Nano Banana 廣東話短片工作流：由圖到聲（2026）

一句答你：Nano Banana 係圖像模型，唔會生成語音。你可以用佢砌角色同關鍵帧，再用影片模型出片、粵語 TTS 出聲。聲畫係兩層，唔好期待一個工具做晒。

Key Takeaways

• Nano Banana 係 Google Gemini 嘅原生圖像生成同編輯能力，唔係影片或語音模型。
• 2026 年嘅型號包括 Nano Banana 2.1、2 Lite、2 同 Pro；Pro 最適合複雜品牌視覺。
• 官方講最多可以混用 14 張參考圖，Pro 可以保持最多 5 個角色嘅一致性。
• 圖中文字、品牌名、角色樣貌，係三個最易出事嘅位。
• 最實用嘅工作流：Nano Banana 出角色表同關鍵帧 → 影片模型出片 → 粵語 TTS 出聲 → 對嘴。

重點摘要：Nano Banana 嘅價值係「先鎖定視覺」，令後面嘅影片模型有穩定參考。你唔會用佢直接出片，但佢可以令你少重做幾次。

Nano Banana 係咩？先分清型號

Nano Banana 係 Google Gemini 系列嘅圖像生成同編輯模型。你可以用文字、圖片、影片做輸入，生成或者修改圖像。

2026 年嘅型號有幾個，能力同價錢唔同：

以上型號同能力，引自 Google AI for Developers 嘅圖像生成文件（Google AI, 2026）。型號會更新，實際可用性以你嘅帳戶同地區為準。

佢強喺邊？

• 角色一致性：Pro 官方講可以保持最多 5 個角色同 14 件物件嘅一致性（Google DeepMind, 2026）。
• 圖中文字：官方主打清晰文字渲染，適合海報、資訊圖、產品 mockup。
• 多輪編輯：可以逐步改圖，唔使每次由零開始。
• 影片轉圖：2.1 同 3.1 Flash 系列可以用影片做參考，生成縮圖或海報。

佢唔強喺邊？

• 唔會出聲：Nano Banana 係圖像模型，冇語音輸出。
• 唔會出片：佢出嘅係靜態圖，影片要交俾 Veo、Seedance、Kling 等模型。
• 文字仍會錯：官方自己都提醒，細字、拼寫、複雜排版仍然可能出錯。
• 文化細節要核：香港街景、繁體字、品牌 logo，唔好假設一定啱。

一條粵語短片，其實有四層

好多人以為「Nano Banana + 一個影片模型」就搞掂。實際上，一條有對白嘅短片有四層：

任何一層求其，成品都會露底。最常見係「畫面好靚，但把聲唔係香港人」。

想睇對嘴工具點揀，可以睇《AI Lip Sync 廣東話指南》。

用 Nano Banana 砌粵語短片：八步

第一步：寫一句話故事

唔好一開始就寫十幾個鏡頭。用一句話講清楚：邊個、喺邊、想做咩、遇到咩阻力。

第二步：定角色表

每個主要角色做一張三視圖：正面、側面、背面，加一個面部特寫。呢張表之後每個鏡頭都要用。

第三步：定視覺風格

寫清楚燈光、鏡頭、色調。例如「香港茶餐廳，下午自然光，暖色，35mm 電影感」。

第四步：出關鍵帧

用 Nano Banana 生成每個鏡頭嘅第一格同最後一格。呢兩格就係影片模型嘅起點同終點。

第五步：出片

將關鍵帧放入 Veo、Seedance 或 Kling。先做 5 秒測試，確認角色冇變樣。

第六步：出粵語聲軌

用專用粵語 TTS 生成對白。逐句核讀音，尤其是品牌名同中英夾雜位。

第七步：對嘴

將聲軌對返畫面。片長超過平台上限就切片。

第八步：剪接同 QC

加字幕、音效、音樂。逐項核對角色、嘴型、文字、音量。

呢個流程嘅重點，係第 4 步同第 6 步。視覺同聲音要分開做，唔好邊生成邊改。

角色一致性：五個實用招

一、一張角色表，唔好每次重新描述

每次生成都貼同一張角色表，並寫明「same face, same hairstyle, same outfit」。唔好靠記憶。

二、每張參考圖只做一件事

官方建議，每張參考圖應該有單一作用。例如一張只負責臉，一張只負責服裝，一張只負責場景。

如果你一張圖同時包含臉、pose、背景、燈光，模型會連唔想要嘅元素都抄埋。

三、先細後大

先出面部特寫，確認樣貌。再做半身，最後才做全身同遠景。倒轉做，錯咗就要重做幾張。

四、用 9:16 或 16:9 由一開始定死

平台比例唔同，構圖會變。你如果先用 1:1 出圖，之後才裁成 9:16，角色可能被切走。

五、接受小差異，控制大差異

AI 生成一定有少少漂移。你要控制嘅係「觀眾認唔認得同一個人」，唔係「每一格 pixel 一樣」。

圖中文字同品牌名：三個陷阱

陷阱一、繁體字筆劃

Nano Banana 嘅文字渲染進步好大，但繁體字筆劃多，仍然會出錯。出圖後逐個字核。

陷阱二、品牌 logo

模型唔會知道你個 logo 嘅正確比例同顏色。最好用參考圖，或者後期貼返正確 logo。

陷阱三、價錢同法規字眼

海報入面嘅價錢、優惠條款、法律聲明，唔應該交俾模型生成。呢啲位錯一個字都好大件事。

【獨家觀察】2026 年 10 月，我哋對照 Nano Banana 官方文件，發現「文字渲染」同「文字準確」係兩個層次。模型可以出到好靚嘅字，但唔保證每個字都啱。品牌物料一定要人手核對。

三種常見組合，點揀？

如果你要 native 粵語對白，Kling 4.0 同 Seedance 2.5 都有方言支援。但記住：模型生成嘅對白，唔等於你條聲軌。要控制讀音，仍然要後期換聲。

想睇 Kling 點做，可以睇《Kling AI 廣東話對嘴指南》；想睇 Seedance，就睇《Seedance 廣東話配音指南》。

成本同限制，點預算

Nano Banana 嘅收費按型號同平台而變。Pro 最貴，2 Lite 最平。你要預算嘅唔止出圖：

• 出圖次數：一個鏡頭可能要試幾次。
• 影片生成：每次出片都係成本。
• 聲軌：按字符或分鐘計。
• 對嘴：按聲頻秒數計。
• 重做：角色一變，成條片要重出。

【獨家觀察】大部分人只預算「生成一次」嘅費用，但短片嘅真實成本，通常係「出一個可用版本」嘅總和。預算最少要乘三。

五個可直接用嘅 prompt 格式

一、角色三視圖

Character sheet, same person, front view, side view, back view, neutral expression, plain background, consistent face and hairstyle, 9:16.

二、關鍵帧

Hong Kong cha chaan teng, late afternoon, warm natural light, a woman in her twenties sitting by the window, medium shot, cinematic, 35mm, 16:9.

三、產品 mockup

A matte black skincare bottle on a wet stone surface, soft studio light, water droplets, minimalist, product photography, 4K.

四、海報文字

Minimal poster, large Chinese headline, high contrast, clean grid, leave space for logo, 9:16.

五、影片縮圖

Cinematic thumbnail, close-up of a surprised face, neon Hong Kong street, shallow depth of field, 16:9.

寫 prompt 嘅通則：主體、場景、光線、鏡頭、比例，五樣齊。唔好堆形容詞。

出圖後 QC：五個位逐個核

• 臉：左右眼、牙齒、耳朵有冇歪。
• 手：手指數目、關節方向。
• 文字：繁體字筆劃、品牌名拼寫。
• logo：比例、顏色、位置。
• 光線：陰影方向一致，唔好一半日光一半夜市。

有問題就局部重生成，唔好整張重做。Nano Banana 嘅多輪編輯就係用嚟做呢件事。

三種比例，三種用法

9:16 直式

最適合 TikTok、Reels、Shorts。角色要居中，頭頂留空間，字幕放底部。

生成時直接寫 9:16，唔好之後裁。

16:9 橫式

最適合 YouTube、網站 hero、產品 demo。構圖可以闊，但要預留字幕位。

1:1 方形

最適合 Instagram feed、廣告素材。角色要置中，背景唔好太雜。

同一條片，最好由一開始就定一個主比例。你要多版本，就生成多一次，唔好靠裁。

品牌色同 logo，點保持一致性

• 品牌色：把 HEX 色碼寫入 prompt，例如「primary color #1A1A1A」。
• logo：唔好叫模型「畫一個类似嘅 logo」。用正確檔案後期貼上。
• 字體：模型唔會知道你品牌字體。圖片文字後期用設計軟件加。
• 人物服裝：每個角色固定一套，唔好每張圖都換。
• 燈光：同一條片用同一種光，唔好一半暖一半冷。

【獨家觀察】品牌物料最易出事嘅位，唔係角色走樣，而係「logo 似但唔係」。觀眾未必講得出，但會覺得唔專業。呢個位一定要後期處理。

資料來源同方法說明

本文由港嘢內容團隊撰寫，經編輯覆核。Nano Banana 嘅型號、解像度、參考圖上限同角色一致性能力，均引自 Google 官方文件（查閱日期 2026-10-31）。本文冇對 Nano Banana 做獨立圖像質素測試；模型版本同地區可用性可能改動。

長鏡頭角色一致性嘅技術背景，可參考 StreamChar 論文（arXiv, 2026）。

主要來源：

• Google AI：Nano Banana 圖像生成文件
• Google DeepMind：Nano Banana Pro
• Google Cloud：Nano Banana prompting guide
• Google Cloud：Nano Banana 2 / Pro GA
• StreamChar 論文

常見問題 FAQ

Nano Banana 可以生成影片嗎？

唔可以。佢係圖像生成同編輯模型。影片要交俾 Veo、Seedance、Kling 等影片模型。

Nano Banana 可以出廣東話語音嗎？

唔可以。佢冇語音輸出。你需要另外用 TTS 或真人錄音。

Nano Banana Pro 同 2.1，應該揀邊個？

要最高精度同複雜品牌視覺，揀 Pro。要大量出圖、成本優先，揀 2.1 或 2 Lite。

一張參考圖夠唔夠？

一張可以應付簡單情況，但角色一致性要求高時，建議用多張：臉、半身、服裝、場景分開。

圖中文字點樣減少出錯？

用短句、大字、清晰對比；出圖後逐字核；品牌名同法律字眼後期加上去。

用 Nano Banana 出嘅圖，可以商用嗎？

要睇 Google 嘅條款同你所用方案。另外，圖中如果涉及真實人物、品牌 logo、藝術品，仲要處理肖像同版權授權。

想試廣東話聲軌？

你可以用 Nano Banana 出角色同關鍵帧，再將對白交俾 港嘢 playground。先試 10 秒，聽吓把聲啱唔啱，再決定成條片點做。

想睇 AI 短劇嘅完整流程，可以睇《AI 短劇廣東話製作指南》；想睇 CapCut 配音，就睇《CapCut 粵語配音指南》。

想睇成個 AIGC 粵語聲軌嘅工具地圖，可以睇《AI 影片廣東話配音指南》。

關於港嘢：我哋專做香港廣東話語音。有查詢可以聯絡我們，或者睇關於港嘢。