Nano Banana è il nuovo modello di Google DeepMind per l'editing delle immagini, integrato nell'app Gemini dal 26 agosto 2025. Secondo l'annuncio di Google, mantiene l'aspetto delle persone e degli animali tra una modifica e l'altra, e Google lo definisce il modello di editing più apprezzato al mondo in base alla classifica LMArena.

Che cosa sa fare

Le funzioni elencate da Google sono quattro:

  • Coerenza dei soggetti: persone e animali domestici restano riconoscibili anche quando si cambia abbigliamento, ambientazione o scena.
  • Fusione di foto: più immagini caricate vengono combinate in un'unica scena, per esempio una persona e il suo cane in un campo da basket.
  • Modifiche successive: si può continuare a lavorare sull'immagine appena generata, cambiando una parte per volta e lasciando intatto il resto.
  • Trasferimento di stile: la grafica di un'immagine, come il colore e la texture dei petali di un fiore, si applica a un oggetto presente in un'altra, per esempio un paio di stivali da pioggia.

Si possono inoltre cambiare gli sfondi e usare un'immagine modificata come punto di partenza per un video.

Perché la coerenza è la parte importante

Chi ha provato a modificare un'immagine con l'AI conosce il problema: a ogni passaggio il volto cambia leggermente, e dopo tre modifiche la persona non è più la stessa. Un modello che conserva l'identità permette di costruire un risultato per gradi, con istruzioni semplici in linguaggio naturale, senza rigenerare tutto da capo. È ciò che mi ha colpito di più: la precisione con cui interpreta il dettaglio visivo e il realismo di ciò che produce.

Che cosa cambia per chi lavora con le immagini

Con strumenti di questo tipo diventa possibile produrre varianti di una stessa immagine, adattare ambientazioni o preparare bozze visive in pochi passaggi. In un momento in cui il racconto visivo pesa sempre di più nella comunicazione digitale, la capacità di creare e condividere contenuti di qualità diventa una risorsa per individui e aziende, e la soglia d'ingresso si abbassa.

Resta il tema della qualità finale: per lavori destinati alla stampa o a clienti esigenti, il controllo umano sul risultato resta indispensabile.

Esempi d'uso

Gli esempi di Google mostrano bene il tipo di richiesta. Si può chiedere di cambiare l'abito a una persona mantenendone il volto, di inserire in una stessa immagine una persona e il proprio animale domestico, oppure di applicare i colori e la trama di un fiore a un paio di stivali. In tutti i casi la richiesta è una frase in italiano o in inglese, non una selezione con strumenti da ritocco. Per un blog come questo, o per una piccola impresa, significa poter rifinire un'immagine di copertina o un'immagine di prodotto senza passare da un programma di grafica.

Come cambia il flusso di lavoro

Il modello di lavoro che Google descrive è conversazionale: l'immagine non è il risultato di un unico comando, ma di una serie di richieste che si accumulano. Chi è abituato a programmi di grafica tradizionali lo troverà un approccio diverso, più simile a dare istruzioni a un collaboratore che a manipolare livelli e maschere. Il vantaggio è la velocità di prova; il limite è che nessuna richiesta in linguaggio naturale è precisa come un intervento manuale su un singolo pixel.

Marchio di riconoscimento

Google precisa che le immagini create o modificate nell'app Gemini portano una filigrana visibile e una filigrana invisibile SynthID, entrambe a indicare che si tratta di contenuti generati dall'AI. Con la diffusione di editor sempre più realistici è una misura che considero necessaria, anche se da sola non risolve il problema della disinformazione visiva.

Chi c'è dietro

L'annuncio è firmato da David Sharon, Multimodal Generation Lead di Gemini Apps, e da Nicole Brichtova, Gemini Image Product Lead di Google DeepMind. Il loro lavoro porta l'editing delle immagini a un livello di qualità e di facilità d'uso che fino a poco tempo fa richiedeva software specialistico e competenze di ritocco.

Come provarlo

Il modello è disponibile nell'app Gemini: si carica una foto, si descrive la modifica desiderata e si prosegue con richieste successive. Il suggerimento è partire da una modifica semplice e procedere un passo alla volta, verificando a ogni passaggio che il soggetto resti coerente. Se qualcosa non convince, conviene correggere con una richiesta mirata invece di ripartire da zero, perché è proprio il modo di lavorare per modifiche successive che questo aggiornamento rende efficace.