免费使用AI绘画模型Nano Banana Pro,太有意思了!

大家好,我是程序员小灰。

关注AI的朋友们应该都知道,最近谷歌的AI模型Gemini3.0 Pro爆火了。Gemini3是一个AI大家族,这个家族的成员不只有善于文字对话的大语言模型,还包括着善于绘画的图像生成模型,Nano Banana Pro。

这两天小灰亲自测试了Nano Banana Pro模型,虽然说不上完美,但真的十分有趣!(后文简称Nano Banana)

如何免费使用Nano Banana? 

想要免费使用Nano Banana,小灰给大家推荐三个地方:

1.Gemini官网

入口如下:

https://gemini.google.com/

在Gemini官网的对话框下方,点击“制作图片”选项,就可以和Nano Banana模型进行对话:

2.Google AI Studio

入口如下:

https://aistudio.google.com/

在Google AI Studio的首页右下角,点击“Try Nano Banana Pro”选项,即可体验Nano Banana。

3.LMArena

入口如下:

https://lmarena.ai/

LMArena中文名为大众竞技场,是一个让不同模型进行PK的平台。在首页左上方选择“Direct Chat”模式,模型选择“gemini-3-pro-image-preview-2K”,即可参与Nano Banana的免费测试。

以上就是三种免费使用Nano Banana的方法。其中官网和Google AI Studio有一定的使用频次限制;LMArena虽然不限制次数,但有可能排队。

几个有趣的测试案例

Nano Banana具体能用来干什么呢?

用AI画小猫小狗、画美女帅哥什么的,早已经被众多AI模型玩遍了,我们今天就来尝试几个不一样的玩法,顺便来测试一下Nano Banana的极限。

1.和名人同框

身为普通人,如何免费吃上巴菲特的午餐?小灰上传了一张自己的照片,让AI把自己和巴菲特同框。

提示词:根据我的照片,生成我和巴菲特一起共进午餐的画面。

Nano Banana为我生成了上面这张照片,看起来还蛮自然的。

2.给漫画上色

作为一个动漫爱好者,小灰经常在网上看黑白漫画。如果AI能为所有的漫画上色,阅读的体验将会上升一个台阶。我们找一页漫画试试:

提示词:给漫画上色。

不得不说,Nano Banana的上色水平还真不错,没有一丁点违和感。

3.生成漫画

既然Nano Banana具备漫画上色的能力,那它能不能为我们直接生成漫画呢?让我们试一试。

小灰上传了自己的漫画素材,让AI根据这一对素材形象生成漫画。

提示词:用图中的两个角色生成一组漫画,在漫画中讲述一个编程知识点。

虽然AI生成的这组漫画只是描述了一个编程段子,而非讲解编程知识点,但生成这样的结果已经很厉害了。这样下去,小灰是不是该失业了?

4.生成地图

接下来我们上一点难度,让AI为我们生成一幅地图。

提示词:生成北京市朝阳区的地图。

Nano Banana生成的结果基本符合北京朝阳区的格局,但有些细节还不太完美,地图上有不少错别字和乱码。

我们把这幅平面地图改成立体地图试一试。

提示词:把地图改为3D风格。

这幅立体地图乍一看很酷,不过经不起推敲,似乎仅仅是把所有的地标性建筑排列在一起,各个建筑所在的位置和真实情况完全不一样。

5.生成棋谱

最后,我们来尝试一个最难的案例,让AI为我们生成一套象棋棋谱。

不知在公众号的读者当中有多少象棋爱好者?在中国象棋当中有一个著名的残局,名为“七星聚会”。我们把这个残局的图片上传给Nano Banana,看看它能否破解此残局:

提示词:根据棋局,用图片展示出正确的走法,红棋先走。

这一次AI生成的图片一言难尽,棋盘上莫名其妙多出了几个棋子,根本不是残局的破解之法。

不过这也很正常,Nano Banana又不是通用人工智能,我们这个破解棋局的要求,确实强“机”所难了。

写在最后

各位读者朋友们,不知大家第一个接触到的AI绘画模型是什么?小灰
第一次使用AI绘画模型是在2023年,用的Midjourney。

在那个时候,AI能完全按照要求画出一幅画就已经很不容易了,要么人物手指数量不对,要么显得非常假、AI味儿十足。

如今只过去了两年多的时间,AI绘画模型的能力已经今非昔比,不但可以画出各种鲜活的形象,还能作为辅助工具应用在各个领域。

如果大家有什么新鲜有趣的想法,也欢迎在Nano Banana上面进行尝试,并把你的绘画结果分享在留言区。

关于AI绘画模型Nano Banana Pro,我们就介绍到这里,感谢大家!

< END >

最近,小灰创建了一个AI副业交流群,对AI和副业变现感兴趣的朋友,都欢迎进群交流。扫码添加小灰微信,备注“ai“即可进群:

图片

Read more

LLaMA-Factory 大模型微调平台

LLaMA-Factory 大模型微调平台

目录 文章目录 * 目录 * LLaMA-Factory * LLaMA-Factory + Qwen3-7B + LoRA * 安装部署 * 准备数据集 * 执行微调 * 批量推理和训练效果评估 * LoRA 模型合并导出 * 部署运行微调后的大模型 LLaMA-Factory Llama-Factory 是基于 transformers 库开发的训练、微调、推理一体化平台,支持预训练、指令监督微调、奖励模型训练、PPO 训练、DPO 训练、KTO 训练、ORPO 训练等多种训练范式。支持使用 Accelerate 或 DeepSpeed 作为训练加速后端。 使用 Llama-Factory 进行微调非常简单,因为其最大的优势在于强大的数据处理与训练配置能力。只要按照官方的文档配置好环境,直接运行对应的脚本即可。 LLaMA-Factory + Qwen3-7B + LoRA 安装部署 * 容器安装 git clone

服务器环境 VsCode:Github Copilot 安装完成却用不了?关键步骤补全

GitHub Copilot在VS Code中无法使用的关键解决步骤 1. 基础环境检查 * VS Code版本:确保使用最新版(至少≥1.60),旧版可能导致兼容问题 * Copilot状态:在VS Code左侧活动栏点击Copilot图标(飞机形状),检查是否显示已登录和启用状态 * 网络环境:Copilot需访问GitHub服务器,尝试关闭代理或检查防火墙是否屏蔽api.github.com 2. 核心配置步骤 # 步骤1:检查Copilot是否激活 # 在VS Code命令面板(Ctrl+Shift+P)输入: > GitHub Copilot: Check Status # 步骤2:重置授权令牌(常见问题根源) > GitHub Copilot: Reset GitHub Copilot Token # 步骤3:强制刷新扩展 >

输入AI绘画的用户评价,自动分类统计(满意,一般,不满意),输出评价分析报告和改进建议。

输入AI绘画的用户评价,自动分类统计(满意,一般,不满意),输出评价分析报告和改进建议。

这是将数据科学、人工智能与商业决策结合起来。下面我将为您提供一个完整的、基于Python的“AI绘画用户评价分析”程序。   项目概览:ArtCriticScope - AI绘画用户评价分析器   核心功能:用户提供一个包含AI绘画作品用户评价的CSV或文本文件,程序会自动分析每一条评价的情绪倾向,将其分类为“满意”、“一般”或“不满意”,并生成一份包含统计数据和可操作改进建议的分析报告,帮助产品团队快速定位问题,优化产品。   1. 实际应用场景与痛点   * 目标用户:AI绘画产品(如Midjourney, Stable Diffusion, DALL-E等)的创始人、产品经理、社区运营、研发团队。 * 场景描述:您领导着一个AI绘画产品的开发。每天,您的Discord频道、应用商店评论区、Reddit板块都会涌入大量用户反馈。您想知道用户对新上线的“风格迁移”功能到底满不满意,但人工阅读成千上万条评论是不现实的。 * 传统痛点:    1. 信息过载:评价数据量巨大,人工分析效率极低,且容易遗漏关键信息。    2.

通义千问AI写作保姆级教程:没GPU也能用,1小时1块钱

通义千问AI写作保姆级教程:没GPU也能用,1小时1块钱 你是不是也经常为写公众号文章发愁?灵感枯竭、开头难写、逻辑混乱、语言干巴巴……作为自媒体作者,内容产出压力大,但又不想花太多时间在“码字”上。你想用AI来辅助写作,比如现在很火的通义千问,可一看教程发现要装CUDA、配环境、升级显卡驱动——头都大了! 更现实的问题是:你家里的电脑显卡太老,根本跑不动大模型;买一台高性能GPU主机?动辄几千甚至上万,只为偶尔写写文章,实在不划算。 别急,今天这篇教程就是为你量身打造的——不需要任何本地硬件投入,不用折腾驱动和环境,哪怕你是电脑小白,也能在10分钟内用上通义千问,每小时成本只要1块钱左右。 我会手把手带你完成从零到写出第一篇AI辅助公众号文章的全过程。整个过程就像点外卖一样简单:选镜像 → 启动服务 → 调用API → 开始写作。全程无需下载、安装或配置复杂软件,所有计算都在云端完成,你的旧笔记本照样能流畅操作。 学完这节课,你能做到: * 快速部署一个可长期使用的通义千问写作助手 * 通过网页或Python调用它生成标题、大纲、正文、结尾