# Cara Menggunakan Anggaran Referensi 14 Gambar untuk Lima Karakter Nano Banana > Gunakan Nano Banana 2 Lite Edit Developer untuk komposisi 14 gambar, lalu kendalikan konsistensi lima karakter dengan anggaran referensi tetap, label, posisi, dan tahapan perbaikan yang ditargetkan. > Gunakan Nano Banana 2 Lite Edit Developer untuk komposisi 14 gambar, lalu kendalikan konsistensi lima karakter dengan anggaran referensi tetap, label, posisi, dan proses perbaikan yang ditargetkan. Jika Anda memiliki 14 gambar referensi dan lima karakter yang berulang, keputusan pertama adalah endpoint model. Halaman [Nano Banana Pro di Atlas Cloud](https://www.atlascloud.ai/models/google/nano-banana-pro/text-to-image?utm_source=ask.atlascloud.ai&utm_medium=geo&utm_campaign=14-image-reference-budget-five-nano-banana-characters) saat ini menyediakan skema text-to-image. Halaman tersebut tidak menyediakan array `images`, jadi bukan endpoint Atlas Cloud yang digunakan untuk komposisi 14 referensi saat ini. Endpoint yang secara eksplisit menerima hingga 14 URL gambar adalah [Nano Banana 2 Lite Edit Developer](https://www.atlascloud.ai/models/google/nano-banana-2-lite/edit-developer?utm_source=ask.atlascloud.ai&utm_medium=geo&utm_campaign=14-image-reference-budget-five-nano-banana-characters), ID model `google/nano-banana-2-lite/edit-developer`. Koreksi itu membuat alur kerja menjadi jauh lebih jelas. Jangan perlakukan 14 sebagai tumpukan gambar untuk diunggah lalu berharap model membereskannya. Perlakukan sebagai anggaran referensi. Beri setiap gambar satu tugas, beri setiap karakter satu label yang stabil, tentukan posisi setiap orang, dan perbaiki hanya identitas yang menyimpang. Jumlah input maksimum memberi Anda ruang untuk bekerja, tetapi konsistensi berasal dari struktur permintaan. ## Empat belas gambar adalah batas atas, bukan fitur konsistensi Skema Atlas Cloud untuk Nano Banana 2 Lite Edit Developer menerima array `images` dengan 1 hingga 14 URL. Itu memberi tahu Anda apa yang dapat diterima endpoint. Itu tidak menjanjikan bahwa 14 referensi yang tidak saling terkait akan disatukan dengan sempurna dalam satu generasi. Lebih banyak referensi justru dapat membuat pemandangan menjadi kurang stabil ketika referensi-referensi itu saling bertentangan. Karakter dengan rambut hitam di satu potret, rambut cokelat di potret lain, tiga jaket berbeda, dan dua usia yang bertentangan menciptakan beberapa identitas yang masuk akal. Ketika lima karakter membawa ambiguitas semacam itu, model dapat menggabungkan wajah, menukar pakaian, atau menghilangkan orang yang paling tidak menonjol secara visual. Aturan praktisnya sederhana: setiap referensi harus memiliki peran yang dinyatakan. Jika Anda tidak dapat menjelaskan informasi unik apa yang disumbangkan sebuah gambar, keluarkan saja. Permintaan 11 gambar yang bersih dapat mengungguli permintaan 14 gambar yang membingungkan. Atlas Cloud menawarkan kapasitas input 14 gambar penuh melalui varian Lite edit. Google menggambarkan tingkat Lite yang lebih luas sebagai yang dioptimalkan untuk kecepatan dan biaya, bukan sebagai model multi-referensi terkuat. Jadi gunakan maksimum sebagai kapasitas yang tersedia, bukan sebagai klaim kualitas. Bangun sistem referensi yang dapat diulang dan uji pada pemeran Anda sendiri. ## Anggaran referensi yang memberi kelima karakter peluang yang adil Untuk komposisi kelompok pertama, alokasikan 14 slot seperti ini: | Kelompok slot | Gambar | Tujuan | |---|---:|---| | Identitas karakter | 10 | Dua referensi untuk masing-masing dari lima karakter | | Lingkungan dan blocking | 1 | Ruang, jalan, panggung, atau tata letak kelompok kasar | | Lemari pakaian atau siluet kelompok | 1 | Arah kostum bersama atau jarak tubuh penuh | | Properti utama | 1 | Objek yang bentuknya harus tetap dikenali | | Gaya dan pencahayaan | 1 | Palet, lensa, gaya rendering, atau waktu hari | Dua referensi per orang biasanya lebih berguna daripada satu. Gunakan satu gambar wajah yang bersih atau kepala-bahu, dan satu gambar tiga perempat atau seluruh tubuh. Yang pertama menjadi jangkar identitas wajah. Yang kedua menjadi jangkar postur tubuh, bentuk rambut, siluet pakaian, dan sikap tubuh. Jangan menghabiskan semua 14 slot untuk wajah. Model yang diminta menempatkan lima orang di sebuah ruangan juga perlu memahami ruangan, kamera, jarak antar orang, dan objek apa pun yang berinteraksi dengan karakter. Tanpa jangkar-jangkar itu, model harus menciptakan komposisi sambil sekaligus menyelesaikan lima identitas. Alokasi 10 plus 4 ini adalah titik awal, bukan aturan mutlak. Jika satu karakter utama harus persis, beri orang itu referensi ketiga dan hapus gambar gaya atau properti yang paling tidak penting. Jaga total tetap 14 atau di bawahnya, dan catat alasan setiap perubahan. ## Buat lembar pemeran sebelum menulis prompt adegan Konsistensi dimulai dari luar panggilan API. Buat lembar pemeran kecil dengan satu label tetap dan satu deskriptor tetap untuk setiap karakter. Gunakan kembali string-string itu secara persis di setiap gambar dalam seri. | Label | Deskriptor tetap | Referensi | |---|---|---| | `MARA` | wanita berusia awal 30-an, bob hitam pendek, kacamata amber bulat, jaket lapangan hijau | Gambar 1 dan 2 | | `IVO` | pria tinggi berusia akhir 20-an, kepala gundul, wajah sempit, kemeja luar merah karat | Gambar 3 dan 4 | | `SENA` | gadis remaja, kepang perak panjang, hoodie biru tua, jepit rambut bulan sabit | Gambar 5 dan 6 | | `OMAR` | pria bertubuh lebar berusia 50-an, jenggot garam dan merica, mantel kerja krem | Gambar 7 dan 8 | | `LIO` | anak laki-laki kecil, ikal gelap ketat, jas hujan kuning, ransel biru | Gambar 9 dan 10 | Label bukan token ajaib. Nilainya bersifat operasional. Label mencegah Anda menyebut orang yang sama sebagai “wanita itu,” “Mara,” “sang insinyur,” dan “orang berkacamata” di berbagai bagian prompt. Satu label harus selalu menunjuk ke satu identitas dan deskriptor singkat yang sama. Pilih referensi yang sepakat pada sifat permanen. Pencahayaan, ekspresi, dan sudut kamera dapat bervariasi. Bentuk wajah, usia, rambut, aksesori khas, dan proporsi tubuh sebaiknya tidak. Jika referensi lama bertentangan dengan desain saat ini, hapuslah daripada meminta model memutuskan versi mana yang kanonik. ## Beri tahu model di mana setiap karakter berada Prompt lima orang membutuhkan blocking, bukan sekadar daftar pemeran. Nyatakan urutan karakter dan gunakan hubungan spasial yang tidak ambigu. Sebagai contoh: ```text Create a cinematic 16:9 group scene in the repair workshop shown in Image 11. Cast, left to right: 1. MARA, anchored by Images 1 and 2, stands at the left workbench. 2. IVO, anchored by Images 3 and 4, holds the brass device from Image 13. 3. SENA, anchored by Images 5 and 6, stands at the center facing camera. 4. OMAR, anchored by Images 7 and 8, stands behind SENA at frame right. 5. LIO, anchored by Images 9 and 10, kneels in the foreground beside the blue backpack. Preserve each character's face shape, age, hair, body proportions, and signature clothing. Do not merge characters, duplicate faces, exchange clothing, or add extra people. Use the warm tungsten palette and soft film grain from Image 14. ``` “Kiri ke kanan” mencegah prompt menjadi sekadar kumpulan nama. Latar depan, latar belakang, sisi kiri bingkai, dan sisi kanan bingkai mengurangi persaingan untuk posisi visual yang sama. Jika dua orang berinteraksi, nyatakan siapa menyentuh apa dan wajah siapa yang tetap terlihat. Jaga pengujian pertama tetap konservatif. Lima karakter menghadap kamera dengan siluet yang sebagian terpisah lebih mudah daripada lima orang berpelukan, menyilangkan tangan, atau berdiri dalam bayangan gelap. Buktikan stabilitas identitas sebelum menambahkan koreografi yang rumit. ## Buat permintaan Atlas Cloud tanpa menyembunyikan input Unggah setiap referensi dengan endpoint unggah media Atlas Cloud, kumpulkan URL yang dikembalikan, lalu kirim URL-URL tersebut dalam array `images`. Panggilan pembuatan gambar bersifat asinkron: kirim pekerjaan, simpan ID prediksi yang dikembalikan, dan polling endpoint prediksi hingga selesai. Badan permintaan yang penting terlihat seperti ini: ```json { "model": "google/nano-banana-2-lite/edit-developer", "prompt": "Create the workshop group scene using the fixed cast labels and positions described above.", "images": [ "https://storage.atlascloud.ai/uploads/mara-face.png", "https://storage.atlascloud.ai/uploads/mara-body.png", "https://storage.atlascloud.ai/uploads/ivo-face.png", "https://storage.atlascloud.ai/uploads/ivo-body.png", "https://storage.atlascloud.ai/uploads/sena-face.png", "https://storage.atlascloud.ai/uploads/sena-body.png", "https://storage.atlascloud.ai/uploads/omar-face.png", "https://storage.atlascloud.ai/uploads/omar-body.png", "https://storage.atlascloud.ai/uploads/lio-face.png", "https://storage.atlascloud.ai/uploads/lio-body.png", "https://storage.atlascloud.ai/uploads/workshop.png", "https://storage.atlascloud.ai/uploads/group-silhouette.png", "https://storage.atlascloud.ai/uploads/brass-device.png", "https://storage.atlascloud.ai/uploads/warm-film-style.png" ], "aspect_ratio": "16:9", "thinking_level": "high", "resolution": "1k", "output_format": "png" } ``` Gunakan skema langsung di halaman model sebelum produksi, karena opsi kolom dapat berubah. Daftar Atlas Cloud saat ini menunjukkan 14 sebagai maksimum untuk `images`, menawarkan level thinking `default`, `high`, dan `minimal`, serta mendukung beberapa rasio aspek. Mulai dari 1K saat menguji komposisi. Resolusi yang lebih tinggi tidak memperbaiki identitas yang tertukar, jadi selesaikan masalah pemeran sebelum membayar atau menunggu output yang lebih besar. ## Nilai identitas secara terpisah, bukan menilai bingkai secara keseluruhan Gambar kelompok yang indah masih bisa gagal jika satu wajah menyimpang. Tinjau setiap karakter secara independen dengan daftar periksa singkat: | Pemeriksaan | Kondisi lulus | |---|---| | Wajah | Geometri, usia, mata, hidung, dan rahang yang dapat dikenali | | Rambut | Warna, panjang, tekstur, dan siluet yang benar | | Item khas | Kacamata, jepit, mantel, jas hujan, atau jangkar lainnya benar | | Tubuh | Tinggi dan proporsi tetap berbeda dari anggota pemeran lainnya | | Posisi | Karakter menempati lokasi yang diminta dan tidak diduplikasi | | Kontaminasi silang | Tidak ada pakaian, wajah, atau properti yang berpindah ke karakter lain | Beri setiap baris lulus atau gagal sederhana. Jangan rata-ratakan lima karakter menjadi satu skor kualitas yang samar. Hasil identitas empat dari lima berarti satu perbaikan yang ditargetkan, bukan final sukses dan juga belum tentu mulai ulang sepenuhnya. Simpan prompt, urutan gambar, ID model, rasio aspek, level thinking, dan ID output untuk setiap bingkai yang diterima. Konsistensi lintas seri bergantung pada kemampuan untuk mereproduksi pengaturan, bukan mengingat apa yang Anda ketik minggu lalu. **Perbaiki satu karakter yang menyimpang** Ketika satu identitas gagal, kecilkan masalahnya. Gunakan output kelompok saat ini, dua referensi kanonik untuk karakter yang terdampak, dan hanya referensi adegan tambahan yang diperlukan untuk mempertahankan konteks. Gambarkan edit sebagai koreksi lokal. Sebagai contoh: ```text Keep the composition, camera, lighting, background, and the other four characters unchanged. Repair only SENA at the center. Match SENA's face, silver braid, crescent hair clip, navy hoodie, and teenage proportions to the two canonical SENA references. Do not change MARA, IVO, OMAR, or LIO. ``` Pass yang terfokus ini menghilangkan bukti identitas yang bersaing. Ini juga membuat kegagalan lebih mudah didiagnosis. Jika karakter yang diperbaiki masih menyimpang, periksa dua referensi kanonik untuk mencari ketidaksesuaian sebelum menambahkan lebih banyak gambar. Jika beberapa karakter gagal sekaligus, kembali ke komposisi awal dan sederhanakan. Tingkatkan pemisahan fisik, hadapkan lebih banyak karakter ke kamera, hapus referensi gaya yang bertentangan, atau buat dua kelompok yang lebih kecil dan gunakan output yang diterima sebagai referensi tahap berikutnya. Tujuannya bukan untuk membuktikan bahwa semua 14 slot dapat diisi. Tujuannya adalah menciptakan bingkai yang dapat Anda reproduksi. ## Di mana Nano Banana Pro cocok, dan di mana tidak Nano Banana Pro tetap berguna di Atlas Cloud, tetapi tidak untuk permintaan 14-referensi yang persis ini melalui endpoint yang saat ini dipublikasikan. Halamannya menyediakan kontrol text-to-image termasuk resolusi hingga 4K, format output, resolusi media, dan pencarian web opsional. Halaman tersebut tidak menyediakan array gambar referensi yang disediakan oleh endpoint Lite edit. Pilih Pro ketika pekerjaan dimulai dari ringkasan teks dan membutuhkan output resolusi lebih tinggi, mengikuti instruksi rumit, tipografi presisi, atau produksi aset profesional. Pilih Nano Banana 2 Lite Edit Developer ketika pekerjaan dimulai dari gambar yang sudah ada dan permintaan membutuhkan komposisi multi-gambar. Jangan gambarkan Pro sebagai langkah pemolesan akhir image-to-image kecuali skema Atlas Cloud langsungnya menambahkan input gambar. Saat ini, memindahkan komposisi Lite yang diterima ke endpoint Pro saat ini akan mengharuskan Anda menggambarkannya lagi dalam teks, yang akan menghilangkan jangkar visual yang ingin Anda pertahankan. Atlas Cloud menempatkan kedua opsi di belakang akun dan sistem penagihan yang sama, sehingga mengganti ID model tidak mengharuskan Anda membangun ulang aplikasi. Endpoint-endpoint ini memecahkan masalah input yang berbeda. Pilih berdasarkan skema permintaan, bukan pada kata “Pro.” ## Alur kerja malam pertama yang menghasilkan bukti berguna Anda dapat memvalidasi sistem tanpa membuat seluruh urutan cerita: * Kurasi dua referensi kanonik untuk masing-masing dari lima karakter. * Tambahkan satu referensi lingkungan, satu blocking, satu properti, dan satu gaya. * Tulis lembar pemeran dan bekukan setiap label dan deskriptor. * Buat satu lineup 16:9 sederhana atau adegan bengkel pada 1K. * Nilai kelima identitas secara terpisah. * Perbaiki hanya karakter yang gagal dengan set referensi yang lebih kecil. * Ulangi pengaturan yang diterima dengan satu aksi yang diubah dan label pemeran yang sama. * Bandingkan dua bingkai untuk kontinuitas identitas, pakaian, tinggi, dan properti. Bingkai kedua adalah ujian sesungguhnya. Satu gambar kelompok yang bagus mungkin hanya keberuntungan. Dua adegan berbeda yang mempertahankan lima identitas yang sama menunjukkan bahwa anggaran referensi dan sistem penamaan Anda bekerja dengan baik. Atlas Cloud saat ini mencantumkan varian Lite edit dengan harga per gambar lebih rendah daripada Nano Banana Pro, sehingga pengujian identitas berulang menjadi tempat yang masuk akal untuk membelanjakan dana terlebih dahulu. Periksa harga langsung di samping kontrol Run sebelum memulai batch besar. Harga dan skema model berubah, sementara metode anggaran referensi tetap berguna. ## Tanya Jawab T: Dapatkah Nano Banana Pro menerima 14 gambar referensi di Atlas Cloud? J: Tidak melalui endpoint Nano Banana Pro Atlas Cloud saat ini. Skema input yang dipublikasikan adalah text-to-image dan tidak menyediakan array images. Gunakan Nano Banana 2 Lite Edit Developer untuk permintaan yang berisi hingga 14 URL gambar. T: Bagaimana cara membagi 14 referensi di antara lima karakter? J: Mulai dengan dua referensi identitas per karakter, yang menggunakan 10 gambar. Sisakan empat referensi untuk lingkungan, lemari pakaian atau blocking kelompok, properti kunci, serta gaya atau pencahayaan. Ubah alokasi itu hanya ketika satu karakter membutuhkan dukungan identitas ekstra. T: Apakah batas 14 gambar menjamin kelima karakter tetap konsisten? J: Tidak. Empat belas adalah batas input, bukan jaminan konsistensi. Label yang stabil, referensi yang tidak bertentangan, penempatan kiri-ke-kanan yang eksplisit, dan proses perbaikan yang ditargetkan lebih penting daripada mengisi setiap slot. T: Haruskah semua referensi berupa potret jarak dekat? J: Tidak. Beri setiap karakter satu referensi wajah yang bersih dan satu referensi siluet atau tiga perempat. Terlalu banyak potret yang hampir identik membuat model tidak memiliki informasi berguna tentang bentuk tubuh, pakaian, penataan, atau lingkungan. T: Dapatkah saya menggunakan Nano Banana Pro untuk perbaikan akhir? J: Tidak dengan gambar input melalui skema Pro Atlas Cloud saat ini. Gunakan endpoint Lite edit untuk perbaikan berbasis referensi. Pilih Pro untuk pekerjaan text-to-image terpisah ketika output 1K, 2K, atau 4K dan mengikuti instruksi rumit lebih penting daripada input gambar referensi. T: Apa yang harus saya lakukan ketika dua karakter menyatu atau bertukar fitur? J: Sederhanakan adegan, nyatakan ulang pemeran dari kiri ke kanan, hapus referensi yang ambigu, dan jalankan perbaikan terfokus dengan karakter yang terdampak plus output saat ini. Jangan buat ulang permintaan 14 gambar secara utuh tanpa perubahan. ## Intinya Jalur Atlas Cloud saat ini untuk menggabungkan 14 gambar referensi adalah Nano Banana 2 Lite Edit Developer, bukan endpoint Nano Banana Pro text-to-image. Gunakan 10 dari 14 slot untuk memberi lima karakter masing-masing dua jangkar identitas yang bersih, lalu gunakan empat sisanya untuk lingkungan, blocking atau lemari pakaian, satu properti penting, dan gaya visual. Jumlah input hanyalah kapasitas. Sistem yang membuat pemeran tetap dikenali adalah label tetap untuk setiap orang, referensi yang sepakat, blocking kiri-ke-kanan yang eksplisit, QA karakter per karakter, dan proses perbaikan kecil saat satu identitas menyimpang. Gunakan Pro ketika kekuatan text-to-image-nya sesuai dengan pekerjaan. Gunakan endpoint Lite edit ketika pekerjaan dimulai dengan 14 gambar. ## FAQ ### Apakah Nano Banana Pro dapat menerima 14 gambar referensi di Atlas Cloud? Tidak melalui endpoint Atlas Cloud Nano Banana Pro saat ini. Skema input yang dipublikasikannya adalah text-to-image dan tidak mengekspos array gambar. Gunakan Nano Banana 2 Lite Edit Developer untuk permintaan yang berisi hingga 14 URL gambar. ### Bagaimana sebaiknya saya membagi 14 referensi kepada lima karakter? Mulailah dengan dua referensi identitas per karakter, yang menggunakan 10 gambar. Sisakan empat gambar lainnya untuk lingkungan, pakaian atau blocking kelompok, properti kunci, serta gaya atau pencahayaan. Ubah alokasi itu hanya ketika satu karakter membutuhkan dukungan identitas tambahan. ### Apakah batas 14 gambar menjamin bahwa kelima karakter tetap konsisten? Tidak. Empat belas adalah batas atas input, bukan jaminan konsistensi. Label yang stabil, referensi yang tidak saling bertentangan, penempatan kiri-ke-kanan yang eksplisit, dan lintasan perbaikan yang terarah lebih penting daripada mengisi setiap slot. ### Haruskah semua referensi berupa potret close-up? Tidak. Beri setiap karakter satu referensi wajah yang jelas dan satu referensi siluet atau tiga perempat. Terlalu banyak potret yang hampir identik membuat model tidak memiliki informasi berguna tentang bentuk tubuh, pakaian, penataan, atau lingkungan. ### Bisakah saya menggunakan Nano Banana Pro untuk langkah perbaikan akhir? Bukan dengan gambar input melalui skema Atlas Cloud Pro saat ini. Gunakan endpoint edit Lite untuk perbaikan berbasis referensi. Pilih Pro untuk pekerjaan teks-ke-gambar terpisah ketika output 1K, 2K, atau 4K dan kepatuhan terhadap instruksi kompleks lebih penting daripada input gambar referensi. ### Apa yang harus saya lakukan ketika dua karakter menyatu atau bertukar fitur? Sederhanakan adegan, susun ulang daftar pemeran dari kiri ke kanan, hilangkan referensi yang ambigu, dan lakukan perbaikan terfokus dengan karakter yang terdampak beserta keluaran saat ini. Jangan menghasilkan ulang permintaan 14 gambar secara penuh tanpa perubahan.