Cómo hacer prompts para NanoBanana

NanoBanana es la línea de imágenes Gemini de Google, y nuestro bot la ofrece como NanoBanana 2 para el trabajo diario y NanoBanana Pro para los renders que tienen que salir bien a la primera. Ambos aceptan el mismo tipo de prompt, así que aprender uno te enseña los dos y la única decisión real es en qué nivel gastas los créditos. Lo que distingue a esta familia es que lee el prompt buscando material, superficie y ambiente, en vez de recorrerlo como una lista de tareas.

La fórmula del prompt para NanoBanana

Seis ranuras cubren casi cualquier prompt: sujeto, acción, escenario, luz y óptica, encuadre, estilo. Aquí tienes un prompt que lleva las seis:

A woman in her thirties in a grey wool coat sitting at a cafe window on a rainy afternoon, one hand wrapped around a ceramic mug with steam rising off it, the other forearm resting on the wooden counter, soft daylight from the left falling through rain streaked glass, 85mm close portrait with the background dropping out of focus, natural documentary photography

Fíjate en que se lee como una descripción, no como un inventario. Las etiquetas apiladas con comas (woman, cafe, rain, moody, 85mm) se promedian hasta convertirse en un ambiente; las frases enlazadas conservan las relaciones, la luz cayendo a través del cristal, el vapor subiendo de la taza. Dilo en voz alta y luego comprueba que están las seis ranuras.

El fallo que viene después no parece un fallo. GPT-Image-2 falla de forma literal, así que el hueco se ve y sabes qué ranura añadir. NanoBanana se queda en el medio: un prompt escaso devuelve igualmente una imagen competente y verosímil, el promedio de todo lo que tus palabras podrían haber significado, sin nada que apunte a lo que nunca escribiste.

La textura y el material son la salida más rápida de ese punto medio. Punto acanalado, cerámica esmaltada, latón envejecido, condensación en el cristal: cada uno nombra una superficie que el modelo puede resolver, y cada uno estrecha el promedio. Los adjetivos de calidad (“bonito”, “obra maestra”, “8k”) no estrechan nada, porque cada render ya estaba intentando ser eso.

Las dos imágenes que hay más abajo muestran la diferencia. La primera salió de tres palabras, “a woman in a cafe”, y el modelo respondió con un plano general agradable: una desconocida sonriente, un bollo, toda una cafetería de gente detrás. La segunda nombra su edad, el abrigo, la taza, la lluvia en el cristal, la luz y la distancia focal, y la gente, el bollo y la sonrisa desaparecen, porque nadie los había pedido.

Cómo adjuntar fotos: @image1 y @image2

Hasta 4 fotos van en un solo mensaje con la instrucción como pie de foto, y luego te diriges a ellas en el prompt como @image1, @image2 y así sucesivamente; la guía paso a paso explica la mecánica con capturas.

Keep the face and hair from @image1 exactly as they are, dress her in the grey wool coat from @image2, place her at a rainy cafe window, soft light from the left, keep the background of @image2 unchanged

Lo importante aquí es que NanoBanana no pega la cara de referencia, la vuelve a generar, así que el parecido sobrevive solo hasta donde tu prompt lo proteja. “Keep the face from @image1 unchanged, same bone structure, same nose, do not restyle the skin” aguanta un cambio de ropa o de luz donde “keep the face” no aguanta. Si pides luz nueva, el modelo también reilumina la cara, y una cara reiluminada es una persona ligeramente distinta. Una foto de origen oscura o muy filtrada también le da menos a lo que agarrarse.

La mezcla es donde esta familia es realmente fuerte. Una cara de un adjunto, la ropa de otro y una localización de un tercero vuelven como una sola escena en vez de un collage, sin los bordes recortados que suelen dejar esas ediciones. Dale a cada adjunto un trabajo: una referencia sin una función asignada se absorbe en el ambiente en lugar de usarse. Cuantas más adjuntes, más importa el nivel.

NanoBanana 2 o NanoBanana Pro

Toda la cuestión de nano banana 2 frente a pro se reduce a esto: los dos son buenos, y solo uno es barato.

El render más barato de Pro cuesta lo mismo que una imagen de 4K en 2, y ese precio define todo el flujo de trabajo. Itera en NanoBanana 2 y renderiza la buena en Pro. Lanza el prompt en 1K por 2 créditos, cambia una ranura, lánzalo otra vez y gasta créditos de Pro solo cuando la redacción ya funcione.

La diferencia que estás pagando aparece con la complejidad. Un sujeto y luz limpia se ven casi idénticos en ambos niveles, así que recurrir a Pro ahí desperdicia créditos. Carga el prompt con varias personas, un fondo concurrido, ropa concreta y una luz determinada, y NanoBanana 2 empieza a soltar detalles en silencio: una prenda descrita se vuelve genérica, una cara al fondo del cuadro se emborrona. Pro sostiene la lista entera y mantiene los bordes limpios en 4K, y por eso es también el indicado para imágenes principales y para piel a corta distancia. La misma diferencia se ve con los adjuntos: con tres o cuatro referencias en juego, NanoBanana 2 atiende bien a una y deja que el resto se difumine, mientras que Pro mantiene a cada una haciendo su trabajo.

El texto dentro de la imagen es su punto débil

Todas las demás secciones de aquí tratan de sacarle más al modelo. Esta trata de conocer su techo, que es el consejo más útil de esta página sobre prompts para el modelo de imágenes de Gemini. NanoBanana 2 saca una etiqueta corta lo bastante a menudo como para resultar tentador y la escribe mal lo bastante a menudo como para resultar frustrante, y es el modelo menos fiable de aquí en cuanto un texto pasa de una o dos palabras. NanoBanana Pro es claramente mejor, y en un titular corto suele salir bien, pero “suele” es la palabra clave.

Para darle a nano banana su mejor oportunidad con el texto en la imagen: pon las palabras exactas entre comillas, que sean cortas, nombra la superficie sobre la que van impresas y relanza en lugar de reescribir cuando salga una letra mal, ya que las letras varían entre generaciones del mismo prompt.

Cuando las palabras tengan que salir exactas, cambia de modelo. GPT-Image-2 es el más fuerte con el texto y el más barato para iterar, y la guía de GPT-Image-2 explica cómo lograr que un texto salga bien a la primera.

Qué rechaza el filtro

Espera un nivel de exigencia parecido al de GPT-Image-2, sobre las mismas cuatro categorías: personas reales con nombre, marcas y logotipos, violencia y contenido explícito. La salida es idéntica, así que en lugar de repetirla aquí, la guía de GPT-Image-2 trabaja el patrón de reescritura con ejemplos.

Lo propio de esta familia es el rechazo que llega al editar y no al generar. En cuanto adjuntas una foto de una persona real e identificable, el límite deja de ser tu redacción y pasa a ser la cara que aparece en la imagen: ninguna formulación desbloquea la edición de una figura pública, y ninguna desbloquea una imagen que coloque a alguien en una situación en la que nunca estuvo. Relanzarlo o suavizar la frase no cambia nada, y conviene saberlo antes de gastar créditos en descubrirlo.

El flujo de trabajo para el que existen las herramientas de referencia sigue completamente abierto: tu propia cara, amigos que dieron su permiso, cambios de estilo, reiluminación, un cambio de ropa o de escenario. Espera la lectura más estricta con menores, con cualquier cosa íntima y con ediciones que se leerían como una afirmación sobre algo que ocurrió de verdad. Seedream es más laxo con el estilo, no con el tema, así que la guía de Seedream merece la pena por el trabajo estilizado y ultrapanorámico, no como rodeo para esquivar un rechazo que te has ganado.

Problemas frecuentes y qué cambiar

Prompts listos para pegar

Leer sobre materiales enseña menos que ver cómo cambia un render cuando la cerámica esmaltada se convierte en cobre martillado. La biblioteca de prompts de NanoBanana tiene prompts listos para pegar junto a las imágenes que produjeron, y las páginas de modelo de NanoBanana 2 y NanoBanana Pro listan las resoluciones, las relaciones de aspecto y el coste en créditos.

Abre nuestro bot, elige un nivel de NanoBanana y pega uno.