5个超实用nano banana提示词网站!7000条灵感任你选,秒变AI绘画大神!

5个超实用nano banana提示词网站!7000条灵感任你选,秒变AI绘画大神!

最近刷社交媒体,到处都是nano banana生成的惊艳图片,朋友圈都快被刷屏了!

抱着"吃瓜"的心态试了一下,

结果直接被谷歌的nano banana狠狠震撼到了!😱

不多说,直接上干货——精心整理了近7000条提示词玩法大全,保证让你从小白秒变大神!

资源名称收录提示词数量推荐原因资源链接
youwind5676提示词多https://youmind.com/zh-CN/nano-banana-pro-prompts
aiwind1000+提示词多https://aiwind.org/
Awesome-Nano-Banana-images1102万颗星推荐https://github.com/PicoTrex/Awesome-Nano-Banana-images
awesome-nano-banana1008千多颗星推荐https://github.com/JimmyLv/awesome-nano-banana
awesome-nanobanana-pro69分类全,案例实用https://github.com/ZeroLu/awesome-nanobanana-pro

震撼点1:这清晰度,简直逆天了!

第一次生成图片我就傻眼了——这画质也太真实了吧?

说是照片我都信!不信你看这张:

Gemini_Generated_Image_1f3wee1f3wee1f3w.png

(细节拉满,毛孔都看得见那种!)

震惊点2:终于有AI能搞定汉字了!

用过那么多AI绘图工具,英文倒是玩得溜,但一遇到汉字就"翻车现场"。

但nano banana不一样!

它对汉字的处理简直丝滑到不行,看这效果👇

尼采

(中文圈的AI绘图er终于扬眉吐气了!)

🤯 震惊点3:汉字+拼音?这波操作我服了!

更绝的来了——nano banana不仅能完美识别汉字,还能自动标注拼音

配图、汉字、拼音三合一,这操作我是真的头一回见!

(小学语文老师看了都想点赞!)

在哪里可以玩转nano banana?

方式一:官方渠道(首选!)

进入Gemini官网,点击**「工具」→ 选择「生成图片」**,就能开始创作啦!

方式二:备用通道

如果官方渠道不方便,还有这个宝藏入口:

👉 https://nf.video/yqyfZ

写在最后

AI绘图卷到现在,nano banana算是真正把中文友好度拉满了!

不管是做设计、写文案配图,还是纯粹想整点有意思的图片,都值得一试。

7000个提示词已经准备好了,你还在等什么?赶紧冲!🚀

参考提示词

图1:蓝衣少女自拍

(提示词作者:宝玉)

### **场景** 镜子自拍,御宅族电脑角落,蓝色调 --- ### **主体** * **性别表现**: 女性 * **年龄段**: 25岁左右 * **种族**: 东亚 * **身材**: 苗条,腰线分明;身材比例自然 * **肤色**: 浅中性色调 * **发型**: * **长度**: 及腰长发 * **样式**: 直发,发尾微卷 * **颜色**: 中等棕色 * **姿势**: * **站姿**: 站立,轻微的对立式平衡站姿(contrapposto) * **右手**: 手持手机挡住脸(身份被遮挡) * **左臂**: 在躯干旁自然下垂 * **躯干**: 身体轻微后仰;露出腰腹 * **着装**: * **上衣**: 浅蓝色短款针织开衫,扣上前两颗纽扣;隐约可见蓝色法式内衣 * **下装**: 牛仔超短裤,两侧臀部各有一个蓝色缎带蝴蝶结 * **袜子**: 蓝白横条纹过膝长袜 * **配饰**: 蓝色可爱吉祥物手机壳 --- ### **环境** * **描述**: 从挂墙镜中看到的卧室电脑角落 * **陈设**: * 白色书桌 * 单显示器,显示着柔和的蓝色壁纸(没有可读的文字) * 机械键盘,白色键帽,放在蓝色桌垫上 * 鼠标,放在小号蓝色鼠标垫上 * PC主机在右侧,带有蓝色机箱灯效 * PC主机上或附近有三个动漫手办 * 墙上贴着一张佛塔海报 * 猫形台灯,带有蓝色点缀 * 一杯透明的玻璃水杯 * 窗边(镜头左侧)有一株高大的绿叶植物 * **颜色替换**: 将所有原先的粉色元素(衣物和房间)替换为蓝色(婴儿蓝 -> 天空蓝/长春花蓝)。 --- ### **灯光** * **光源**: 来自镜头左侧大窗户的日光,透过薄纱窗帘 * **光线质感**: 柔和的漫射光 * **白平衡 (K)**: 5200 --- ### **相机** * **模式**: 智能手机后置摄像头通过镜子拍摄(无肖像/虚化模式) * **等效焦距 (mm)**: 26 * **距离 (米)**: * 主体到镜子: 0.6 * 相机到镜子: 0.5 * **曝光**: * 光圈 (f): 1.8 * 感光度 (ISO): 100 * 快门速度 (秒): 0.01 * 曝光补偿 (EV): -0.3 * **对焦**: 对焦于镜中影像的躯干和短裤 * **景深**: 自然的智能手机景深(深景深);背景清晰可辨,无人为模糊 * **构图**: * **宽高比**: 1:1 * **裁剪**: 从头顶到大腿中部;画面包含书桌、显示器、PC主机和植物 * **角度**: 从镜子的视角轻微俯拍 * **构图备注**: 保持主体居中;为避免广角边缘拉伸,可以站远一些再进行方形裁剪 --- ### **负面提示词** * 任何地方出现粉色/品红色 * 美颜滤镜/磨皮皮肤;没有毛孔的外观 * 夸张或扭曲的人体结构 * NSFW,透视面料,走光 * 商标,品牌名,可读的用户界面文本 * 虚假的人像模式模糊,CGI/插画感 

图2:名人名言

A wide artistic quote card themed "The Script of Life". Background: Warm chocolate brown with a subtle spotlight gradient coming from the top. Visuals: On the left 1/3, a noble, artistic portrait of Nietzsche, transitioning into the dark background via a misty, ethereal gradient. On the right 2/3, the powerful words of Nietzsche rendered in a sophisticated, thin-stroke Serif font in pale golden ink. Quote: "你要搞清楚自己人生的剧本,不是你父母的续集,不是你子女的前传,更不是你朋友的外篇。" Accents: A large, elegant, ghosted quotation mark in the background. The lighting creates a high-end, gallery-like feel. Sharp focus on the typography, smooth shadows, consistent perspective. 

图3:茅屋为秋风所破歌

 生成一张3:4的图片,画面上方用书法写着一首完整的《茅屋秋风所破歌》,内容是 “八月秋高风怒号,卷我屋上三重茅。茅飞渡江洒江郊,高者挂罥长林梢,下者飘转沉塘坳。 南村群童欺我老无力,忍能对面为盗贼。公然抱茅入竹去,唇焦口燥呼不得,归来倚杖自叹息。 俄顷风定云墨色,秋天漠漠向昏黑。布衾多年冷似铁,娇儿恶卧踏里裂。床头屋漏无干处,雨脚如麻未断绝。自经丧乱少睡眠,长夜沾湿何由彻! 安得广厦千万间,大庇天下寒士俱欢颜!风雨不动安如山。呜呼!何时眼前突兀见此屋,吾庐独破受冻死亦足!“, 每个字上方都要标注上汉语拼音,同时画面内容主要用水墨画的形式展示这首诗所表达的情景。 

Read more

FPGA图像处理之:图像畸变矫正原理及matlab与fpga实现

FPGA图像处理之:图像畸变矫正原理及matlab与fpga实现

一、概述         图像畸变矫正(Image Distortion Correction)是图像处理中的重要任务,通常用于纠正因镜头畸变、拍摄角度等原因造成的图像失真。它的核心原理涉及几何变换,通过对图像进行变换,使其恢复到理想状态。 (一)图像畸变的类型         1.径向畸变(Radial Distortion):         主要表现为图像中心到边缘的失真,常见的有“桶形畸变”(Barrel Distortion)和“枕形畸变”(Pincushion Distortion)。         桶形畸变:图像的边缘向外膨胀。         枕形畸变:图像的边缘向内收缩。         2.切向畸变(Tangential Distortion):         由于相机镜头的装配不精确,可能会导致图像出现某些不规则的切向失真。 (二)畸变矫正的原理         图像畸变矫正的目标是通过数学模型来恢复图像的真实几何结构。一般采用如下的模型来进行畸变建模与矫正: (1)径向畸变模型:         径向畸变模型通常采用以下公式:

ROS1机器人SLAM系列(四):Gmapping算法详解与实战

ROS1机器人SLAM系列(四):Gmapping算法详解与实战 本文将深入讲解Gmapping算法的原理,并通过实战演示如何使用Gmapping进行2D激光SLAM建图。 1. Gmapping算法简介 1.1 什么是Gmapping? Gmapping是一种基于**粒子滤波(Rao-Blackwellized Particle Filter, RBPF)**的2D激光SLAM算法。它由Giorgio Grisetti等人于2007年提出,是ROS中最经典、应用最广泛的SLAM算法之一。 主要特点: * 基于粒子滤波的概率框架 * 适用于2D激光雷达 * 需要里程计信息 * 实现成熟,稳定可靠 * 适合中小规模室内环境 1.2 算法流程概述 Gmapping算法流程 里程计数据 运动预测 Motion Model 粒子集合更新 激光雷达数据 扫描匹配 Scan Matching 观测更新 Sensor Model 粒子权重计算 重采样 Resample 地图更新 2. 核心算法原理

OpenClaw机器人引爆天网,首次拥有记忆,逆天了!

OpenClaw机器人引爆天网,首次拥有记忆,逆天了!

手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定! OpenClaw这款开源机器人最近彻底火了,它让机器人第一次有了“记性”。这种原本只在科幻片里出现的“天网”级技术,居然直接在GitHub上公开了源代码。 就在刚刚,全球搞开源机器人的圈子被推特上的一条动态给点燃了! 手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定! 视频里,一台装了OpenClaw系统的宇树人形机器人在屋里四处走动。它全身上下都是传感器——激光雷达、双目视觉外加RGB相机,这些设备捕捉到的海量数据都被喂进了一个大脑里。 紧接着,奇迹发生了:这台宇树机器人竟然开始理解空间和时间了!这种事儿在以前的机器人身上压根没出现过。 手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定! 它不仅分得清房间、人和东西都在哪儿,甚至还记得在什么时间点发生了什么事。 开发团队给这种神技起名叫“空间智能体记忆”。简单来说,就是机器人从此以后也有了关于世界的“长期记忆”! 而把这种科幻照进现实的,正是最近在国际上大红大紫的开源项目OpenClaw。

基于 LangChain 实现数据库问答机器人

基于 LangChain 实现数据库问答机器人

基于 LangChain 实现数据库问答机器人 * 一、简介 * 二、应用场景 * 三、实战案例 * 1、需求说明 * 2、实现思路 * 3、对应源码 一、简介 在 Retrieval 或者 ReACT 的一些场景中,常常需要数据库与人工智能结合。而 LangChain 本身就封装了许多相关的内容,在其官方文档-SQL 能力中,也有非常好的示例。 二、应用场景 在未出现人工智能,如果想要完成数据查询与数据分析的工作,则需要相关人员有相应的数据库的功底,而在 LangChain 结合大语言模型的过程中,应对这些问题则相当轻松——写清晰的提示词即可。 * 生成将基于自然语言问题运行的查询。 在传统的工作流程中,如果想要在数据库中搜索一些信息,那么就必须要掌握相应的数据库技术,比如 SQL 语句查询等,但是其本身有很高的学习成本。如果能用自然语言代替这个过程,则任何人都无需学习 SQL