Nano Banana 2登顶Arena第一，我拿5个真实项目测了一遍

昨天Nano Banana 2发布了。

说实话，AI生图模型更新这么频繁，大多数时候我已经不太激动了。但NB2确实有点不一样——它在Arena的text to image盲测里直接冲到了第一名，超过了自家的Nano Banana Pro，也超过了GPT Image。

而且不是靠画质碾压的。NB2的底层从Gemini 3 Pro换成了Gemini 3.1 Flash，跑得更快、成本更低，但画面质量几乎没掉。

放一组对比数据：

速度从每张10-20秒降到4-6秒。Arena ELO从1223拉到1280。价格几乎全线腰斩——1K分辨率$0.134→$0.067，4K从$0.240→$0.151。中文渲染从「偶尔笔画出错」升级到了商用级别。唯一的代价是放大到像素级对比时NBP稍微精细一点，日常用肉眼看不出。

速度快一倍，价格砍一半，效果还排第一。只能说在文生图领域，Google的领先优势越来越明显了。

不过模型归模型。NB2是通过API调用的，每张图按量收费，还得有Google Cloud账号才能用——对国内用户来说这本身就是个门槛。

所以，我这次选择在Lovart上测NB2。Lovart直接集成了NB2，不需要折腾API。更关键的是，Pro会员闲时0积分无限生成——NB2本来按张收费的东西，在这里变成了包月不限量。

而且Lovart不只是套了个模型壳子。生成之后它还有一整套编辑能力：改文字、改细节、去背景、贴样机、拆图层。后面5个案例里都会用到。

上篇文章之后，最多人问的两个问题

前阵子我写了一篇「」，讲我给Claude Code做的PPT Skill。那个Skill有两条路径——Path A是HTML转PPT，文字可编辑；Path B是用Nano Banana Pro生成全AI插画，视觉冲击力强很多，但文字就烧死在图里了。

文章发出去之后，问的最多的不是Skill怎么写。

第一个问题：国内怎么用Nano Banana？Path B要调Gemini API，很多人要么没Google账号，要么网络不通。功能再好，卡在访问这步就没用。

第二个问题：AI生成的PPT图片能编辑吗？其实这不只是PPT的问题。所有用AI生图的人都碰过——出了一张很满意的海报，客户说把标题改一下，只能重新生成碰运气。

在Lovart上用NB2，这两个问题正好一起解了。

不过光说没用。我拿了5个自己真实在做的项目跑了一遍。

案例1：PPT演讲素材批量生成

先测最直接的——上篇PPT文章里的Path B，用AI生成幻灯片配图。

之前我是在Claude Code里调Gemini API，一页一页生成。这次直接在Lovart里操作，把PPT大纲丢进去，让NB2批量出一整套。

前阵子我刚做完一个企业AI培训，两天课程做了131页PPT。那次用的Neo-Brutalism风格——粗黑边框、高饱和色块、超大字，投影到10米外都看得清。这次换个方向，用温暖叙事风格重做一版，试试NB2。

上传了自己的照片做角色参考，写prompt：

为一场AI培训设计演讲幻灯片插画。所有文字必须是简体中文。
风格：温暖叙事风格的教育插画，像TED演讲配图或Airbnb品牌插画的叙事感。
暖色调（奶油色背景），圆润的人物造型，手绘线条质感。
讲师形象参考上传的照片，贯穿每一页。

第1页：封面「AI时代的个人生产力升级」
— 讲师站在一面巨大的白板前，白板上密密麻麻写满了关键词：
Claude Code、GPT-5、DeepSeek、Agent、Skills……
讲师回头看向观众，表情像在说「别慌，我帮你理清楚」

第2页：「差提示词 vs 好提示词」
— 画面左右分屏对比。左边：一个人对着电脑只打了一行字「帮我分析数据」，
电脑屏幕上冒出一堆杂乱的结果。右边：同一个人列出了清晰的四层结构
（角色、任务、上下文、约束），电脑屏幕上输出整齐的报告。
左侧标注「一句话丢给AI」，右侧标注「4层结构提示词」

第3页：「从提示词到工作流到Skills — 三级进化」
— 画面是一个纵向的三层阶梯。底层：一个人坐在电脑前打字（标注「提示词：用一次」）。
中层：同一个人面前展开一条流水线，多个步骤自动流转（标注「工作流：用一个月」）。
顶层：一个人站在控制台前，多个Agent同时在工作（标注「Skills & Agent：用一年」）

简答说明下我做PPT时的提示词逻辑。一个是尽量提供明确的风格供NB2理解和参考。 比如我这次要求「像TED演讲配图」或具体品牌名（Airbnb插画风格），AI就知道该往哪个方向走了。第二，每页的文字内容要写全——不要只写「封面」两个字，把标题、标注、对比文案全写进prompt，NB2才能准确渲染。第三，描述画面用叙事而不是布局指令——「讲师回头看向观众，表情像在说别慌」比「讲师站在画面中央」有效得多。

这次生成的三页幻灯片中文字符算是非常准确。

不过呢，还有一个AI生图的经典问题：抽卡。10张图里总有一两张细节不对。比如这次第一张封面，讲师的帽子变成了鸭舌帽，但我的参考照片和其他页面里都是渔夫帽。以前碰到这种情况只能重新生成碰运气。

Lovart有个很顺手的操作——按住Command键点击图片上的具体位置（比如帽子），直接告诉它「改成和参考图一样的渔夫帽」。只改帽子，其他内容不动。

指哪改哪，跟在Figma里点图层一样直觉。

改完了的效果也相当符合预期，你可以看到，除了帽子，图片任何细节都没改

案例2：小猫补光灯IP周边设计

这是我一直想做但没动手的事。

小猫补光灯是我做的一款iOS app，在App Store付费榜拿过第一。但作为独立开发者，从来没认真做过周边——笔、徽章、钥匙扣、贴纸这些。不是不想，是设计成本太高，找设计师做一套周边视觉少说几千块。

这次用NB2试试。

上传了小猫补光灯的logo做风格参考，写prompt：

设计一套App周边产品概念图。品牌：小猫补光灯（一款可爱风格的iOS相机应用）。
IP形象参考我给你发的图片。


请生成以下周边产品的设计概念：
1. 金属胸针/徽章 - 小猫举着迷你补光灯，搪瓷工艺质感
2. 中性笔 - 笔帽是小猫头部造型，笔身印有品牌logo
4. 亚克力钥匙扣 - 透明底+小猫剪影

周边产品的prompt关键在两点。一是材质要具体——不能只说「设计一个徽章」，得说「搪瓷工艺质感」「亚克力透光效果」，AI才知道你要什么样的渲染。二是品牌元素前置——先定IP形象，再展开具体产品，整套周边的视觉语言才统一。

结果挺让我意外。NB2出的周边概念图产品感很强——不是扁平的示意图，是有材质、有光影、看起来像实物的效果。金属徽章有搪瓷质感，钥匙扣我尤其喜欢，有亚克力的透光感。

看到这几个周边设计，我还真有种强烈的要去某宝找商家做出来的冲动了。

案例3：App图标套件生成

这个场景我之前在另一篇文章里做过——用Nano Banana Pro给我的小猫相册app生了一整套定制图标，每个图标都是一只小猫在做不同的事。当你app中的设计元素不止是AI用代码生成，或者引用开源图标库的时候，那给用户的质感确实会大大不同。

我的新版app在小红书发布后，受到了上百名女生的夸夸，用户评价从「还行」变成了「好可爱」。

这次再用NB2教一下大家流程。

关键操作是垫图。你需要先多尝试不同风格，生成一版你满意的图标给NB2作为参考，以及你可以让AI编程工具梳理出你的app中需要用到的icon名称和样式，然后批量生成：

参考上传的logo风格（圆润线条、暖黄配色、可爱小猫形象），
为一款相机类App生成一套功能图标，统一风格。3D卡通渲染，
柔和光影，白色背景，每个图标中小猫在执行对应功能的动作：


1. 补光模式 - 小猫举着一盏发光的灯
2. 美颜滤镜 - 小猫对着镜子涂腮红
3. 定时拍照 - 小猫看着沙漏倒计时
4. 相册浏览 - 小猫翻阅一本厚厚的相册
5. 分享导出 - 小猫把照片从窗口递出去
6. 设置 - 小猫拿着扳手拧螺丝
7. 夜景模式 - 小猫戴着夜视仪
8. 连拍模式 - 小猫手持多台相机同时拍

我再来拆解下图标设计的这套Prompt。 批量图标最重要的原则：垫图 > 文字描述。100个形容词不如一张参考图。Prompt里的风格描述（「圆润线条、暖黄配色」）是辅助，垫图才是风格锚点。另外每个图标的动作要有画面感——不是「补光功能」而是「小猫举着一盏发光的灯」，给AI一个可以构图的场景。

NB2有垫图的情况下，风格一致性挺好。8个图标出来，配色、线条粗细、小猫造型基本统一。之前用NBP做小猫相册那套时，偶尔有一两个风格飘掉的。NB2稍微稳一些。

不过有个问题：NB2没法直接出透明背景。每个图标都带着白色或彩色底，没法直接丢进app里用。我之前的做法是用Claude Code写代码来帮我切图和抠图，效果大致也能用。

不过用Lovart的话，抠图这一部分都可以直接省了。你可以直接在Lovart上给生成的图标移除背景。点一下，背景就没了，干净的透明底PNG。8个图标逐个去了背景，整套可以直接拿去Xcode里用。

案例4：短剧分镜批量出图

这个案例专门测NB2的规模能力——不是出几张看效果，而是连续生成分镜，看角色一致性和风格稳定性能不能撑住。

第一步，先定角色。在Lovart里用NB2生成女主角：

一位穿白衬衫的中国年轻女性，短发，干练气质。
电影感构图，柔和自然光，35mm镜头质感。

多抽了几次，选一张最满意的做角色参考。这步很重要——后面所有分镜都拿这张图做角色锚点。

角色定了，开始批量出分镜。先跑第一集6个镜头：

中国都市情感短剧分镜。电影感构图，柔和自然光，
35mm镜头质感，浅景深。画面比例均为9:16。
角色：参考我提供的角色图片。


第1集·离开
镜头1：【全景】女主站在写字楼落地窗前，俯瞰城市天际线，背影，夕阳光
镜头2：【特写】女主的手放在辞职信上，指尖微微颤抖，桌面有咖啡杯和笔记本
镜头3：【中景】女主走出公司大门，阳光打在脸上，表情释然
镜头4：【全景】女主在胡同口的咖啡馆坐下，周围是老北京的砖墙和绿植
镜头5：【特写】手机屏幕上显示「新消息：项目通过了」，女主嘴角上扬
镜头6：【远景】女主骑自行车穿过林荫道，光斑透过树叶洒下来

这部分分镜生成的工作流核心是「先定角色，再铺场景」。 不要在每个镜头里重复描述角色长什么样——直接上传之前选好的参考图，让AI看图而不是读文字。每个镜头只描述三件事：景别（全景/中景/特写）、场景环境、角色动作。另一个关键：用具体的视觉信息替代情绪形容词——不写「女主很开心」，写「嘴角上扬」「阳光打在脸上」。

第一集6张跑完，角色一致性保持得不错。这只是一个测试，流程跑通之后完全可以继续出第2集、第3集……一口气几十张甚至上百张。NB2的速度在这种规模下优势很明显——批量出图效率比NBP快了不少。

分镜只是第一步。Lovart上还集成了一堆主流的图生视频模型——Kling 3.0、Veo 3.1、Sora 2 Pro、Seedance 1.5 Pro、Hailuo 2.3——全在同一个平台里。

NB2批量出完分镜之后，不用切平台，直接在Lovart里选个视频模型，把分镜图一张张转成视频片段，串起来就是一个完整的短剧。从角色设计到分镜生成到图生视频到成片，全在一个地方。

做短剧、视觉小说的人应该会比较喜欢这个工作流。NB2负责快速出大量分镜，Lovart负责编辑和视频转换。365天闲时0积分无限生成，「先大量出图再筛选」的模式下试错成本几乎为零。

案例5：中文商业海报

最后测一个最日常的场景——做一张中文商业海报。也是测NB2中文渲染最直接的方法。

设计一张竖版手机海报（9:16）。主题：独立开发者线下分享会。
风格：日系清新插画，水彩质感笔触，暖色调。

画面内容：一个小型分享会场景，几位年轻人围坐在长桌旁，
桌上散落着笔记本电脑和咖啡杯，背景是大窗户透进的午后阳光。
分享的主持人请参考我提供的带着渔夫帽的照片人物形象。

文字内容（必须精准渲染）：
主标题：「独立开发者的周末下午」
副标题：聊聊一个人做产品的那些事
时间：2026年3月15日 14:00
地点：深圳南山·万象天地 3F

中文海报有个容易忽略的技巧：文字要单独标注层级。不是在场景描述里随口提「上面写着XX」，而是把文字单独拎出来，标清「主标题」「副标题」「正文信息」——AI才知道哪些字大、哪些字小。另外风格描述加笔触质感（「水彩质感笔触」）比只写「日系风格」有效得多，笔触直接决定画面手感。

中文渲染是NB2比NBP提升最明显的地方。这张海报上有主标题、副标题、时间地点——4段不同层级的中文，NB2基本都渲染对了。NBP做同样的事情，大概率有一两个字出问题。

当然，在海报场景下，你很可能遇到的问题是，你同一张海报可能想在不同的场景下使用。或者，你的甲方突然喊你该需求了，比如要修改海报中提供的活动地点，通常情况下你在Gemini或者AI Studio里也能改，但是往往你要求只是改文字，但是模型能给你改一堆细节。

比如我想把活动地点从「深圳南山·万象天地」改成「北京西城区·西单大悦城」，日期从3月15日改成3月16日——在Lovart里用Text Edit直接点进去改。它会自动识别图片里的所有文字段落，你逐个调整就行。改完字体风格、大小、排版位置都不变，连水彩笔触的质感都保持住了。

测试中我碰到一个小问题：原图尺寸比较大的话，编辑文字之后图片分辨率会变小。不过Lovart也有「放大」功能，点一下就能把图片恢复高清。生成→编辑→放大，三步走完就是一张可以直接用的海报。最后的这两张图除了我要求修改的活动地点和时间外，其他细节都完美保持了一致。

5个案例跑完，说说真实感受

先说NB2。

速度和价格确实是这次最直接的体感。5个案例跑下来，NB2比NBP快了一大截，批量生成时差距尤其明显。画质日常使用分不出差别，中文渲染实打实好了很多。

再说Lovart。

我去年12月写过一篇Lovart的文章，当时说它是「设计界的Cursor」——不只是接了个API，而是提供了生成之后的完整编辑工作流。这次用下来，这个判断还是成立的。

5个案例里我用到了Text Edit改文字、Command+点击改细节、移除背景去透明底、还有放大恢复高清——这些在纯生图工具里都做不了，以前得丢进PS。

回到开头的两个问题。对上篇PPT文章的读者来说：国内直接在Lovart上用NB2，不用折腾API和网络；生成的图片用Text Edit直接改文字，不再烧死在图里。

其实这次测下来我有一个比较明确的感受：NB2这个级别的模型，单纯的「生成」已经不是瓶颈了。真正卡效率的是生成之后——改文字、调细节、去背景、贴场景。Lovart把这些都做进了同一个平台，NB2负责又快又好地出图，Lovart负责让出图变成能用的成品。

Pro会员365天闲时0积分无限用NB2和NBP，对做电商、短剧、PPT、社交媒体的人来说，这个组合挺值得试的：https://www.lovart.ai/