Gemini 图像编辑入门：参考图、局部修改与结果评估

用 Gemini 改图时，最容易遇到的挫折是：明明只想换一个背景，结果人物的脸部变了、服装褶皱变了、画面整体也偏色了。问题出在编辑方式上，并非模型“变笨了”。一次给出太多改动要求，模型就没有足够信息判断哪些必须保留；如果你提供参考图的方式不对，它也无从知道“这个人的长相不能动”。所以这篇入门围绕一个核心顺序展开：先准备能固定不变部分的参考图，再按一次只改一件事的节奏逐步修正，最后照一套固定标准验收结果。

先搞清楚 Gemini 的编辑能力边界

在 Gemini 应用里上传图片改图，走的是 Nano Banana 系列图像模型。这套模型的核心能力包括参考图编辑、局部修改、角色或商品在多次生成中保持一致，以及相对更准确的文字呈现。如果你用的是 Flash 或 Pro 档位，模型可以接收多张参考图；Lite 档位被定位为快速出图，官方说明它不具备参考多张图片和多次编辑的能力，所以不要用来做需要反复修正的任务。开发者通过 API 调用时，Gemini 3 系列最多可以混合 14 张参考图，输出默认 1024×1024，也能配置 16:9、4:3、9:16 等比例和 2K 尺寸；应用端未订阅 Google AI 方案时一般只能下载 1K 分辨率。这些差异决定了它适合做什么、不适合做什么。

一个实用的判断标准是：你的需求更接近“描述”还是更接近“精修”？ 让模型把桌面上的杯子换成玻璃材质，它做得不错；让它把杯子边缘的反射、接触阴影和标签字体逐像素对齐实物，它就不如专业修图软件可靠。复杂遮罩、精确到像素的抠图、长时间保留同一真人身份，都是当前需要谨慎对待的环节。

参考图怎么准备，决定了失真上限

很多人把原图上传就直接写“把这个改成夏天”，结果几乎必然偏掉。稳妥的做法是把原图分成两类来用。

主图：要被修改的那张。它必须清晰、光线正常、主体完整。模糊或逆光的原图，模型只能靠猜测来补，误差会被放大。
参考图：用来告诉模型“不要动什么”或“往这个方向变”。比如人物一致性可以补一张同一个人正脸清晰的图；风格调整可以补一张目标色调的图片。

原则是参考图要“少而准”。每多一张图，模型就要多做一次权衡，冲突信息会直接抬高失真的概率。配置参考图时用一句话把每张图的角色说清楚，例如“图一是要保留的人物外观，图二是只借用其背景色调和光照方向，不要复制图二中的物体”。

一次只改一件事

这是全文最值得记住的一条操作顺序。把目标拆成“必须先固定的”和“可以后续调整的”两层，先处理前者。

先锁定主体：第一轮指令只写保持性要求，例如“保持人物的面部特征、发型、服装颜色和画面构图完全不变”。
再做单一改动：第二轮只加一个变量，比如“只把背景从左图换成浅灰色影棚背景，主体不动”。
确认后再叠加：第三轮才加入光照、色调或局部元素替换。

每轮之后都看一眼结果再决定要不要继续。若一轮里同时改背景、换服装、调光线，一旦画面出错，你无法判断是哪条指令引起的，只能从头再试。多轮编辑的另一个现实约束是：每一轮都会重新生成整张图，细节被反复“重画”，累积几次后，细小的纹理和文字就更容易走样。所以能两轮解决，就不要拖到五轮。

指令要写成“改什么 + 不动什么”

模型不会读心。你说“把它变高级一点”，它只能按自己的判断加滤镜、换背景、调构图，最终可能连主体都变了。有效指令通常包含四个成分：位置、动作、约束和目标效果。

对比一下：

写法	指令	常见结果
模糊	让这张图更有夏天的感觉	色调、背景、服装都可能被改
较好	只调整背景泳池水的颜色，改成更通透的浅蓝绿；人物、姿势和画面构图不变	改动范围可控，便于判断

如果有明确的空间位置，直接说出来效果最好：“桌面左侧的白色杯子”“人物右肩上的背包带”。涉及文字修改时要格外保守：模型对短词、常见字形的还原已经比较稳，但型号、规格、价格、认证信息这类内容不建议让模型自由生成，交付前必须逐字核对，必要时回到专业设计工具里重排。

结果验收：三项检查，外加一条底线

生成完不要凭“整体感觉”通过，按下面顺序看：

主体一致性：人物的脸型、五官间距、发型边界、服装颜色和图案是否与主图一致。商品则看结构、比例、接口和配件位置。这也是官方强调的“角色一致”能力真正被检验的地方。
边缘质量：改动区域与保留区域的交界处有没有毛边、光晕、断裂或半透明残影。背景替换后，尤其要看头发丝、透明物体和轮廓复杂的部分。
细节保留：纹理、阴影方向、环境反射是否合理。新加入的物体如果缺少接触阴影，或者光照方向与原图相反，一眼就能看出不像同一张照片。

底线是事实与授权：商品图的文字信息、素材使用权限、人物肖像授权，都是模型无法替你负责的部分。