大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



我们做电商 AI SaaS，遇到最多的需求就是来自义乌的跨境商家的提问：新出了一个版，能不能在不请模特、不拍场景的情况下，用AI立刻出图，要便宜，还得是爆款。

人话翻译一下，就是怎么能不违规地抄个爆款图？

也是因此，昨天谷歌 Nano Banana2 一发布，我们就做了上手实测，并与 Milvus 向量数据库打通。实测整体生图成本降至原来的 1/3，出图效率翻倍。

接下来，我会从模型实测细节和端到端实操教程两部分，拆解这套适合中小电商SaaS 公司、零本地 GPU 的 AI 生图解决方案。

电商场景，对AI 生图就三个要求：成本低、爆款复刻得像、不侵权，顺带还要适配跨境的多平台规格、支持多语言文字.

而Nano Banana 2的这次更新，几乎满足所有要求。

Nano Banana 2 最直观的优势，就是便宜，单张图从 Pro 版的 0.134 美元干到 0.067 美元，直接省一半。

但更重要的是，返工成本直接砍没了，过去用其他模型，调比例、调清晰度，要花很多返工时间（亚马逊主图要 1:1，独立站要 3:4），Nano Banana 2 直接解决这个问题，让成本直接降到原本的三分之一：

分辨率覆盖 512px-4K 全规格，512px 做虾皮、速卖通缩略图，4K 做亚马逊详情页，不用二次放大；

新增 4:1、1:4、8:1、1:8 超宽 / 超高比例，跨境横幅广告、直播间背景，一次出图到位，不用扩边修图。

这次更新最实用的其实是多参考图融合：Nano Banana 2 支持 14 张参考图混合生成，10 张高保真对象图 + 4 张角色图，单个工作流能保 5 个角色、14 个对象的特征一致。

简单说，它能同时导入多款爆款的场景、模特、道具特征，新图直接继承爆款基因，不用反复调 prompt，这也是我们能把它和 Milvus 爆款检索打通的关键。

一般来说，要稳定出图，一般不能一次性把所有要求都喂给AI，比较稳妥的办法是，先生成背景图，然后生成模特图，最后融图。

我们拿背景生成需求测了三代模型，要求生成 4:1 的上海写字楼雨天图，透过窗户看东方明珠（这题考的是构图、细节、真实感）。

整体效果可以看到，初代 Nano Banana比较中规中矩，色调灰蓝平淡， 雨滴质感不错，大小分布自然，但建筑细节虚化丢太多，东方明珠辨识度低，分辨率也不够；

Pro 版：氛围感拉满，暖色灯光配冷雨有电影感，但没前景窗框，画面扁平，适合做辅图，撑不起主图；

Nano Banana 2：完成度直接拉满，加了窗框做前景有纵深感，东方明珠细节清、黄浦江有船只，光影层次分明，雨滴和水渍的质感几乎和实拍没差，4:1 超宽比例也没透视畸变，不用修图，直接当主图用。唯一小瑕疵是窗框左侧有轻微畸变，但对比商业价值，这点问题完全可以忽略。

电商图绕不开文字，价签、营销标语、跨境多语言文案，这些都是是过去 AI 生图的通病，Nano Banana 2 的优势在于，能生成无错漏的易读文本，还支持多语言翻译和本地化。

另外，我们还测了手写续写（贴合电商手写价签、个性化卡片），结果也很顶：初代Nano Banana 序号重复、结构理解错，Pro 版排版好但字体还原一般，Nano Banana 2 不仅续写零错误，字体还原度甚至比 Pro 版还好，笔画粗细、字形风格几乎和原图一致，完全能直接用。

以下是国外一个玩疯了的prompt，随手从谷歌地图上截个地图，发给它，让它生成当前地址的全景动画风格，也非常逼真形象。

Prompt: make me a 4:1 panorama of this location in an anime style

为了避免AI出图抽卡，我们会把每一环节都拆开细化，做到可控，采用了Milvus 混合检索 + Qwen3.5 做元素分析+ Nano Banana 2出图的三步流水线。

这里很多人问，生图为啥要用向量数据库？因为电商的核心资产之一，是海量市场验证过的爆款图，模特表现力、场景、光影，都是花钱试出来的，直接复用这些特征，比重构 prompt 高效 10 倍。

整体的框架性过程如下（所有模型通过 OpenRouter API 调用，无需本地 GPU，无需下载模型）：

新品平铺图 ──→ llama-nemotron-embed-vl-1b-v2 （Embedding API ）──→ Milvus 混合检索 ──→ 找到相似爆款

 │ ├── Dense 向量检索（视觉相似度） ├── Sparse 向量检索（文字关键词匹配） └── 标量筛选（品类 + 销量过滤） │ 检索到的爆款宣传图 │ ▼ Qwen3.5 分析爆款风格 （场景 / 灯光 / 姿势 / 氛围） │ ▼ Nano Banana 2 生成新品宣传图 （新品图 + 爆款参考 + 风格描述 → 宣传图）

而关于Milvus，我们主要会用到三个能力。

1.Dense + Sparse 混合检索：图片向量 + 文字 TF-IDF 向量联合搜索，通过 RRF 重排序融合结果

2.标量字段筛选：按品类（category）、销量（sales_count）等字段过滤

3.多字段混合 Schema：同一个 Collection 中同时存储向量、稀疏向量和标量字段

历史商品数据

准备一个 images/ 文件夹和 products.csv 元数据文件：

images/ 

├── SKU001.jpg # 粉色抽绳长裙 ├── SKU002.jpg # 黑色碎花长裙 ├── … └── SKU040.jpg

products.csv 字段： product_id, image_path, category, color, style, season, sales_count, description, price

新品数据

准备 new_products/ 文件夹和 new_products.csv：

new_products/ ├── NEW001.jpg # 蓝色针织开衫 + 灰色纱裙套装 ├── NEW002.jpg # 浅绿色碎花荷叶边长裙 ├── NEW003.jpg # 驼色高领针织连衣裙 └── NEW004.jpg # 深灰色民族风堆堆领上衣裙

new_products.csv 字段： new_id, image_path, category, style, season, prompt_hint

Step 1：安装依赖

!pip install pymilvus openai requests pillow scikit-learn tqdm

Step 2：导入模块和配置

import os, io, base64, csv, time import requests as req import numpy as np from PIL import Image from tqdm.notebook import tqdm from sklearn.feature_extraction.text import TfidfVectorizer from IPython.display import display

from openai import OpenAI from pymilvus import MilvusClient, DataType, AnnSearchRequest, RRFRanker

配置所有模型和路径：

# – Config – OPENROUTER_API_KEY = os.environ.get(

"OPENROUTER_API_KEY", " 
  
    
    
      ", 
    

)

Models (all via OpenRouter, no local download needed)

EMBED_MODEL = “nvidia/llama-nemotron-embed-vl-1b-v2” # free, image+text → 2048d EMBED_DIM = 2048 LLM_MODEL = “qwen/qwen3.5-397b-a17b” # style analysis IMAGE_GEN_MODEL = “google/gemini-3.1-flash-image-preview” # Nano Banana 2

Milvus

MILVUS_URI = “./milvus_fashion.db” COLLECTION = “fashion_products” TOP_K = 3

Paths

IMAGE_DIR = “./images” NEW_PRODUCT_DIR = “./new_products” PRODUCT_CSV = “./products.csv” NEW_PRODUCT_CSV = “./new_products.csv”

OpenRouter client (shared for LLM + image gen)

llm = OpenAI(api_key=OPENROUTER_API_KEY, base_url=”https://openrouter.ai/api/v1”)

print(“Config loaded. All models via OpenRouter API.”)

工具函数

定义一组工具函数，用于图片编码、API 调用和结果解析：

image_to_uri()：将 PIL 图片转为 base64 data URI，用于 API 传输

get_image_embeddings()：批量调用 OpenRouter Embedding API，图片 → 2048 维向量

get_text_embedding()：文本 → 2048 维向量（同一向量空间）

sparse_to_dict()：将 scipy 稀疏矩阵行转为 Milvus 稀疏向量格式 {index: value}

extract_images()：从 Nano Banana 2 的 API 响应中提取生成的图片

# – Utility functions –

def image_to_uri(img, max_size=1024):

"""Convert PIL Image to base64 data URI.""" img = img.copy() w, h = img.size if max(w, h) > max_size: r = max_size / max(w, h) img = img.resize((int(w * r), int(h * r)), Image.LANCZOS) buf = io.BytesIO() img.save(buf, format="JPEG", quality=85) return f"data:image/jpeg;base64,{base64.b64encode(buf.getvalue()).decode()}" 

def get_image_embeddings(images, batch_size=5):

"""Encode images via OpenRouter embedding API.""" all_embs = [] for i in tqdm(range(0, len(images), batch_size), desc="Encoding images"): batch = images[i : i + batch_size] inputs = [ {"content": [{"type": "image_url", "image_url": {"url": image_to_uri(img, max_size=512)}}]} for img in batch ] resp = req.post( "https://openrouter.ai/api/v1/embeddings", headers={"Authorization": f"Bearer {OPENROUTER_API_KEY}"}, json={"model": EMBED_MODEL, "input": inputs}, timeout=120, ) data = resp.json() if "data" not in data: print(f"API error: {data}") continue for item in sorted(data["data"], key=lambda x: x["index"]): all_embs.append(item["embedding"]) time.sleep(0.5) # rate limit friendly return np.array(all_embs, dtype=np.float32) 

def get_text_embedding(text):

"""Encode text via OpenRouter embedding API.""" resp = req.post( "https://openrouter.ai/api/v1/embeddings", headers={"Authorization": f"Bearer {OPENROUTER_API_KEY}"}, json={"model": EMBED_MODEL, "input": text}, timeout=60, ) return np.array(resp.json()["data"][0]["embedding"], dtype=np.float32) 

def sparse_to_dict(sparse_row):

"""Convert scipy sparse row to Milvus sparse vector format {index: value}.""" coo = sparse_row.tocoo() return {int(i): float(v) for i, v in zip(coo.col, coo.data)} 

def extract_images(response):

"""Extract generated images from OpenRouter response.""" images = [] raw = response.model_dump() msg = raw["choices"][0]["message"] # Method 1: images field (OpenRouter extension) if "images" in msg and msg["images"]: for img_data in msg["images"]: url = img_data["image_url"]["url"] b64 = url.split(",", 1)[1] images.append(Image.open(io.BytesIO(base64.b64decode(b64)))) # Method 2: inline base64 in content parts if not images and isinstance(msg.get("content"), list): for part in msg["content"]: if isinstance(part, dict) and part.get("type") == "image_url": url = part["image_url"]["url"] if url.startswith("data:image"): b64 = url.split(",", 1)[1] images.append(Image.open(io.BytesIO(base64.b64decode(b64)))) return images 

print(“Utility functions ready.”)

Step 3：加载商品目录

读取 products.csv 元数据和对应的商品图片：

with open(PRODUCT_CSV, newline=“”, encoding=“utf-8”) as f:

products = list(csv.DictReader(f)) 

product_images = [] for p in products:

img = Image.open(os.path.join(IMAGE_DIR, p["image_path"])).convert("RGB") product_images.append(img) 

print(f”Loaded {len(products)} products.“) for i in range(3):

p = products[i] print(f"{p['product_id']} | {p['category']} | {p['color']} | {p['style']} | sales: {p['sales_count']}") display(product_images[i].resize((180, int(180 * product_images[i].height / product_images[i].width))))

输出示例：

Step 4：生成 Embedding

为混合检索生成两种类型的向量：

通过 OpenRouter 调用 `
nvidia/llama-nemotron-embed-vl-1b-v2` 模型，将每张商品图编码为 2048 维稠密向量。该模型支持图文混合编码，同一向量空间内既可以搜图，也可以搜文。

# Dense embeddings: image → 2048-dim vector via OpenRouter API 

dense_vectors = get_image_embeddings(product_images, batch_size=5) print(f”Dense vectors: {dense_vectors.shape} (products x {EMBED_DIM}d)“)

输出：

Dense vectors: (40, 2048) (products x 2048d)

对商品的文字描述（description 字段）使用 sklearn 的 TF-IDF 生成稀疏向量，用于关键词匹配：

# Sparse embeddings: TF-IDF on product descriptions descriptions = [p[“description”] for p in products] tfidf = TfidfVectorizer(stop_words=“english”, max_features=500) tfidf_matrix = tfidf.fit_transform(descriptions)

sparse_vectors = [sparse_to_dict(tfidf_matrix[i]) for i in range(len(products))] print(f”Sparse vectors: {len(sparsevectors)} products, vocab size: {len(tfidf.vocabulary)}“) print(f”Sample sparse vector (SKU001): {len(sparse_vectors[0])} non-zero terms”)

输出：

Sparse vectors: 40 products, vocab size: 179 Sample sparse vector (SKU001): 11 non-zero terms

>为什么需要两种向量？两者结合，检索效果显著优于单一方式

- Dense 向量捕捉视觉特征（颜色、款式、风格），适合「以图搜图」

- Sparse 向量捕捉关键词语义（”floral”、”midi”、”chiffon”），适合文字匹配

Step 5：创建 Milvus Collection（混合 Schema）

这是本教程的核心步骤：

创建一个同时包含 Dense 向量、Sparse 向量和标量字段的混合 Schema：

milvus_client = MilvusClient(uri=MILVUS_URI)

if milvus_client.has_collection(COLLECTION):

milvus_client.drop_collection(COLLECTION) 

schema = milvus_client.create_schema(auto_id=True, enable_dynamic_field=True) schema.add_field(“id”, DataType.INT64, is_primary=True) schema.add_field(“product_id”, DataType.VARCHAR, max_length=20) schema.add_field(“category”, DataType.VARCHAR, max_length=50) schema.add_field(“color”, DataType.VARCHAR, max_length=50) schema.add_field(“style”, DataType.VARCHAR, max_length=50) schema.add_field(“season”, DataType.VARCHAR, max_length=50) schema.add_field(“sales_count”, DataType.INT64) schema.add_field(“description”, DataType.VARCHAR, max_length=500) schema.add_field(“price”, DataType.FLOAT) schema.add_field(“dense_vector”, DataType.FLOAT_VECTOR, dim=EMBED_DIM) schema.add_field(“sparse_vector”, DataType.SPARSE_FLOAT_VECTOR)

index_params = milvus_client.prepare_index_params() index_params.add_index(field_name=“dense_vector”, index_type=“FLAT”, metric_type=“COSINE”) index_params.add_index(field_name=“sparse_vector”, index_type=“SPARSE_INVERTED_INDEX”, metric_type=“IP”)

milvus_client.create_collection(COLLECTION, schema=schema, index_params=index_params) print(f”Milvus collection ‘{COLLECTION}’ created with hybrid schema.“)

插入数据

# Insert all products rows = [] for i, p in enumerate(products):

rows.append({ "product_id": p["product_id"], "category": p["category"], "color": p["color"], "style": p["style"], "season": p["season"], "sales_count": int(p["sales_count"]), "description": p["description"], "price": float(p["price"]), "dense_vector": dense_vectors[i].tolist(), "sparse_vector": sparse_vectors[i], }) 

milvus_client.insert(COLLECTION, rows) stats = milvus_client.get_collection_stats(COLLECTION) print(f”Inserted {stats[‘row_count’]} products into Milvus.“)

输出：

Inserted 40 products into Milvus.

Step 6：混合检索——为新品找到相似爆款

这是 Milvus 高级功能的核心演示。对于每个新品，我们同时执行：

1.Dense 检索：图片 Embedding 相似度（新品长什么样？）

2.Sparse 检索：TF-IDF 文字匹配（关键词是否一致？）

3.标量筛选：品类匹配 + 只看爆款（sales_count > 1500）

4.RRF 重排序：融合 Dense + Sparse 结果

加载新品

# Load new products with open(NEW_PRODUCT_CSV, newline=”“, encoding=“utf-8”) as f:

new_products = list(csv.DictReader(f)) 

Pick the first new product for demo

new_prod = new_products[0] new_img = Image.open(os.path.join(NEW_PRODUCT_DIR, new_prod[“image_path”])).convert(“RGB”)

print(f”New product: {new_prod[‘new_id’]}“) print(f”Category: {new_prod[‘category’]} | Style: {new_prod[‘style’]} | Season: {new_prod[‘season’]}“) print(f”Prompt hint: {new_prod[‘prompt_hint’]}“) display(new_img.resize((300, int(300 * new_img.height / new_img.width))))

输出：

编码新品

# Encode new product

Dense: image embedding via API

query_dense = get_image_embeddings([new_img], batch_size=1)[0]

Sparse: TF-IDF from text query

query_text = f”{new_prod[‘category’]} {new_prod[‘style’]} {new_prod[‘season’]} {new_prod[‘prompt_hint’]}” query_sparse = sparse_to_dict(tfidf.transform([query_text])[0])

Scalar filter

filter_expr = f’category == “{new_prod[“category”]}” and sales_count > 1500’

print(f”Dense query: {query_dense.shape}“) print(f”Sparse query: {len(query_sparse)} non-zero terms”) print(f”Filter: {filter_expr}“)

输出：

Dense query: (2048,) Sparse query: 6 non-zero terms Filter: category == “midi_dress” and sales_count > 1500

执行混合检索

>关键代码解析：

AnnSearchRequest 分别为 Dense 和 Sparse 向量创建搜索请求

expr=filter_expr 在每个请求中加入标量过滤条件

RRFRanker(k=60) 使用 Reciprocal Rank Fusion 算法融合两路搜索结果

hybrid_search 将所有请求合并执行，返回综合排名

# Hybrid search: dense + sparse + scalar filter + RRF reranking dense_req = AnnSearchRequest(

data=[query_dense.tolist()], anns_field="dense_vector", param={"metric_type": "COSINE"}, limit=20, expr=filter_expr, 

) sparse_req = AnnSearchRequest(

data=[query_sparse], anns_field="sparse_vector", param={"metric_type": "IP"}, limit=20, expr=filter_expr, 

)

results = milvus_client.hybrid_search(

collection_name=COLLECTION, reqs=[dense_req, sparse_req], ranker=RRFRanker(k=60), limit=TOP_K, output_fields=["product_id", "category", "color", "style", "season", "sales_count", "description", "price"], 

)

Display retrieved bestsellers

retrieved_products = [] retrieved_images = [] print(f”Top-{TOP_K} similar bestsellers:\n”) for hit in results[0]:

entity = hit["entity"] pid = entity["product_id"] img = Image.open(os.path.join(IMAGE_DIR, f"{pid}.jpg")).convert("RGB") retrieved_products.append(entity) retrieved_images.append(img) print(f"{pid} | {entity['category']} | {entity['color']} | {entity['style']} " f"| sales: {entity['sales_count']} | ${entity['price']:.1f} | score: {hit['distance']:.4f}") print(f" {entity['description']}") display(img.resize((250, int(250 * img.height / img.width)))) print()

输出：排名前三最相似的爆款

Step 7：用 Qwen3.5 分析爆款风格

将检索到的爆款宣传图发给 Qwen3.5 多模态 LLM，让它分析场景、灯光、姿势、氛围，并生成一段风格描述 prompt：

content = [ {"type": "image_url", "image_url": {"url": image_to_uri(img)}} for img in retrieved_images 

] content.append({

"type": "text", "text": ( "These are our top-selling fashion product photos.\n\n" "Analyze their common visual style in these dimensions:\n" "1. Scene / background setting\n" "2. Lighting and color tone\n" "3. Model pose and framing\n" "4. Overall mood and aesthetic\n\n" "Then, based on this analysis, write ONE concise image generation prompt " "(under 100 words) that captures this style. The prompt should describe " "a scene for a model wearing a new clothing item. " "Output ONLY the prompt, nothing else." ), 

})

response = llm.chat.completions.create(

model=LLM_MODEL, messages=[{"role": "user", "content": content}], max_tokens=512, temperature=0.7, 

) style_prompt = response.choices[0].message.content.strip() print(“Style prompt from Qwen3.5:\n”) print(style_prompt)

Qwen3.5 输出示例：

Style prompt from Qwen3.5:

Professional full-body fashion photograph of a model wearing a stylish new dress. Bright, soft high-key lighting that illuminates the subject evenly. Clean, uncluttered background, either stark white or a softly blurred bright outdoor setting. The model stands in a relaxed, natural pose to showcase the garment’s silhouette and drape. Sharp focus, vibrant colors, fresh and elegant commercial aesthetic.

Step 8：用 Nano Banana 2 生成宣传图

将新品平铺图+爆款参考图+风格 prompt发给 Nano Banana 2，生成专业宣传图：

gen_prompt = (

f"I have a new clothing product (Image 1: flat-lay photo) and a reference " f"promotional photo from our bestselling catalog (Image 2).\n\n" f"Generate a professional e-commerce promotional photograph of a female model " f"wearing the clothing from Image 1.\n\n" f"Style guidance: {style_prompt}\n\n" f"Scene hint: {new_prod['prompt_hint']}\n\n" f"Requirements:\n" f"- Full body shot, photorealistic, high quality\n" f"- The clothing should match Image 1 exactly\n" f"- The photo style and mood should match Image 2" 

)

gen_content = [

{"type": "image_url", "image_url": {"url": image_to_uri(new_img)}}, {"type": "image_url", "image_url": {"url": image_to_uri(retrieved_images[0])}}, {"type": "text", "text": gen_prompt}, 

]

print(“Generating promotional photo with Nano Banana 2…”) gen_response = llm.chat.completions.create(

model=IMAGE_GEN_MODEL, messages=[{"role": "user", "content": gen_content}], extra_body={ "modalities": ["text", "image"], "image_config": {"aspect_ratio": "3:4", "image_size": "2K"}, }, 

) print(“Done!”)

>Nano Banana 2 API 关键参数：

modalities: [“text”, “image”]：必须声明输出包含图片

image_config.aspect_ratio：控制宽高比（3:4 适合人像）

image_config.image_size：分辨率（支持 512px 到 4K）

提取生成的图片

generated_images = extract_images(gen_response)

text_content = gen_response.choices[0].message.content if text_content:

print(f"Model response: {text_content[:300]}\n") 

if generated_images:

for i, img in enumerate(generated_images): print(f"--- Generated promo photo {i+1} ---") display(img) img.save(f"promo_{new_prod['new_id']}_{i+1}.png") print(f"Saved: promo_{new_prod['new_id']}_{i+1}.png") 

else:

print("No image generated. Raw response:") print(gen_response.model_dump())

输出：

Step 9：对比展示

print("=" * 50) 

print(“NEW PRODUCT (flat-lay)”) print(“=” * 50) display(new_img.resize((400, int(400 * new_img.height / new_img.width))))

print(“\n” + “=” * 50) print(f”BESTSELLER REFERENCE ({retrieved_products[0][‘product_id’]}, sales: {retrieved_products[0][‘sales_count’]})“) print(”=” * 50) display(retrieved_images[0].resize((400, int(400 * retrieved_images[0].height / retrieved_images[0].width))))

if generated_images:

print("\n" + "=" * 50) print("GENERATED PROMOTIONAL PHOTO") print("=" * 50) display(generated_images[0])

从下面的对比结果可以看出，Nano Banana 2 生成的新品宣传图，整体场景氛围很棒，光线柔和，模特姿态自然。

唯一瑕疵是开衫像是直接“贴”上去的，领口处的白色标签明显外露，破坏了真实感，说明模型在服装与人体的融合上还有提升空间。

Step 10：批量生成所有新品

将完整流程封装为函数，对所有新品执行：混合检索 → 风格分析 → 宣传图生成。（由于本文篇幅过长，此处省略代码。有需要的可以留言或者私信小编）

我们为剩下几个新品批量生成了宣传图。从下面的宣传图可以看出，，Qwen3.5对新品适配的季节、使用场景及搭配配饰等维度具备深度理解与精准把控；Nano Banana 2则可高质量渲染对应视觉画面，呈现效果逼真，达到以假乱真的水准。

以上由AI 驱动的快时尚宣传图生成流水线，有四大优势：

零本地模型：所有 AI 模型通过 OpenRouter API 调用

Milvus 混合检索：Dense + Sparse + Scalar 三路融合，检索精度远超单一向量检索

端到端自动化：从新品平铺图到宣传图，全流程自动化

成本可控：Embedding 模型免费，Nano Banana 2 价格仅为 Pro 版本的一半

但也有一些不足，比如少量服装与人体融合不自然、小配饰细节模糊的问题，两个简单技巧即可解决：

首先，分步骤生图：先生成爆款同款场景背景，再生成模特图，最后将自家产品融图，大幅提升融合度；

此外，使用中需要精细化 prompt：在生图 prompt 中加入 服装与人体贴合自然，无外露标签、无多余元素，产品细节清晰，引导模型优化细节。如果还是不行，直接用Pro，这方面pro的稳定性比Nano Banana 2 高很多。