大家最近有没有在小红书刷到这种像素级拆解人物的图片？真的玩疯了，有拆解二次元、美女穿搭、玩具手办、游戏角色、乐高玩具....真的万物可拆解。究竟是用什么做的？提示词是什么？今天5分钟教会你。

像素拆解用什么模型生成的？

用的是谷歌Nano Banana Pro模型，它基于谷歌强大的Gemini 3 Pro构建，具备更强的逻辑推理能力和世界知识，能理解复杂指令和物理规律。支持原生2K和4K分辨率输出，满足专业印刷需求。提供专业级的局部编辑功能，可调整相机角度、景深、光照等。增强了文字渲染能力，突破性地解决了上一版本中AI图像中文字模糊、错误的问题，不过对于中文的准确性还不是100%，你在使用中会发现渲染的不是很正确。

怎么使用？

由于是国外模型，大部分国内普通用户无法在谷歌（https://gemini.google.com/）体验，则可以通过StyleAi免费使用Nano Banana Pro模型。StyleAI是Ai图片视频生成网站，国内用户可直接使用（除了福建），里面有Nano Banana Pro，Nano banana，Sora2，Veo3.0模型。新用户5积分，随后每日3积分，每天重置不叠加。

1.访问StyleAi官网的Nano banana Pro模型→https://styleai.art/zh/nano-banana-pro

2.上传参考图，选择尺寸，像素，输入提示词

3.生成

像素级拆解提示词

角色设定

你是一位顶尖的游戏与动漫概念美术设计大师，擅长制作详尽的角色设定图。你具备“像素级拆解”的能力，能够透视角色的穿着层级、捕捉微表情变化，并将与其相关的物品进行具象化还原。

任务目标

根据用户上传或描述的主体形象，生成一张“全景式角色深度概念分解图”。该图片必须包含中心人物全身立绘，并在其周围环绕展示该人物的服装分层、不同表情、核心道具、材质特写，以及极具生活气息的私密与随身物品展示。

视觉规范

1.构图布局 :

• 中心位 : 放置角色的全身立绘或主要动态姿势，作为视觉锚点。
• 环绕位 : 在中心人物四周空白处，有序排列拆解后的元素。
• 视觉引导 : 使用手绘箭头或引导线，将周边的拆解物品与中心人物的对应部位或所属区域（如包包连接手部）连接起来。

2.拆解内容 —— 核心迭代区域:

服装分层 :

• 将角色的服装拆分为单品展示。如果是多层穿搭，需展示脱下外套后的内层状态。

• 新增：私密内里拆解 : 独立展示角色的内层衣物，重点突出设计感与材质。

表情集 :

• 在角落绘制 3-4 个不同的头部特写，展示不同的情绪。

材质特写 :

• 选取 1-2 个关键部位进行放大特写。
• 新增：物品质感特写，对小物件材质的描绘。

关联物品 :

• 此处不再局限于大型道具，需增加展示角色的“生活切片”。
• 随身包袋与内容物 : 绘制角色的日常通勤包或手拿包，并将其“打开”，展示散落在旁的物品，符合其职业、爱好、性格和生活习惯的个人物品。
• 美妆与护理 : 展示符合其角色的化妆品组合。
• 私密生活物件 : 不能随意向外人展现的物品，最能代表其私密生活、情感寄托或内心世界。

3.风格与注释 :

• 画风: 保持高质量的 2D 插画风格或概念设计草图风格，线条干净利落。
• 背景: 使用米黄色、羊皮纸或浅灰色纹理背景，营造设计手稿的氛围。
• 文字说明: 在每个拆解元素旁模拟手写注释，简要说明材质或品牌/型号暗示。

执行逻辑

当用户提供一张图片或描述时：

1. 分析主体的核心特征、穿着风格及潜在性格。
2. 提取可拆解的一级元素（外套、鞋子、大表情）。
3. 脑补并设计二级深度元素（内衣风格？包里会有什么私密物品？）。
4. 生成一张包含所有这些元素的组合图，确保透视准确，光影统一，注释清晰。
5. 使用中文。

效果展示

Nano Banana Pro API接入教程

对于想要将相关功能集成到自己应用或进行批量创作的开发者，可以通过API进行调用。这里提供两种主流的接入方式。

官方接入

获取 API 密钥

• 访问 Google AI Studio（aistudio.google.com/）
• 在左侧模型选择器中选择 Nano Banana Pro (Gemini 3 Pro 图像)
• 打开 API 密钥管理 界面，复制您的 API 密钥
• 启用计费功能，在 API 密钥管理页面，点击项目旁边的 "设置计费"，按照提示完成计费设置

安装 SDK

Python 安装：

pip install -U "google-genai>=1.52.0"pip install Pillow # 图像处理库

Node.js 安装：

npm install @google/genai

基础图像生成

初始化客户端

from google import genai
from google.genai import types
import base64
from PIL import Image
import io

# 初始化客户端
client = genai.Client(api_key="YOUR_API_KEY")

# 模型ID
PRO_MODEL_ID = "gemini-3-pro-image-preview"

生成第一张图片
def generate_basic_image():
"""基础图片生成示例"""

prompt = "一只可爱的猫咪在草地上玩耍，阳光明媚"
aspect_ratio = "1:1" # 图片比例

response = client.models.generate_content(

 def generate_basic_image():
    """基础图片生成示例"""
    
    prompt = "一只可爱的猫咪在草地上玩耍，阳光明媚"
    aspect_ratio = "1:1"  # 图片比例
    
    response = client.models.generate_content(
        model=PRO_MODEL_ID,
        contents=prompt,
        config=types.GenerateContentConfig(
            response_modalities=['Image'],  # 只返回图片
            image_config=types.ImageConfig(
                aspect_ratio=aspect_ratio,
            )
        )
    )
    
    # 保存图片
    for part in response.parts:
        if image := part.as_image():
            image.save("generated_cat.png")
            print("✅ 图片已保存为 generated_cat.png")
            return "generated_cat.png"
    
    return None

GrsAI 国内直连接口

都知道官方接口价格死贵，一张1-2k图￥0.96，4k图￥1.7，普通企业、独立开发怎么承受得了这种价格？那么去哪里找便宜稳定的Nano Banana Pro接口？
GrsAi作为Ai大模型APi源头供应商，提供Nano Banana Pro官方格式调用1k 2k 4k分辨率图均为0.09/张。并且生成失败不扣积分原路返还。

获取 API 密钥

• 访问GrsAi APi ：https://GrsAi.com
• 进入控制台
• 左侧找到APIKey，点击创建
• 查看不同模型对应开发文档

方式一：直接绘图接口（推荐）

这是最简单的接入方式，一次调用即可完成图片生成。
 

import requests
import json
import time

# 配置信息
API_KEY = "你的API密钥"
HOST = "https://grsai.dakka.com.cn"  # 国内直连节点
# HOST = "https://api.grsai.com"    # 海外节点

# 生成像素拆解图片
def generate_pixel_analysis():
    url = f"{HOST}/v1/draw/nano-banana"
    
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }
    
    # 构建请求数据
    payload = {
        "model": "nano-banana-pro",  # 使用Pro版本，效果最好
        "prompt": "动漫角色像素级拆解，展示服装分层、表情变化、道具细节，爆炸视图风格，概念设计图",
        "aspectRatio": "1:1",
        "imageSize": "2K",  # 可选：1K, 2K, 4K
        "urls": ["https://example.com/your-reference-image.jpg"],  # 参考图URL
        "shutProgress": True  # 直接返回最终结果
    }
    
    try:
        # 发送请求
        response = requests.post(url, headers=headers, json=payload, timeout=120)
        
        if response.status_code == 200:
            result = response.json()
            
            # 检查状态
            if result.get("status") == "succeeded":
                image_url = result["results"][0]["url"]
                print(f"✅ 生成成功！图片地址: {image_url}")
                return image_url
            else:
                print(f"⚠️ 生成失败: {result.get('error', '未知错误')}")
        else:
            print(f"❌ 请求失败: {response.status_code}")
            print(f"错误信息: {response.text}")
            
    except Exception as e:
        print(f"❌ 请求异常: {str(e)}")
    
    return None

# 调用示例
if __name__ == "__main__":
    image_url = generate_pixel_analysis()
    if image_url:
        # 这里可以下载图片或进行后续处理
        print("图片已生成，有效期为2小时")

方式二：WebHook回调方式（适合异步处理）

当生成时间较长时，可以使用回调方式避免超时。

 import requests
import json

API_KEY = "你的API密钥"
HOST = "https://grsai.dakka.com.cn"
WEBHOOK_URL = "https://your-server.com/callback"  # 你的回调地址

def generate_with_webhook():
    url = f"{HOST}/v1/draw/nano-banana"
    
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }
    
    payload = {
        "model": "nano-banana-pro",
        "prompt": "潮流穿搭像素拆解，展示外套、内搭、裤子、鞋子的分层细节",
        "urls": ["https://example.com/fashion-image.jpg"],
        "webHook": WEBHOOK_URL  # 设置回调地址
    }
    
    response = requests.post(url, headers=headers, json=payload)
    
    if response.status_code == 200:
        task_info = response.json()
        if task_info.get("code") == 0:
            task_id = task_info["data"]["id"]
            print(f"✅ 任务已提交，ID: {task_id}")
            return task_id
    
    print("❌ 任务提交失败")
    return None

# 回调接口示例（你的服务器需要实现的）
"""
@app.route('/callback', methods=['POST'])
def handle_callback():
    data = request.json
    
    if data.get("status") == "succeeded":
        image_url = data["results"][0]["url"]
        # 处理生成的图片
        print(f"收到生成的图片: {image_url}")
        
    return jsonify({"code": 0})
"""

那今天关于“像素级拆解”的分享就到这里。其实说到底，无论是想自己玩着试试，还是有项目想集成，路径都已经很清楚了。剩下的，无非就是动手去试一试。希望这些信息对你有用。有问题欢迎留言分享。