一點」「旁邊加一隻鳥」。這樣它會慢慢貼近你的想法。
- 山不轉路轉：如果一組兩張的運鏡感圖片老是卡住，就先出一張，再用提示詞讓它「運鏡」
- 自然語言比 JSON 靠譜：我試過用 JSON 控制連續生成，但 Banana 常常搞混，甚至當成 meta 指令。反而是用自然語言的完整英文句子最有效。
- 不要自相矛盾：如果一直失敗，你也搞不清楚原因在哪，那麼有90%的可能就是「提示詞中有互相矛盾」。例如寫「廣角視野」卻又指定「焦距 50mm」，這就兜不起來。如果你自己找不到原因，就直接問它：「幫我檢查提示詞有沒有衝突。」這個意外地好用。
簡而言之，這過程很像導演排戲：一遍一遍修，最後才會得到理想版本。
一次多張的提示詞結構怎麼寫
要讓 Nano Banana 乖乖在一次對話中就把多張圖生出來，提示詞的結構上可以分成：
全域宣告：這一段用來描述全部圖片都用得到的，例如圖片風格、光線、氛圍等，還要跟它說「接下來每一段提示詞要獨立生成一張圖片，不要將圖片合併在一張」。
第一張輸出（第一張影格 –構圖主題描述)：詳細描述圖片中的細節，如果你上傳了2個以上角色或道具圖片，就用「圖片檔名」來告訴 Nano Banana 「圖片檔名是誰」，這樣不僅可以幫你自己在寫提示詞時，分辨有沒有描述錯對象，對 Nano Banana來說，也不會混淆。
攝影機設定：在這裡描述鏡頭焦距、運鏡、光圈或快門等。
第 X 張輸出（第X張影格 –構圖主題描述)：依據第一張的寫法仔細描述。其他依此類推。
攝影機設定：如前一段，描述這一張的攝影機參數。依此類推。‘
禁止事項（就是 AI 生圖平台常見的「負面提示詞」）：例如不要在畫面中出現文字、不要有人、不要有⋯⋯等等。
如果不在一開頭就跟它說「勿將多個場景合併為拼貼畫或分割畫面」，就會生出這樣的切割組合畫面
簡而言之，這個結構和 HTML 等等的很像，不同之處就是用人類看得懂的自然語言說給它聽就行。
其他小發現
- 避開尖峰時段：晚上七點到十一點左右，特別容易罷工或亂丟東西應付你。
- 少量生成最穩：一次要求三到四張，成功率最高。
- 生成英文字最準：如果圖片中要有中文、日文，就常常出錯，尤其是漢字＋假名。
- AI 需要你：你要不斷補細節，否則它很容易「自由發揮」到失控。
尖峰時刻就裝傻停擺（明明剛剛才生成好幾張）
提示詞不是咒語，而是分鏡指引
這三天的實測讓我更確信：
Nano Banana 不會因為你丟了幾個詞就變魔法師。它更像是一個合作者，需要你提供完整的故事結構和細節，才能幫你拼出腦中的畫面。
所以，與其把提示詞當咒語，不如把它當成「講故事的劇本」——
只要你描述得夠清楚，它就能幫你完成一張張連續的分鏡，甚至是一整段短片。
