# Hur man använder en referensbudget på 14 bilder för fem Nano Banana-karaktärer > Använd Nano Banana 2 Lite Edit Developer för 14-bildskompositionen, styr sedan femkaraktärskonsistensen med en fast referensbudget, etiketter, positioner och riktade reparationspass. > Använd Nano Banana 2 Lite Edit Developer för kompositionen med 14 bilder och styr sedan konsistensen för fem karaktärer med en fast referensbudget, etiketter, positioner och riktade reparationspass. Om du har 14 referensbilder och fem återkommande karaktärer är det första beslutet model endpoint. Den aktuella [Nano Banana Pro-sidan på 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) exponerar ett text-till-bild-schema. Den exponerar ingen `images`-array, så det är inte Atlas Cloud-endpointen att använda för en 14-referenskomposition i dag. Endpointen som uttryckligen accepterar upp till 14 bild-URL:er är [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), modell-ID `google/nano-banana-2-lite/edit-developer`. Den korrigeringen gör arbetsflödet mycket tydligare. Behandla inte 14 som en hög bilder att ladda upp och hoppas att modellen sorterar ut det. Behandla det som en referensbudget. Ge varje bild en uppgift, ge varje karaktär en stabil etikett, definiera var varje person står, och reparera bara den identitet som drev i väg. Det maximala antalet indata ger dig utrymme att arbeta, men konsistensen kommer från strukturen i begäran. ## Fjorton bilder är ett tak, inte en konsistensfunktion Atlas Cloud-schemat för Nano Banana 2 Lite Edit Developer accepterar en `images`-array med 1 till 14 URL:er. Det säger vad endpointen kan ta emot. Det lovar inte att 14 orelaterade referenser kommer att förenas perfekt i en enda generering. Fler referenser kan till och med göra en scen mindre stabil när de inte överensstämmer. En karaktär med svart hår i ett porträtt, brunt hår i ett annat, tre olika jackor och två motstridiga åldrar skapar flera trovärdiga identiteter. När fem karaktärer bär på sådan tvetydighet kan modellen slå samman ansikten, byta kläder eller utelämna den minst visuellt särskiljande personen. Den praktiska regeln är enkel: varje referens måste ha en uttalad roll. Om du inte kan förklara vilken unik information en bild bidrar med, lämna bort den. En ren begäran med 11 bilder kan överträffa en förvirrad begäran med 14 bilder. Atlas Cloud erbjuder hela indataytan med 14 bilder genom Lite-editvarianten. Google beskriver den bredare Lite-nivån som optimerad för hastighet och kostnad snarare än som den starkaste multi-referensmodellen, så använd maxantalet som tillgänglig kapacitet, inte som ett kvalitetslöfte. Bygg ett repeterbart referenssystem och testa det på din egen rollista. ## En referensbudget som ger alla fem karaktärer en rimlig chans För en första gruppkomposition fördelar du de 14 platserna så här: | Platsgrupp | Bilder | Syfte | |---|---:|---| | Karaktärsidentitet | 10 | Två referenser för var och en av fem karaktärer | | Miljö och positionering | 1 | Rum, gata, scen eller grov grupplayout | | Kostym eller gruppsiluett | 1 | Gemensam kostymriktning eller helkroppsavstånd | | Huvudrekvisita | 1 | Föremålet vars form måste förbli igenkännbar | | Stil och ljussättning | 1 | Palett, objektiv, renderingsstil eller tid på dygnet | Två referenser per person är vanligtvis mer användbara än en. Använd en ren ansikts- eller bröstbild och en trekvarts- eller helkroppsbild. Den första förankrar ansiktsidentiteten. Den andra förankrar kroppsbyggnad, hårform, klädsiluett och hållning. Lägg inte alla 14 platser på ansikten. En modell som ombeds placera fem personer i ett rum behöver också förstå rummet, kameran, avstånden och eventuella föremål som karaktärerna interagerar med. Utan dessa förankringar måste den uppfinna kompositionen samtidigt som den löser fem identiteter. Den här 10 plus 4-fördelningen är en utgångspunkt, inte en lag. Om en huvudkaraktär måste vara exakt, ge den personen en tredje referens och ta bort den minst viktiga stil- eller rekvisitabilden. Håll totalen på 14 eller under och dokumentera anledningen till varje ändring. ## Bygg en rollista innan du skriver scenprompten Konsistens börjar utanför API-anropet. Skapa en liten rollista med en fast etikett och en fast beskrivning för varje karaktär. Återanvänd exakt dessa strängar i varje bild i serien. | Etikett | Fast beskrivning | Referenser | |---|---|---| | `MARA` | kvinna i tidiga 30-årsåldern, kort svart page, runda bärnstensfärgade glasögon, grön fältjacka | Bild 1 och 2 | | `IVO` | lång man i slutet av 20-årsåldern, rakad skalle, smalt ansikte, rost-röd overshirt | Bild 3 och 4 | | `SENA` | tonårsflicka, lång silverfläta, marinblå hoodie, halvmåneformad hårklämma | Bild 5 och 6 | | `OMAR` | bred man i 50-årsåldern, salt-och-pepparskägg, brun arbetsrock | Bild 7 och 8 | | `LIO` | liten pojke, täta mörka lockar, gul regnjacka, blå ryggsäck | Bild 9 och 10 | Etiketterna är inga magiska tokens. Deras värde är operativt. De hindrar dig från att kalla samma person ”kvinnan”, ”Mara”, ”ingenjören” och ”personen med glasögon” i olika delar av prompten. En etikett ska alltid peka på en identitet och samma korta beskrivning. Välj referenser som överensstämmer om permanenta egenskaper. Ljussättning, uttryck och kameravinkel kan variera. Ansiktsform, ålder, hår, utmärkande accessoarer och kroppsproportioner bör inte variera. Om en gammal referens konflikterar med den aktuella designen, ta bort den i stället för att be modellen avgöra vilken version som är kanonisk. ## Tala om för modellen var varje karaktär hör hemma En prompt med fem personer behöver positionering, inte bara en rollista. Ange karaktärernas ordning och använd entydiga rumsliga relationer. Till exempel: ```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. ``` ”Från vänster till höger” förhindrar att prompten blir en påse med namn. Förgrund, bakgrund, bildvänster och bildhöger minskar konkurrensen om samma visuella position. Om två personer interagerar, ange vem som rör vad och vems ansikte som förblir synligt. Håll det första testet konservativt. Fem karaktärer som vänder sig mot kameran med delvis åtskilda silhuetter är lättare än fem personer som kramas, korsar armarna eller står i djup skugga. Bevisa identitetsstabilitet innan du lägger till komplicerad koreografi. ## Gör Atlas Cloud-begäran utan att dölja indata Ladda upp varje referens med Atlas Cloud media-upload-endpoint, samla in returnerade URL:er och skicka sedan dessa URL:er i `images`-arrayen. Bildgenereringsanropet är asynkront: skicka jobbet, spara det returnerade prediktions-ID:t och avfråga prediktionsendpointen tills den är klar. Den väsentliga request body ser ut så här: ```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" } ``` Använd det aktuella schemat på modelsidan före produktion, eftersom fältalternativ kan ändras. Den aktuella Atlas Cloud-listningen visar 14 som max för `images`, erbjuder `default`, `high` och `minimal` thinking-nivåer och stöder flera bildformat. Börja med 1K medan du testar komposition. Högre upplösning åtgärdar inte ett utbytt ansikte, så lös rollistan innan du betalar för eller väntar på en större utdata. ## Poängsätt identiteter separat i stället för att bedöma hela bilden En vacker gruppbild kan ändå misslyckas om ett ansikte drev i väg. Granska varje karaktär oberoende med en kort checklista: | Kontroll | Godkäntvillkor | |---|---| | Ansikte | Igenkännbar geometri, ålder, ögon, näsa och käke | | Hår | Korrekt färg, längd, textur och siluett | | Signaturföremål | Glasögon, klämma, rock, regnjacka eller annat förankringsobjekt är korrekt | | Kropp | Längd och proportioner förblir åtskilda från övriga rollinnehavare | | Position | Karaktären upptar den begärda platsen och dupliceras inte | | Korskontaminering | Ingen klädsel, inget ansikte och ingen rekvisita har flyttats till en annan karaktär | Ge varje rad ett enkelt godkänt eller underkänt. Medelvärdet av fem karaktärer ska inte bli ett vagt kvalitetsbetyg. Ett resultat med fyra av fem identiteter innebär en riktad reparation, inte en lyckad slutbild och inte nödvändigtvis en fullständig omstart. Spara prompten, bildordningen, modell-ID:t, bildformatet, thinking-nivån och utdata-ID:t för varje accepterad bild. Konsistens i en serie beror på att du kan återskapa uppställningen, inte på att du minns vad du skrev förra veckan. **Reparera den enda karaktär som drev i väg** När en identitet misslyckas, minska problemet. Använd den aktuella grupputdatan, de två kanoniska referenserna för den drabbade karaktären och endast de extra scenreferenser som krävs för att bevara kontexten. Beskriv redigeringen som en lokal korrigering. Till exempel: ```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. ``` Detta fokuserade pass tar bort konkurrerande identitetsbevis. Det gör också ett misslyckande lättare att diagnostisera. Om den reparerade karaktären fortfarande driver i väg, inspektera de två kanoniska referenserna för oenighet innan du lägger till fler bilder. Om flera karaktärer misslyckas samtidigt, återgå till den ursprungliga kompositionen och förenkla den. Öka det fysiska avståndet, vänd fler karaktärer mot kameran, ta bort en motstridig stilreferens eller bygg två mindre grupper och använd deras accepterade utdata som nästa stegs referenser. Målet är inte att bevisa att alla 14 platser kan fyllas. Målet är att skapa en bild du kan återskapa. ## Där Nano Banana Pro passar, och där den inte gör det Nano Banana Pro förblir användbar på Atlas Cloud, men inte för denna exakta begäran med 14 referenser genom den för närvarande publicerade endpointen. Dess sida exponerar text-till-bild-kontroller inklusive upplösning upp till 4K, utdataformat, mediaupplösning och valfri webbsökning. Den exponerar inte den referensbilds-array som Lite-edit-endpointen tillhandahåller. Välj Pro när jobbet utgår från en textbrief och drar nytta av högre utdataupplösning, komplexa instruktioner, exakt typografi eller professionell asset-produktion. Välj Nano Banana 2 Lite Edit Developer när jobbet utgår från befintliga bilder och begäran behöver bildkomposition med flera bilder. Beskriv inte Pro som ett sista bild-till-bild-poleringsteg om inte dess aktuella Atlas Cloud-schema lägger till en bildindata. I dag skulle ett flytt av en accepterad Lite-komposition till den nuvarande Pro-endpointen kräva att du beskriver den igen i text, vilket ger upp det visuella ankare du försökte bevara. Atlas Cloud placerar båda alternativen bakom samma konto- och faktureringsyta, så att byta modell-ID kräver inte att du bygger om din applikation. Endpointarna löser olika indataproblem. Välj baserat på begärans schema, inte på ordet ”Pro”. ## Ett första-kvälls-arbetsflöde som ger användbara bevis Du kan validera systemet utan att generera en hel berättelsesekvens: * Kuratera två kanoniska referenser för var och en av de fem karaktärerna. * Lägg till en miljö-, en positionerings-, en rekvisita- och en stilreferens. * Skriv rollistan och frys varje etikett och beskrivning. * Generera en enkel 16:9-uppställning eller verkstadsscen i 1K. * Poängsätt alla fem identiteter separat. * Reparera endast den misslyckade karaktären med en mindre referensuppsättning. * Upprepa den accepterade uppställningen med en ändrad handling och samma cast-etiketter. * Jämför de två bilderna med avseende på identitet, kläder, längd och rekvisitakontinuitet. Den andra bilden är det verkliga testet. En enda bra gruppbild kan vara tur. Två olika scener som bevarar samma fem identiteter visar att din referensbudget och ditt namnsystem gör nytta. Atlas Cloud listar för närvarande Lite-edit-varianten till ett lägre pris per bild än Nano Banana Pro, vilket gör iterativa identitetstester till det förnuftiga stället att spendera först. Kontrollera det aktuella priset bredvid Run-kontrollen innan du startar en stor batch. Priser och modellscheman ändras, medan referensbudgetmetoden förblir användbar. ## FAQ F: Kan Nano Banana Pro acceptera 14 referensbilder på Atlas Cloud? A: Inte genom den nuvarande Atlas Cloud Nano Banana Pro-endpointen. Dess publicerade indataschema är text-till-bild och exponerar ingen images-array. Använd Nano Banana 2 Lite Edit Developer för en begäran som innehåller upp till 14 bild-URL:er. F: Hur ska jag fördela 14 referenser bland fem karaktärer? A: Börja med två identitetsreferenser per karaktär, vilket använder 10 bilder. Reservera de återstående fyra för miljön, kostym eller gruppositionering, en nyckelrekvisita och stil eller ljussättning. Ändra den fördelningen endast när en karaktär behöver extra identitetsstöd. F: Garanterar 14-bildsgränsen att alla fem karaktärer förblir konsekventa? A: Nej. Fjorton är ett indatatak, inte en konsistensgaranti. Stabil etiketter, icke-konflikterande referenser, uttrycklig vänster-till-höger-placering och riktade reparationspass betyder mer än att fylla varje plats. F: Bör alla referenser vara närbildsporträtt? A: Nej. Ge varje karaktär en ren ansiktsreferens och en siluett- eller trekvartsreferens. Alltför många nästan identiska porträtt lämnar modellen utan användbar information om kroppsform, kläder, scenografi eller miljön. F: Kan jag använda Nano Banana Pro för ett sista reparationspass? A: Inte med en indatabild genom det nuvarande Atlas Cloud Pro-schemat. Använd Lite-edit-endpointen för referensbaserade reparationer. Välj Pro för ett separat text-till-bild-jobb när 1K, 2K eller 4K-utdata och komplexa instruktioner betyder mer än referensbildsindata. F: Vad ska jag göra när två karaktärer smälter samman eller byter egenskaper? A: Förenkla scenen, omformulera rollistan från vänster till höger, ta bort tvetydiga referenser och kör en fokuserad reparation med de drabbade karaktärerna plus den aktuella utdatan. Återskapa inte hela begäran med 14 bilder oförändrad. ## Slutsatsen Den aktuella Atlas Cloud-vägen för att kombinera 14 referensbilder är Nano Banana 2 Lite Edit Developer, inte den text-till-bild-baserade Nano Banana Pro-endpointen. Använd 10 av de 14 platserna för att ge fem karaktärer två rena identitetsankare var, och lägg sedan de återstående fyra på miljön, positionering eller kostym, en viktig rekvisita och den visuella stilen. Antalet indata är bara kapacitet. Systemet som håller rollistan igenkännbar är en fast etikett för varje person, referenser som överensstämmer, uttrycklig vänster-till-höger-positionering, karaktär-för-karaktär-QA och små reparationspass när en identitet driver i väg. Använd Pro när dess text-till-bild-styrkor passar jobbet. Använd Lite-edit-endpointen när jobbet börjar med 14 bilder. ## FAQ ### Kan Nano Banana Pro acceptera 14 referensbilder på Atlas Cloud? Inte via den aktuella Atlas Cloud Nano Banana Pro-endpointen. Dess publicerade inmatningsschema är text-till-bild och exponerar inte en bildarray. Använd Nano Banana 2 Lite Edit Developer för en begäran som innehåller upp till 14 bild-URL:er. ### Hur ska jag fördela 14 referenser bland fem karaktärer? Börja med två identitetsreferenser per karaktär, vilket använder 10 bilder. Reservera de återstående fyra för miljön, garderoben eller gruppblockering, en nyckelrekvisita samt stil eller belysning. Ändra den fördelningen endast när en karaktär behöver extra identitetsstöd. ### Garantierar 14-bildsgränsen att alla fem karaktärerna förblir konsekventa? Nej. Fjorton är ett inmatningstak, inte en konsistensgaranti. Stabila etiketter, konfliktfria referenser, explicit vänster-till-höger-placering och riktade reparationspass väger tyngre än att fylla varje plats. ### Ska alla referenser vara närbildsporträtt? Nej. Ge varje karaktär en ren ansiktsreferens och en silhuett- eller trekvartsreferens. Alltför många nästan identiska porträtt lämnar modellen utan användbar information om kroppsform, kläder, scenografi eller miljö. ### Kan jag använda Nano Banana Pro för en sista reparationsgenomgång? Inte med en indatabild via det nuvarande Atlas Cloud Pro-schemat. Använd Lite-edit-endpointen för referensbaserade reparationer. Välj Pro för ett separat text-till-bild-jobb när 1K-, 2K- eller 4K-utdata och komplex instruktionsföljning är viktigare än referensbildsindata. ### Vad ska jag göra när två karaktärer slås samman eller byter egenskaper? Förenkla scenen, räkna upp rollistan igen från vänster till höger, ta bort tvetydiga referenser och utför en fokuserad reparation med de berörda karaktärerna plus den aktuella utdatan. Återskapa inte hela 14-bildsförfrågan oförändrad.