Como Combinar Várias Imagens de Referência com o Nano Banana 2.1

Combinar várias referências em uma única imagem convincente é mais difícil do que simplesmente enviar mais arquivos. Cada imagem precisa ter uma função claramente atribuída: uma controla a identidade, outra controla o vestuário e outra controla o ambiente. Sem esse mapa de funções, um modelo pode misturar detalhes, omitir acessórios ou deixar uma referência dominar a composição.

Testamos um fluxo de trabalho com três referências no gerador WeShop Nano Banana usando um retrato fictício, um conjunto de roupas em flat lay e uma rua chuvosa de Quioto. A imagem final preservou os principais marcadores de identidade da personagem, incluiu todos os itens de roupa solicitados e manteve a iluminação de janelas quentes em contraste com a rua fria. A única falha notável foi o enquadramento: o retrato de três quartos solicitado ficou mais próximo de uma composição de quase corpo inteiro.

Por que várias imagens de referência precisam de funções atribuídas

A frase “combine estas imagens” deixa decisões demais em aberto. Um prompt mais forte informa ao modelo qual fonte controla cada parte do resultado. Ele também repete os poucos detalhes que devem permanecer: uma pinta, o padrão de um cachecol, a quantidade de bolsos, uma lanterna ou um contraste de cores específico.

O cartão do modelo Nano Banana 2.1 do Google relata avaliação dedicada para edição com múltiplas referências, consistência de personagens, consistência de produtos e edição geral. Isso torna a composição baseada em funções um caso de uso sensato, mas não elimina a necessidade de inspecionar cada resultado. Nosso teste é uma execução observada, não uma alegação de taxa de sucesso.

As três imagens de referência usadas neste teste

As referências foram intencionalmente limpas e sem sobreposição. O retrato não contém uma roupa ou local concorrente. A roupa é mostrada em flat lay, sem uma pessoa. A cena não contém pessoas. Isso reduz a ambiguidade antes do início do prompt.

O prompt que combinou as três referências

A imagem 1 é a referência de identidade. A imagem 2 é a referência de vestuário. A imagem 3 é a referência de local.
Crie um retrato editorial de viagem realista finalizado em 4:5 da mulher exata da imagem 1 em frente à livraria da imagem 3 na hora azul, vestindo a roupa completa da imagem 2: jaqueta encerada laranja-queimada com quatro bolsos, gola alta canelada creme, calças azul-marinho, cachecol verde-azulado com pequenos pontos dourados e botas de cano curto bege.
Mostre-a em três quartos no terço esquerdo, segurando um caderno creme fechado ao lado do corpo e olhando para a vitrine quente da loja. Preserve o formato do rosto, o cabelo preto na altura dos ombros, a risca lateral e a pinta abaixo do olho esquerdo. Preserve o traçado da rua, uma lanterna vermelha, os reflexos no pavimento de pedra molhado e o contraste de cores entre a janela quente e a rua fria.
Fotografia natural de viagem com lente de 50 mm, chuva leve. Sem pessoas adicionais, sem bolsa, sem chapéu, sem acessórios extras, sem placas legíveis, sem texto, sem logotipos, sem marca-d'água. Não misture a roupa ao fundo nem altere a identidade da mulher.

Essa estrutura funciona porque tem quatro camadas: mapeamento de fontes, briefing de resultado, âncoras de preservação e exclusões. O modelo nunca precisa inferir qual imagem controla qual característica.

O que o Nano Banana 2.1 preservou — e o que não acertou

COMBINED RESULT

A preservação mais forte veio de detalhes que estavam visíveis em uma fonte e também foram reafirmados no texto. O cachecol, a jaqueta com quatro bolsos e a pinta não foram deixados apenas para inferência visual. A falha no enquadramento lembra que uma imagem bem-acabada ainda pode não cumprir uma restrição de produção.

Um fluxo de trabalho multirreferência repetível

1. Dê a cada referência uma responsabilidade principal. Use rótulos como identidade, vestuário, produto, pose, iluminação ou ambiente.
2. Remova informações concorrentes quando possível. Um flat lay limpo de roupa é mais fácil de interpretar do que uma fotografia de moda movimentada com outra pessoa e outro local.
3. Reafirme os elementos de identidade fixos. Nomeie os detalhes faciais, de objeto ou de vestuário que tornariam o resultado inaceitável se fossem alterados.
4. Descreva a composição final de forma independente. As referências fornecem os ingredientes; o prompt ainda precisa de enquadramento, posição do sujeito, olhar, câmera e luz.
5. Adicione exclusões ligadas aos prováveis modos de falha. Evite pessoas extras, acessórios, texto, objetos duplicados ou materiais misturados.
6. Revise referência por referência. Compare primeiro a identidade, depois o vestuário e então o ambiente, em vez de avaliar apenas o clima geral.

Modelo de prompt para suas próprias imagens

A imagem 1 é a referência de [IDENTIDADE / PRODUTO].
A imagem 2 é a referência de [ROUPA / MATERIAL].
A imagem 3 é a referência de [LOCAL / ILUMINAÇÃO].
Crie uma [TIPO DE IMAGEM] em [PROPORÇÃO] mostrando [CENA FINAL].
Use [SUJEITO] da imagem 1, [DETALHES] da imagem 2 e [AMBIENTE] da imagem 3.
Preserve exatamente: [ÂNCORAS DE IDENTIDADE], [DETALHES DO OBJETO], [CORES / PADRÕES] e [MARCOs DA CENA].
Composição: [ENQUADRAMENTO], [POSIÇÃO], [OLHAR / AÇÃO], [CÂMERA].
Iluminação: [LUZ PRINCIPAL], [CONTRASTE DE CORES], [HORA DO DIA].
Não adicione [EXTRAS COMUNS]. Não altere [CARACTERÍSTICAS FIXAS]. Sem texto, logotipos ou marca-d'água.

Modos de falha comuns e correções

• A pessoa muda: repita duas ou três âncoras de identidade e remova outros rostos do conjunto de fontes.
• A roupa fica incompleta: enumere cada peça obrigatória e sua cor ou material definidor.
• As referências são misturadas: atribua uma função explícita a cada imagem e informe qual fonte prevalece se os detalhes entrarem em conflito.
• A cena fica genérica: nomeie dois ou três marcos estruturais, não apenas um clima como “Quioto à noite”.
• O corte muda: especifique tanto o corte quanto o que deve permanecer dentro do quadro e gere novamente se não acertar.

Conclusão

A geração com múltiplas referências funciona melhor como um pequeno sistema de direção de arte. As imagens fornecem evidências; o prompt atribui responsabilidades e define a imagem final. Neste teste, o Nano Banana 2.1 combinou identidade, vestuário e local de forma convincente, mas o enquadramento ainda exigiu controle de qualidade humano.

Para uma estrutura mais ampla de prompts, leia o Guia de Prompts do Nano Banana 2.1. Para um fluxo de trabalho testado de personagem, veja Como Criar um Storyboard de Personagem Consistente.