Toongether 會使用 Gemini 2.5 Flash Image 確保藝術風格一致性

生成式 AI 的興起為創意表現開創了新領域，開發人員可以打造工具，讓一般使用者也能成為藝術家。不過，對於漫畫等連續圖像，挑戰不僅在於生成單一優質圖像，還要在數十個格中生成一致的角色、風格和敘事內容。

網路漫畫應用程式背後的公司 Toongether 正面迎戰這項挑戰。他們的使命是普及影像敘事，提供一個平台，讓一般使用者不僅能閱讀漫畫，還能直接透過行動裝置創作及分享自己的漫畫。他們將 Gemini 2.5 Flash Image 整合到創作流程中，協助使用者克服繪圖的技術障礙，讓新一代說書人共同創作。

製作漫畫需要嚴格的一致性。角色必須在不同姿勢、服裝和臉部表情中保持可辨識度，同時遵守統一的藝術風格。

一開始，toongether 團隊採用複雜的堆疊，其中包含經過微調的 Stable Diffusion XL 模型，並透過 ControlNet 和 IPAdapter 等工具強化。雖然這項技術帶來了質性成果，但在延遲和彈性方面卻有困難，成為行動裝置開發人員的主要瓶頸。生成單張圖片需要 20 到 30 秒，速度太慢，無法提供流暢的使用者體驗。此外，支援新姿勢或繪圖風格需要投入大量工程資源，因此無法快速反覆運算。

為克服這些瓶頸，toongether 將核心圖片生成管道遷移至 Gemini API。他們選擇了 Gemini 2.5 Flash Image (又稱「Nano Banana」，因為速度快且靈活)，這個模型具備優異的編輯和指令遵循能力，可處理複雜的多步驟生成工作。

這項轉移作業大幅加快了開發速度，團隊僅僅兩週就從原型階段進入全面生產實作。

為了在維持角色一致性的同時，讓使用者自訂內容，toongether 運用 Gemini 2.5 Flash Image 建構了複雜的多階段管道：

• 風格分析和參考生成：使用者建立新角色時，應用程式會提供精選的參考角色清單給模型，以分析所需風格。根據簡單的文字說明，模型會為這個新原創角色生成「中性姿勢」參考圖片。
• 資產包和姿勢生成：如要將角色放入故事中，toongether 會使用「資產包」，也就是所需姿勢和用途的說明清單。只要提供指令提示和中性參考圖像，就能指示 Gemini 2.5 Flash Image 生成特定情境，同時保留角色的視覺特徵。
• 場景構圖：團隊會提供背景和其他元素的參考圖片，推斷正確的藝術風格，確保面板風格一致。

「我們運用 Gemini 2.5 Flash Image 的進階編輯和指令功能，支援了所有使用案例。」toongether 共同創辦人 Samir Nasser Eddine 說明。「現在已成為我們圖片生成流程不可或缺的一環。」

有了這些基礎元素，toongether 團隊便能著手開發先前因耗用資源過多而無法實現的進階敘事功能。他們計畫使用 Gemini 模型，支援單一面板中多個角色之間的複雜互動，並推出更多元的繪圖風格。

toongether 的歷程說明 Gemini API 如何協助下一代建構者擺脫複雜模型堆疊的管理作業，轉而建構精密的創意工具，並將這些工具擴展至一般使用者。

如要開始使用 Gemini 模型建構自己的創意應用程式，請參閱 API 說明文件。