自定义生图比例终极指南：Nano Banana进阶技巧详解
Nano Banana的生成能力毋庸置疑，但在实际工作流中，用户普遍会遇到两个核心痛点。
其一受限于模型本身，是固定的分辨率上限。其二则更为棘手：生成图像的长宽比完全随机且不可控。当进行系列创作时，每张图的比例各异，会直接导致后期剪辑、拼贴或排版时对齐困难，严重拖慢项目进度。
本文将提供一个经过实测验证的方案，彻底解决图像比例失控的问题。以下是方法生效前后的直观对比：
接下来，我们将深入解析其工作原理与分步操作指南。
观察发现，当Nano Banana接收多图输入时，其输出倾向于继承其中一张输入图的比例，但选择是随机的。能否将这种“继承”特性从随机变为可控？
近期，GLif团队的研究证实，通过“垫图”策略可以在文生图场景下引导Nano Banana的输出比例。基于此思路的进一步测试表明，该方法同样适用于图生图场景。这意味着你不仅可以控制新图的生成比例，还能对已有图像进行批量比例修正与统一，极大地提升了工作流的灵活性。
核心素材准备
整个流程仅需两张图像素材：
第一张：目标修正图。 这可以是任何需要调整比例的图像，例如之前由Nano Banana生成但比例不一的系列图。以“AI书法舞女”创作为例，因原始书法截图尺寸不一，导致生成的角色图比例各异，为后续视频合成带来了大量不必要的裁剪与对齐工作。
第二张：比例参考图。 这张图的核心价值在于其长宽比，其画面内容无关紧要。它的作用是向模型明确指定一个目标画幅框架。
网络上虽有部分比例模板，但往往不够全面。为此，我们整理了一套覆盖主流比例的模板库。当然，你也可以使用Figma或任何设计工具，快速创建自定义的精确比例参考图。
关键：提示词工程
素材就位后，提示词的精准度成为成败关键。初期尝试如“将图片替换到模板上”等指令，往往导致模型仅进行简单拼贴，在目标图周围留下参考图的背景边框，未能实现智能画幅扩展。
经过大量指令迭代与效果测试，我们最终锁定了能够精准触发模型理解我们意图的提示词。使用后，模型会基于原图内容进行语义理解和画面延展，从而生成完美适配新比例的图像。
核心提示词如下：
Redraw the content of Figure 1 onto Figure 2, add content to Figure 1 to fit the aspect ratio of Figure 2, completely clear the content of Figure 2, and only retain the aspect ratio of Figure 2.
此处有一个必须严格遵守的细节：输入图像的顺序。务必将待修改的目标图置于第一张，将比例参考图置于第二张。顺序错误将导致生成失败。
在AI Studio中的具体操作界面如下：
操作流程总结
快速梳理完整操作步骤：
- 准备素材：获取待修改的目标图像，并选择对应目标比例的比例模板图。
- 上传排序：在Nano Banana中按顺序上传：第一张为目标图，第二张为模板图。
- 输入提示词：准确填入上文提供的英文核心提示词。
- 生成与检查：执行生成。绝大多数情况下效果理想，若偶尔出现背景残留，重新生成一次即可解决。
额外提示：通过Gemini APP调用Gemini 2.5 Pro模型来使用Nano Banana，在部分场景下可能获得更稳定的生成效果和图像质量，建议有条件者进行对比尝试。
以上便是解决Nano Banana出图比例失控问题的完整方案。该方法能有效统一批量生成的图像尺寸，直接提升后期编辑效率与作品产出的一致性。
为便于立即应用，我们已准备好一套涵盖常见比例的模板图合集。