Nano Banana角色一致性驱动AI图像模型热潮

在红点创投的播客Unsupervised Learning最新一期节目中，红点创投合伙人Jacob Effron与Google研究员Nicole Brichtova和Oliver Wang就Nano Banana展开了深入对话。他们讨论了该模型如何凭借前所未有的“角色一致性”特性，在发布后迅速走红。

Nano Banana于8月26日“匿名”发布，后被证实为谷歌的Gemini 2.5 Flash Image模型。这款模型的成功不仅带动了Gemini APP下载量的激增，还使其攀升至全球应用商店榜首。据Appfigures数据显示，该应用在九月份下载量环比增长了45%，截至当前，本月下载量已达到1260万次，远超八月份的870万次。

在节目访谈中，Nicole Brichtova和Oliver Wang不仅分享了当前模型的局限性、安全策略，还探讨了如何将模型融入创意工作流程，以及AI图像发展的早期阶段和未来趋势。

Jacob Effron问及他们最初认为哪些用例会最受欢迎时，Nicole提到角色一致性和能在新场景中看到自己让她尤为兴奋。例如，通过模型生成不同场景下的自己，如通缉海报中的形象、考古学家的形象等。

此外，他们讨论了模型的未来发展方向，包括提高分辨率、支持透明背景以及改进文本渲染等。Oliver Wang还分享了模型如何结合语言模型的世界知识，以提供更智能的服务，如生成解释图片等。

以下为「明亮公司」编译的访谈正文（有删节）：

在访谈中，Nicole（左）、Oliver（中）与主持人Jacob（右）深入探讨了Nano Banana的成功原因、未来发展方向以及AI图像模型的潜力。

Nano Banana的成功：角色一致性的魔力

Jacob：非常感谢你们接受这次访谈。我一直很期待与你们探讨Nano Banana。感觉它已经成为我整个Twitter动态的一部分。

今天我们将探讨多个话题。首先，你们在产品发布前就已接触并体验了它。我很好奇，你们最初认为哪些用例会最受欢迎？现在发布后，实际情况又如何？

Nicole：角色一致性让我尤为兴奋。通过模型，我能在各种新场景中看到自己，如通缉海报、考古学家的形象等。

我们创建了一个包含我的脸和团队其他成员的评估数据集，每当我们开发新模型时都会用它进行测试。

Jacob：这简直是AI领域的最高荣誉了。

Nicole：我真的很兴奋。角色一致性给了人们一种全新的方式来想象自己。

我们还看到很多人把自己变成了手办，这是非常受欢迎的用例之一。另一个让我感到惊喜的用法是为老照片上色，这非常有情感价值。

Jacob：这很有趣。我相信看到大家的各种用法也是你们的乐趣之一。你们在Twitter上一定收到了很多功能请求吧？

Nicole：是的，最常见的是请求更高分辨率和支持透明背景。

Jacob：你们认为图像模型改进的下一个前沿是什么？

Oliver：模型最令人兴奋的一点是它开始接受更难的问题。例如，有人用它来重新装修房间，但自己没有主意，让模型给出建议。

产品打磨、多模态与语音AI的潜力

Jacob：你们如何考虑为不同用户打造产品？

Nicole：对于普通消费者来说，易用性极其重要。我们现在正在改进视觉引导用户的方式，未来甚至可能通过手势来编辑图片。

Oliver：我们还发现社交分享在解决“空白画布”问题上很重要。

Jacob：你们对未来有什么新型设计界面感到兴奋吗？

Nicole：我希望各种模态能融合在一起，界面能根据任务自动切换最合适的方式。

专业用户的潜在应用场景

Oliver：我最喜欢的高级用例是视频相关的。例如，结合视频模型可以更快地构思、规划镜头。

图像模型的未来：大模型的必要性

Oliver：图像领域小团队也能做出顶级模型，但未来需要大型团队同时训练强大的语言和图像模型。