Nano Banana 2.1 vs Seedream 5 Pro：場景還原度，還是文字控制力？
測試結果各有勝負：若重視多語言文字排版與廣告構圖的精準度，可選擇 Seedream 5 Pro；它在手部接觸的呈現，以及替換文字時匹配原有字體排版方面，也略有優勢。若希望參考圖編輯能更完整保留場景與物件位置，或需要更逼真的定向光線調整，Nano Banana 2.1 則略勝一籌。產品材質、數量控制、結構化 UI 圖像、服裝轉移、畫面擴展，以及更換場景時的產品保留，兩者則平分秋色。
並列資訊比較
| 功能 | Nano Banana 2.1 | Seedream 5 Pro |
|---|---|---|
| 開發商 | ByteDance | |
| Banana Pie 上的供應狀態 | 現已推出 | 現已推出 |
| 所需點數 | 25 點數 | 25 點數 |
| 最高解析度 | 4K | 2K |
| 參考圖像 | 最多 8 張 | 最多 8 張 |
逐情境比較
相同提示詞，兩個模型。從下方發布的圖像親自比較差異。
產品材質與光影
視任務而定平手。兩者都令人信服地滿足場景與材質要求。左圖在半滿液面與左上方光線方向的清晰度上略有優勢，但整體差異不大。
- 恰好一個透明長方形香水瓶：平手。兩張圖都在濕潤的黑色石面上呈現單一、直立的長方形玻璃瓶，沒有可見的文字、標誌、植物或其他獨立道具。
- 琥珀色液體填滿一半：左圖稍微更符合要求。其琥珀色液體約占瓶內空間的一半，右圖的液面則略高於瓶內中線。兩者都有清楚可見的液面，上方也保有透明的空間。
- 符合物理邏輯的玻璃折射與反射：平手。兩者都呈現可信的厚玻璃邊緣、透過瓶身觀看時的變形，以及瓶底正下方對齊的倒影。左圖在平滑積水中的倒影較清晰；右圖的倒影則因石面的濕潤紋理而較為破碎。兩種呈現都符合各自可見的表面特性。
- 左上方照明與接觸陰影：左圖的光線方向稍微更清楚，瓶蓋頂部與左側邊緣有強烈高光，玻璃左上方的表面也受到照亮。右圖頂部與左側同樣有明亮高光，但光線看起來較偏向中央。兩個瓶子的底部正下方都有合理的深色接觸區域。
使用的提示詞與設定
提示詞
A premium product photograph of exactly one transparent rectangular perfume bottle, half filled with amber liquid, standing upright on wet black stone. Light comes from the upper left, creating coherent refraction, a contact shadow, and one subtle reflection. No text, logo, plants, or extra objects.
多語言文字排版
此項較佳：Seedream 5 Pro右圖勝出，因為它保留了要求的四行版面與確切行序。左圖的文字與顏色正確，但標題換行，導致總行數變成五行。
- 恰好四行置中文字，且沒有額外文字：右圖表現較好。它恰好有四行置中文字。左圖將標題拆成兩行，形成五行置中文字。兩者都沒有加入額外字句。
- 文字與順序完全正確：右圖依要求，將「MOONLIGHT MARKET」、「月光市集」、「18 OCT」與「RIVER HALL」依序排成四行。左圖則將「MOONLIGHT」、「MARKET」、「月光市集」、「18 OCT」與「RIVER HALL」各自排成一行；文字正確，但要求的第一行被拆開了。
- 文字顏色：兩者都符合此項標準。「月光市集」皆為紅色，所有英文文字與日期則皆為黑色。
- 易讀性、間距與對齊：兩者都清晰易讀，字元清楚且置中對齊。兩者在中文行的上下都留有較大的間距，日期與場地之間的間距則較小，因此垂直間距都不完全均勻。此項標準兩者平手。
使用的提示詞與設定
提示詞
Design a clean cream-colored vertical event poster. Show exactly four centered text lines and no other text: "MOONLIGHT MARKET", "月光市集", "18 OCT", and "RIVER HALL". Render "月光市集" in red and all other lines in black.
人體結構與接觸互動
此項較佳：Seedream 5 Pro右圖在手指形態與塑形時接觸的真實感上略有優勢。兩者都未能讓每隻手的五根手指完整、清楚地呈現。
- 恰好出現兩隻完整可見的手，沒有多餘的手或人物：兩者都呈現同一位陶藝師的兩隻手，沒有額外人物或手。兩者都未完整露出每根手指：左圖沿著碗外壁的手指互相重疊，右圖則有部分伸入碗內的手被碗緣遮住。
- 每隻手恰好有五根清楚可辨、形態自然的手指：右圖稍微更符合要求。碗外的手呈現一根拇指與四根可辨識的手指，但碗內那隻手的手指並未全部清楚露出。左圖的碗內可見四根手指，拇指則被遮住，而支撐碗身的手指重疊嚴重。
- 手指、關節及與陶土的接觸符合人體結構：右圖表現較好。手指順著碗的內外側自然彎曲，指關節與相向施力的感覺都很可信。左圖外側支撐的手指看起來受到擠壓，彼此區隔較不清楚，伸出的拇指也明顯抬起，未接觸陶土。
- 陶碗、旋轉中的陶輪與塑形動作清楚可辨：兩者都符合此項標準。兩張圖都呈現置中的陶碗、陶輪上的圓形動態軌跡，以及從外側支撐、同時在內側塑形的雙手。
使用的提示詞與設定
提示詞
A photorealistic close-up of an adult potter shaping a clay bowl on a spinning wheel. Both hands are fully visible, each with five natural fingers touching the clay. No other people or hands. Soft window light.
數量計算與屬性對應
視任務而定平手。兩者都符合要求的數量、排列、屬性與把手方向。左圖的木紋稍微更清楚，桌面也更偏霧面，但不足以形成明顯的整體優勢。
- 物件數量與位置：兩者平手。兩張圖的左側都恰好有三個紅色立方體排成一列，右側恰好有兩個藍色球體，兩組物件後方中央則有一個黃色馬克杯。
- 顏色、形狀與材質：兩者都正確將紅色對應到木製立方體、藍色對應到玻璃球體，以及黃色對應到上釉陶瓷馬克杯。左圖的木紋更明顯，灰色桌面看起來也更偏霧面；右圖同樣清楚呈現了要求的物件材質。差異很小。
- 馬克杯把手方向：兩者平手。每個馬克杯都有清楚可見、朝右延伸的把手。
- 沒有額外物件或文字：兩者平手。兩張圖都沒有額外的場景物件或可見文字。
使用的提示詞與設定
提示詞
On a matte gray table, exactly three red wooden cubes form a row on the left, exactly two blue glass spheres sit on the right, and one yellow ceramic mug stands centered behind them. The mug handle points right. No other objects or text.
廣告構圖
此項較佳：Seedream 5 Pro右圖更符合構圖與文字限制。左圖在鞋子上加入了不需要的品牌字樣，標題也放得太低，距離頂部預留區域過遠。
- 鞋子與橘色軌跡的位置：右圖表現較好。兩者都在右下方呈現恰好一隻銀色鞋子。右圖的橘色弧形軌跡穿過左下方；左圖的發光軌跡則明顯從右下方進入，再向左彎曲。
- 文字正確性與是否僅有指定文字：右圖勝出。右圖只呈現「RUN LIGHT」與「42 KM」，兩者拼寫皆正確。左圖也正確呈現「RUN LIGHT」與「42 KM」，但在鞋子上加入了「AERO」，違反不得出現其他文字的限制。
- 頂部留白與標題位置：右圖勝出。兩者都讓頂部 15% 的區域保持乾淨，但右圖將標題放在靠近左上方、緊接留白區域下方的位置。左圖留下大得多的空白區域，標題位置也明顯更低。
- 完整可見性與視覺層次：兩者表現都很好。鞋子、標題與圓形徽章都完整可見，橘色軌跡也都能清楚引導視線穿過構圖。左圖使用大型白色標題與戲劇化光線；右圖則透過俐落的間距與橘色點綴，讓標題和徽章與銀色鞋子有所區隔。
使用的提示詞與設定
提示詞
Create a vertical social ad for a fictional running shoe named AERO. Keep the top 15 percent empty. Directly below it, place the headline "RUN LIGHT" in the upper-left. Show exactly one silver shoe in the lower-right, an orange trail curving from the bottom-left, and a round badge reading "42 KM". No other shoes or text.
結構化 UI 圖像
視任務而定平手。兩張圖都符合全部四項標準，文字正確且對齊一致。差異主要在風格，而非遵循提示詞程度上的實質差距。
- 標題與欄位標籤：兩者平手。左圖與右圖都在恰好三個欄位上方呈現完全正確的標題「CHOOSE YOUR PLAN」，三欄分別標示為「STARTER」、「PRO」與「TEAM」。
- 每欄有三個對齊的資料列：兩者平手。每張圖的每一欄都恰好依序包含「PROJECTS」、「STORAGE」與「SUPPORT」，且各欄的對應資料列皆水平對齊。
- 每欄有一個藍色 SELECT 按鈕：兩者平手。每欄都恰好有一個標示「SELECT」的藍色按鈕。左圖使用略帶圓角的矩形；右圖的按鈕則更圓潤。
- 整齊對齊且沒有額外內容：兩者都符合此項標準。左圖使用大小相同、帶外框的卡片，內容置中；右圖則以細直線分隔間距均勻的內容群組。兩者的標題、資料列與按鈕都一致對齊，且沒有額外欄位或文字。
使用的提示詞與設定
提示詞
Create a clean horizontal pricing comparison graphic titled "CHOOSE YOUR PLAN". Use exactly three equal columns labeled "STARTER", "PRO", and "TEAM". Under each column, show exactly three aligned rows labeled "PROJECTS", "STORAGE", and "SUPPORT", followed by one blue button labeled "SELECT". White background, dark navy text, no additional columns or text.
六張參考圖的物件對應與編輯
此項較佳：Nano Banana 2.1左圖以些微差距勝出，因為它更完整保留了基底場景與物件位置。兩者都成功將指定替換物件與對應特徵結合，水果數量也正確。
- 馬克杯與餐巾替換：左圖稍微更符合要求。兩者都呈現參考圖 2 中帶金色杯緣、把手朝右的深藍色馬克杯，以及參考圖 3 中的綠白條紋布料。左圖的餐巾涵蓋範圍更貼近原毛巾；右圖則向馬克杯方向延伸得更遠。相較於基底圖，兩者都改變了馬克杯的輪廓與大小。
- 柳橙與筆記本替換：左圖的位置表現較好。兩者都恰好包含一顆帶綠葉的柳橙，以及一本帶有參考圖中黑色鬆緊帶的芥末黃精裝筆記本，也都沒有保留原本四個物件中的任何一個。左圖筆記本的位置與占用範圍更接近參考圖 1；右圖則將其前緣大幅往後移。
- 馬克杯右側有兩顆檸檬：兩者平手。兩者都在馬克杯右側呈現恰好兩顆檸檬，左邊的檸檬有葉子，右邊的沒有，符合參考圖 6 的特定排列。兩者都沒有加入額外水果或無關物件。
- 基底場景保留：左圖表現較好。其桌面木節、紋理、取景與溫暖光線更貼近參考圖 1，餐巾與筆記本也保留了更多原始配置。右圖改變了布料的前後延伸範圍、將筆記本向後移，並在水果周圍加入了更深、更強烈的陰影。
使用的提示詞與設定
提示詞
Use Reference 1 as the base tabletop scene. Replace the red mug with the exact dark navy-blue mug from Reference 2 in the same position and orientation. Replace the folded white towel with the exact green-and-white striped napkin from Reference 3 in the same folded area. Replace the green pear with exactly one orange from Reference 4 in the same position. Replace the blue notebook with the exact mustard-yellow hardcover notebook from Reference 5 in the same position. Add exactly the two lemons from Reference 6 to the right of the mug. Preserve the wooden table, camera, framing, wood grain, lighting, shadows, and all other spatial relationships from Reference 1. Do not copy the white product backgrounds from References 2–6, duplicate any asset, or add other objects.
圖片內文字替換
此項較佳：Seedream 5 Pro右圖以更接近原圖的字體排版略勝一籌。兩者都成功替換文字，並保留店面場景。
- 替換文字完全正確：兩者平手。左圖與右圖都精確呈現「NIGHT OWL」，沒有可見的參考圖原文「MORNING BEAN」殘留。
- 沒有額外或變形字元：兩者平手。所有字母都清晰且可辨識，兩個招牌上都沒有多餘字元。
- 原始字體特徵、字距與透視：右圖稍微更接近。兩者都保留奶油色的大寫無襯線字體，並符合招牌的透視，但左圖的字母間距更寬。右圖較緊密的字距更接近參考圖。
- 招牌材質、光線與周圍場景：兩者大致保留了綠色木製招牌、燈具、店面、植物、長椅與投射陰影。相較於參考圖，左圖看起來稍微柔和，右圖則稍微銳利；在場景保留方面，兩者都沒有決定性的優勢。
參考圖像
使用的提示詞與設定
提示詞
Replace only the sign text with exactly "NIGHT OWL". Preserve the original font style, spacing, perspective, sign material, lighting, and everything else.
多張參考圖的人物身分與服裝轉移
視任務而定平手。左圖更完整保留了原本的手部位置與下方口袋細節；右圖則更完整保留了外套鈕扣的方向。兩者都呈現自然協調的服裝替換效果，還原度僅有些微差異。
- 人物辨識度、表情、姿勢、比例與取景：左圖略微更接近參考圖 1。兩者都保留了女子的臉部特徵、放鬆的表情、向後梳攏的深色頭髮，以及置中的人像構圖。左圖更忠實地保留了原本偏低的手部位置與手臂姿態；右圖則將雙手抬高，手肘位置也略有改變。
- 外套還原度：兩者各有優勢。兩者都重現了參考圖 2 的淺藍色丹寧布、帶有紋理的奶油色衣領、附袋蓋的胸前口袋、金屬鈕扣，以及袖子上的紅色布章。右圖保留了參考圖中位於觀者右側前襟的鈕扣配置，左圖則將鈕扣與扣眼的位置對調。左圖更清楚地保留了下方的嵌線口袋，右圖的這部分則不夠清晰。
- 完整替換與背景保留：兩者相當。兩者都將黑色西裝外套完整替換為丹寧外套，保留了參考圖 1 的灰色牆面與明亮的窗戶邊緣，也沒有引入隱形人台或白色商品背景。
- 物理合理性：兩者相當。兩者的手部、包覆手腕的袖口、手肘彎曲處的布料皺褶，以及覆在衣領和肩膀上的頭髮都自然合理。來自觀者左側的柔和光線與衣領下方的陰影，也都符合原始場景。
使用的提示詞與設定
提示詞
Use the portrait in Reference 1 for the person and the isolated jacket in Reference 2 for the garment. Dress the person from Reference 1 in the exact jacket shown in Reference 2. Preserve the person's identity, face, expression, skin, hair, hands, pose, body proportions, background, framing, and lighting from Reference 1. Preserve the jacket's material, color, collar, buttons, pockets, and sleeve patch from Reference 2. Do not copy the ghost mannequin or white product background.
維持場景一致性的重新打光
此項較佳：Nano Banana 2.1左圖以些微優勢勝出，因為定向陽光在桌面、地毯與投射陰影上的呈現更一致可信。兩者都明顯營造出黃金時刻的光線效果，並保留了房間原有的擺設。
- 溫暖的黃金時刻光線明顯從左側窗戶照入：兩者都表現良好。兩張圖的沙發上都有溫暖陽光，後方牆面也有清楚的窗形光斑，讓照明與左側窗戶之間的關係一目了然。
- 亮部與陰影方向一致地呼應新光源：左圖略勝一籌。明亮的桌面與地毯搭配向右延伸的桌腳長影，牆面上也有植物的投影。右圖的牆面與沙發照明很自然，但在強光照亮的桌面下方，陰影卻較為柔和，使整個房間的定向光線一致性稍弱。
- 效果不只是套用均勻的黃色濾鏡：兩者都做到了。兩張圖都有局部日照光斑、植物剪影，以及與之形成對比的陰暗區域。左圖透過地毯上大片的日照區域與清晰陰影，讓這種差異格外明顯。
- 沒有移動、新增、移除或重新設計任何家具或裝飾：兩者基本相當。兩張圖都以相同配置保留了參考圖中的沙發、木製茶几、淺色地毯、盆栽樹與落地燈，輪廓也相當接近，沒有明顯新增或移除任何物件。
參考圖像
使用的提示詞與設定
提示詞
Change the lighting to warm golden-hour sunlight entering from the left window. Do not move, add, remove, or redesign any object. Update highlights and shadows coherently.
跨長寬比擴圖
視任務而定平手。兩者都自然地向兩側延伸了風景，並保留參考圖的中央構圖。左圖的色彩雖然略為接近原圖，但優勢太小，不足以判定明確的贏家。
- 16:9 比例，兩側新增內容自然：兩者相當。兩張圖都呈現寬幅橫向畫面，沙灘、海洋與天空自然地向左右延伸，沒有上下黑邊。
- 完整原圖置中，沒有裁切或拉伸：兩者相當。兩張圖都保留了置中的小屋、上方的天空，以及下方前景的沙地。小屋的比例及其相對於地平線的位置，都與參考圖 1 相當接近，沒有明顯裁切或拉伸。
- 原有小屋、海岸線與畫面內部構圖維持不變：左圖的色彩略為接近原圖，保留了參考圖較柔和的藍天與淺色小屋；右圖的飽和度和對比則較高。兩者都保留了屋頂形狀、門上五金配件的配置、小屋支架、向右延伸的陰影，以及水平的海岸線，不過小屋的風化痕跡看起來與參考圖略有不同。
- 延伸區域沒有可見接縫、鏡像填補或重複物件：兩者相當。兩張圖的地平線與浪帶都連續自然，新增的兩側區域也有富於變化的沙地與雲朵紋理。兩者都沒有明顯接縫、鏡像區塊或重複的小屋。
參考圖像
使用的提示詞與設定
提示詞
Expand the canvas to a 16:9 landscape by naturally continuing the beach, ocean, and sky on both sides. Keep the complete original image centered without cropping, stretching, letterboxing, or modifying it.
更換場景時維持產品原貌
視任務而定平手。左圖更清楚地呈現了籃球場場景，也很好地融合了黃昏光線；右圖則在運動鞋的比例與細節上略微更接近參考圖。兩者都保留了鮮明的側面標誌，鞋子與濕地面的接觸也自然合理。
- 黃昏時分的潮濕戶外籃球場：左圖表現較好。可見的籃框、塗色球場區域、濕地面，以及逐漸消退的夕陽，都讓場景明確易辨。右圖也自然地呈現了黃昏時分被圍網環繞的潮濕球場，但背景中看不到籃框。
- 輪廓、鞋底幾何形狀、縫線、材質與拍攝角度：右圖略微更接近參考圖 1。它尤其完整地保留了寬闊的側面鞋片、平滑的白色鞋面、接縫走向，以及帶有紋理的鞋頭防撞邊。左圖保留了相同結構，但鞋子看起來較為短小緊湊，鞋頭也顯得較短。兩者都維持了參考圖鞋跟朝左、鞋頭朝右的觀看角度。
- 黑色幾何側面標誌：兩者基本相當。兩張圖都保留了參考圖中帶有稜角的三分支形狀、朝左的短末端、向上延伸的分支，以及向右下方延伸的長分支。兩張圖中的標誌都維持純黑，清楚易辨。
- 接觸陰影、濕地面反射與黃昏光線：兩者接近。左圖的接觸陰影自然可信，低調的倒影被粗糙濕地面打散，較暗的照明也符合黃昏背景。右圖在前景水窪中呈現了更清晰的鞋子倒影，接觸陰影也很明顯，但相較於夕陽背景，鞋面受到的照明顯得更亮、色調也更中性。
參考圖像
使用的提示詞與設定
提示詞
Place the sneaker on a wet outdoor basketball court at dusk. Preserve the exact sneaker shape, black geometric side mark, materials, stitching, sole geometry, and camera angle. Add physically coherent contact, reflections, and dusk lighting.
成本與生成時間
兩款模型在 Banana Pie 上皆為 25 點數起，因此無論選哪一款，最低點數花費都相同。Seedream 5 Pro 最高支援 2K 輸出，Nano Banana 2.1 則另有 4K 選項。在本次比較的小規模延遲時間樣本中，Nano Banana 2.1 耗時介於 18.3 至 126.4 秒，Seedream 5 Pro 則介於 38.6 至 141.0 秒。等待時間會隨情境而變，兩款模型各自在部分任務中較快完成。
比較方式與揭露事項
本次比較採用可重現的固定提示詞測試：每個情境使用一組固定提示詞，每款模型在各情境中執行一次，並原樣公布生成結果。測試涵蓋圖像生成與編輯，包括字體排版、物件屬性綁定、場景保留及光線調整。Banana Pie 提供這兩款模型的付費使用服務。
Banana Pie 在同一個創作台提供此模型及其他模型的付費使用權。我們的評測結論來自與使用者相同生成流程的測試。