گوگل در ۲۶ فوریهٔ ۲۰۲۶ مدل تصویر Nano Banana 2 را معرفی کرد؛ مدلی که نام فنی‌اش Gemini 3.1 Flash Image است. ایدهٔ اصلی در اعلام رسمی گوگل ساده است: قابلیتهای Nano Banana Pro را با سرعت خانوادهٔ Flash ترکیب کردن. برای هر کسی که با تولید تصویر کار میکند، یعنی طراح، فروشندهٔ آنلاین یا تولیدکنندهٔ محتوا، این ترکیب سرعت و کیفیت مهم‌ترین بخش خبر است.
Nano Banana 2 چه میکند؟#
طبق وبلاگ رسمی گوگل، این مدل چند قابلیت کلیدی دارد:
- دانش دنیای واقعی: مدل از پایگاه دانش Gemini و اطلاعات و تصاویر جستجوی وب کمک می‌گیرد تا سوژه‌های مشخص را دقیق‌تر بسازد. گوگل کاربردهایی مثل اینفوگرافیک، نمودار و مصورسازی داده را نام می‌برد.
- متن داخل تصویر: متن خوانا برای ماکت‌ها و کارت‌ها تولید می‌شود و ترجمه و بومی‌سازی متن درون تصویر هم ممکن است.
- ثبات سوژه: شباهت حداکثر پنج شخصیت و وفاداری حداکثر ۱۴ شیء در یک جریان کاری حفظ می‌شود.
- پیروی از دستور: پرامپت‌های پیچیده دقیق‌تر اجرا می‌شوند.
- خروجی: کنترل نسبت تصویر و رزولوشن از ۵۱۲ پیکسل تا 4K.
چرا ثبات سوژه اهمیت دارد؟#
بزرگ‌ترین دردسر تولید تصویر با هوش مصنوعی همیشه این بوده که در تصویر بعدی همه‌چیز عوض می‌شود. وقتی بخواهید یک ماجرای تصویری، یک مجموعه محصول یا یک کمپین بسازید، لازم است شخصیت‌ها و اشیا بین تصویرها یکسان بمانند. عدد «پنج شخصیت و ۱۴ شیء» یعنی گوگل مستقیم به همین مشکل پرداخته است. البته این عددها ادعای خود شرکت‌اند و کیفیت واقعی را باید روی کار خودتان آزمود.
