# Cách phân bổ 14 ảnh tham chiếu cho năm nhân vật Nano Banana > Dùng Nano Banana 2 Lite Edit Developer để ghép 14 ảnh, rồi giữ ổn định năm nhân vật bằng ngân sách cố định, nhãn, vị trí và sửa cục bộ. > Dùng Nano Banana 2 Lite Edit Developer để ghép 14 ảnh, rồi giữ ổn định năm nhân vật bằng ngân sách cố định, nhãn, vị trí và sửa cục bộ. Với 14 ảnh và năm nhân vật lặp lại, hãy chọn đúng endpoint trước. Trang [Nano Banana Pro của 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) hiện là text-to-image, không có mảng `images`. Endpoint nhận tối đa 14 URL là [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 `google/nano-banana-2-lite/edit-developer`. Hãy coi 14 là ngân sách: mỗi ảnh có một nhiệm vụ, mỗi người có một nhãn cố định, vị trí rõ ràng và chỉ sửa nhỏ khi một danh tính bị lệch. ## Mười bốn ảnh là giới hạn, không phải bảo đảm Mảng `images` nhận từ 1 đến 14 URL. Đó là dung lượng, không phải chất lượng được bảo đảm. Tham chiếu mâu thuẫn có thể trộn khuôn mặt, quần áo và tuổi. Hãy bỏ ảnh không mang thông tin riêng. ## Ngân sách cân bằng cho năm nhân vật | Nhóm | Ảnh | Mục đích | |---|---:|---| | Danh tính | 10 | Hai tham chiếu cho mỗi nhân vật | | Môi trường và vị trí | 1 | Địa điểm hoặc bố cục nhóm | | Trang phục hoặc dáng người | 1 | Hướng trang phục và khoảng cách | | Đạo cụ chính | 1 | Vật thể cần giữ đúng hình dạng | | Phong cách và ánh sáng | 1 | Bảng màu, ống kính hoặc thời điểm | Mỗi người dùng một ảnh mặt rõ và một ảnh ba phần tư hoặc toàn thân. Nếu nhân vật chính cần ảnh thứ ba, hãy bỏ một tham chiếu ít quan trọng hơn. ## Tạo bảng nhân vật trước khi viết prompt | Nhãn | Mô tả cố định | Tham chiếu | |---|---|---| | `MARA` | phụ nữ đầu 30, tóc bob đen, kính màu hổ phách, áo khoác xanh | Ảnh 1 và 2 | | `IVO` | đàn ông cao, đầu cạo, áo sơ mi đỏ gạch | Ảnh 3 và 4 | | `SENA` | cô gái tuổi teen, bím tóc bạc, hoodie xanh đậm | Ảnh 5 và 6 | | `OMAR` | đàn ông vạm vỡ, râu hoa râm, áo khoác lao động | Ảnh 7 và 8 | | `LIO` | bé trai, tóc xoăn sẫm, áo mưa vàng | Ảnh 9 và 10 | Lặp lại chính xác cùng nhãn và mô tả. Khuôn mặt, tuổi, tóc, phụ kiện và tỷ lệ cơ thể phải nhất quán giữa các ảnh. ## Chỉ rõ vị trí của từng nhân vật ```text Tạo cảnh nhóm điện ảnh 16:9 trong xưởng ở Ảnh 11. Từ trái sang phải: MARA ở bàn làm việc; IVO cầm vật trong Ảnh 13; SENA ở giữa; OMAR sau SENA bên phải; LIO quỳ ở tiền cảnh. Giữ khuôn mặt, tuổi, tóc, tỷ lệ và trang phục của từng người. Không trộn nhân vật, nhân đôi khuôn mặt, đổi quần áo hay thêm người. Dùng ánh sáng ấm và hạt phim từ Ảnh 14. ``` Trong lần thử đầu, tách rõ dáng người và để mặt nhìn thấy được. Chỉ thêm tư thế phức tạp sau khi xác nhận danh tính. ## Gửi yêu cầu Atlas Cloud rõ ràng Tải ảnh lên, lấy URL và đặt vào `images`. Quá trình tạo là bất đồng bộ: lưu prediction ID và kiểm tra trạng thái đến khi xong. ```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": ["URL_01", "URL_02", "URL_03", "URL_04", "URL_05", "URL_06", "URL_07", "URL_08", "URL_09", "URL_10", "URL_11", "URL_12", "URL_13", "URL_14"], "aspect_ratio": "16:9", "thinking_level": "high", "resolution": "1k", "output_format": "png" } ``` Kiểm tra schema trực tiếp trước khi sản xuất. Bắt đầu ở 1K vì độ phân giải cao hơn không sửa được danh tính bị hoán đổi. ## Đánh giá từng danh tính riêng biệt | Kiểm tra | Điều kiện đạt | |---|---| | Khuôn mặt | Hình học, tuổi, mắt, mũi và hàm dễ nhận ra | | Tóc | Màu, độ dài, kết cấu và đường nét đúng | | Điểm riêng | Kính, kẹp tóc, áo khoác hoặc áo mưa đúng | | Cơ thể | Chiều cao và tỷ lệ khác biệt | | Vị trí | Đúng nơi yêu cầu, không bị nhân đôi | | Lẫn đặc điểm | Không chuyển mặt, quần áo hay vật thể sang người khác | Bốn danh tính đúng trên năm nghĩa là cần sửa tập trung, không nhất thiết làm lại. Lưu prompt, thứ tự ảnh, model, tỷ lệ, thinking level và output ID. **Chỉ sửa nhân vật bị lệch** ```text Giữ nguyên bố cục, máy ảnh, ánh sáng, nền và bốn nhân vật còn lại. Chỉ sửa SENA ở giữa theo hai ảnh tham chiếu chuẩn. Không thay đổi MARA, IVO, OMAR hoặc LIO. ``` Nếu nhiều người sai, tăng khoảng cách, cho thấy nhiều khuôn mặt hơn hoặc bỏ tham chiếu xung đột. ## Khi nào nên dùng Nano Banana Pro Nano Banana Pro vẫn hữu ích, nhưng endpoint Atlas Cloud hiện tại không giải quyết đầu vào 14 ảnh này. Nó cung cấp text-to-image, tối đa 4K, định dạng và tìm kiếm web tùy chọn, nhưng không có mảng tham chiếu. Chọn Pro khi tác vụ bắt đầu bằng văn bản và cần độ phân giải cao hoặc chỉ dẫn phức tạp. Chọn Lite Edit khi bắt đầu bằng hình ảnh. Không mô tả Pro là bước image-to-image khi schema trực tiếp chưa có đầu vào ảnh. ## Bài thử đầu tiên tạo bằng chứng hữu ích * Chọn hai tham chiếu chuẩn cho mỗi người. * Thêm môi trường, vị trí, đạo cụ và phong cách. * Khóa nhãn và mô tả. * Tạo cảnh 16:9 đơn giản ở 1K. * Đánh giá riêng năm danh tính. * Chỉ sửa người thất bại với ít tham chiếu hơn. * Lặp lại với hành động khác và cùng tên. Cảnh thứ hai là bài kiểm tra thực sự. Hai bố cục khác nhau giữ cùng năm danh tính chứng minh ngân sách và hệ thống tên đang hoạt động. ## FAQ Q: Nano Banana Pro trên Atlas Cloud có nhận 14 ảnh tham chiếu không? A: Không qua endpoint hiện tại. Schema công khai là text-to-image và không có mảng `images`. Hãy dùng Nano Banana 2 Lite Edit Developer cho tối đa 14 URL ảnh. Q: Nên chia 14 ảnh cho năm nhân vật thế nào? A: Dùng hai ảnh nhận dạng cho mỗi người, tổng cộng mười ảnh. Bốn ảnh còn lại dành cho môi trường, trang phục hoặc bố cục, đạo cụ chính và phong cách hoặc ánh sáng. Q: Giới hạn 14 ảnh có đảm bảo nhất quán không? A: Không. Đây là giới hạn đầu vào, không phải bảo đảm. Nhãn cố định, tham chiếu không xung đột, vị trí rõ ràng và sửa tập trung quan trọng hơn. Q: Tất cả tham chiếu có nên là ảnh cận mặt không? A: Không. Mỗi nhân vật nên có một ảnh mặt rõ và một ảnh ba phần tư hoặc toàn thân. Q: Có thể dùng Nano Banana Pro để sửa cuối không? A: Không với ảnh đầu vào trong schema Atlas Cloud hiện tại. Dùng Lite Edit cho sửa dựa trên tham chiếu và Pro cho tác vụ text-to-image riêng. Q: Làm gì khi hai nhân vật trộn đặc điểm? A: Đơn giản hóa cảnh, nêu lại thứ tự từ trái sang phải, bỏ tham chiếu mơ hồ và chỉ sửa người bị ảnh hưởng với đầu ra hiện tại. ## Kết luận Để kết hợp 14 tham chiếu trên Atlas Cloud, dùng Nano Banana 2 Lite Edit Developer. Dành mười đầu vào cho hai neo danh tính mỗi người và bốn đầu vào cho môi trường, vị trí hoặc trang phục, đạo cụ và phong cách. Tính nhất quán đến từ nhãn cố định, vị trí rõ, đánh giá riêng và sửa nhỏ. ## FAQ ### Nano Banana Pro trên Atlas Cloud có nhận 14 ảnh tham chiếu không? Không qua endpoint hiện tại. Schema công khai là text-to-image và không có mảng `images`. Hãy dùng Nano Banana 2 Lite Edit Developer cho tối đa 14 URL ảnh. ### Nên chia 14 ảnh cho năm nhân vật thế nào? Dùng hai ảnh nhận dạng cho mỗi người, tổng cộng mười ảnh. Bốn ảnh còn lại dành cho môi trường, trang phục hoặc bố cục, đạo cụ chính và phong cách hoặc ánh sáng. ### Giới hạn 14 ảnh có đảm bảo nhất quán không? Không. Đây là giới hạn đầu vào, không phải bảo đảm. Nhãn cố định, tham chiếu không xung đột, vị trí rõ ràng và sửa tập trung quan trọng hơn. ### Tất cả tham chiếu có nên là ảnh cận mặt không? Không. Mỗi nhân vật nên có một ảnh mặt rõ và một ảnh ba phần tư hoặc toàn thân. ### Có thể dùng Nano Banana Pro để sửa cuối không? Không với ảnh đầu vào trong schema Atlas Cloud hiện tại. Dùng Lite Edit cho sửa dựa trên tham chiếu và Pro cho tác vụ text-to-image riêng. ### Làm gì khi hai nhân vật trộn đặc điểm? Đơn giản hóa cảnh, nêu lại thứ tự từ trái sang phải, bỏ tham chiếu mơ hồ và chỉ sửa người bị ảnh hưởng với đầu ra hiện tại.