Charakterkonsistenz mit Nano-Banana auf hiapi: Ein Workflow für Storyboards und E-Commerce

Zusammenfassung

Wer schon einmal versucht hat, eine wiederkehrende Figur zu generieren – ein Storyboard-Maskottchen, eine Markenbotschafterin, ein E-Commerce-Anprobemodell – kennt die Fehlermodi längst: Jede Renderings ist „eine Person, die ungefähr gleich aussieht“, und sobald man zwei Frames nebeneinanderlegt, werden die Unterschiede schmerzhaft offensichtlich. Die Nano-Banana-Serie auf hiapi ist genau auf dieses Problem abgestimmt. Dieser Artikel ist der Workflow, den ich tatsächlich verwende:

• Drei Nano-Banana-Modelle auf hiapi, alle mit dem Tag für Charakterkonsistenz: nano-banana (fest $0.05), nano-banana-2 (1K / 2K / 4K für $0.036 / $0.057 / $0.086) sowie nano-banana-pro (1K und 2K für $0.057, 4K für $0.10). Alle drei sind asynchrone Tasks hinter POST /v1/tasks.
• Der Trick ist die Charakter-Bibel, nicht das Referenzbild. Ein dichter, wiederholbarer, deterministischer Beschreibungsstring, der als Präfix an jeden szenenspezifischen Prompt angehängt wird. Kein Image-to-Image, kein Fine-Tuning, kein LoRA. Sie übersteht Modell-Upgrades und lässt sich hervorragend in der Versionskontrolle verwalten.
• Zwei Demos in diesem Artikel, beide in Echtzeit über hiapi gerendert: eine vierteilige Storyboard-Sequenz, in der dieselbe Figur („Mira“) in völlig unterschiedlichem Licht und an verschiedenen Orten erscheint; sowie eine dreiteilige E-Commerce-Sequenz, in der dasselbe Model („Aria“) einen Outfit-Wechsel durchläuft.
• Alle sieben Nano-Banana-Renderings kosten $0.35. Für den direkten Qualitätsvergleich wurde zusätzlich ein Pro-Rendering von Mira für $0.057 erstellt. Gesamtes geschätztes Budget dieses Artikels: $0.41.

Was „Charakterkonsistenz“ in der Praxis wirklich bedeutet

Konsistenz ist keine einzelne Eigenschaft – sie ist ein kleines Bündel von Eigenschaften, die bei mehreren Renderings gleichzeitig zutreffen müssen, damit das Ergebnis wie dieselbe Person wirkt:

1. Gesichtsgeometrie. Augenabstand, Nasenlänge, Kieferbreite, Wangenvolumen.
2. Haut- und Haarmale. Hautton, Sommersprossen oder Schönheitsflecken, Haarfarbe und Haarstruktur.
3. Kleidung und Accessoires. Die eine bestimmte Jacke, die eine bestimmte Strickmütze, der eine bestimmte Werkzeuggürtel.
4. Ausstrahlung. Das Repertoire an Posen und Gesichtsausdrücken – die Art, wie diese Figur sich zeigt.

Wenn der Prompt dicht genug ist, bewältigen die Nano-Banana-Modelle auf hiapi die Punkte 1, 2 und 3 gut. Punkt 4 liegt bei dir – der Autorin oder dem Autor –, indem du in die Charakter-Bibel auch Posen- und Ausdruckshinweise schreibst, nicht nur das Aussehen.

Die drei Nano-Banana-Modelle auf hiapi

Auszug aus dem zum Redaktionszeitpunkt live verfügbaren /api/pricing-Katalog:

Modell	Auflösungsstufen	Preis (USD/Bild)	Auswahlgrund
nano-banana	Nur Seitenverhältnis, kein Auflösungsparameter	fest $0.05	Schnelle Iteration. Das Modell, mit dem du die Figur entwirfst.
nano-banana-2	1K / 2K / 4K	$0.036 / $0.057 / $0.086	4K-Ausgabe, deutlich stärkere Darstellung kleiner Schrift. Unter der aktuellen Preisregel ist die 2K-Stufe teurer als 1K.
nano-banana-pro	1K / 2K / 4K	$0.057 / $0.057 / $0.10	Schärfere Details, tiefergehende Mikromerkmale, am hartnäckigsten bei der Identitätserhaltung unter drastischen Szenenwechseln.

Alle drei akzeptieren input.prompt plus input.aspect_ratio. Die Pro- und -2-Varianten akzeptieren zusätzlich input.resolution (eines von 1K / 2K / 4K). Das festpreisige nano-banana lehnt das Feld resolution mit 400 ab – setze es nur, wenn du ein Modell mit gestaffelten Stufen gewählt hast.

Meine Faustregeln:

• Die Bibel in der 1K-Stufe von nano-banana-2 iterieren – $0.036 ist derzeit der günstigste der drei.
• Produktionschargen in der 1K- oder 2K-Stufe von nano-banana-2 rendern. Bei 2K kostet es $0.057, genauso viel wie Pro, also lohnt es sich, Pro auszuprobieren, wenn du ohnehin 2K brauchst.
• Hero-Shots – der eine Frame, der auf die Startseite, ins Media-Kit oder in den gedruckten Lookbook kommt – mit nano-banana-pro rendern.

Die Technik der Charakter-Bibel

Eine Charakter-Bibel ist ein dichter Absatz, den du als Präfix an jeden Prompt für diese Figur anhängst. Sie muss konkret genug sein, damit das Modell keinen Spielraum zum Abdriften hat, aber nicht so überbestimmt, dass dir kein Raum für die Szene bleibt.

Hier ist die exakte Bibel, die ich für die Storyboard-Figur dieses Artikels geschrieben habe:

MIRA = (
    "Mira, a 28-year-old field engineer of mixed Filipina–Polish "
    "heritage, warm olive skin, narrow oval face, dark almond eyes "
    "with light crow's-feet, thick straight black eyebrows, a small "
    "mole on the right cheek, shoulder-length wavy black hair tied "
    "loosely behind, rust-orange beanie with a small embroidered "
    "antenna patch, dust-faded denim jacket over a graphite grey "
    "t-shirt, dark cargo trousers, scuffed brown leather work boots, "
    "a battered yellow toolbelt, friendly determined expression. "
    "Cinematic photography, 35mm lens look, natural film grain, "
    "neutral colour grade."
)

Diese Bibel hat sechs bewusste Entwurfsentscheidungen:

1. Gib ihr einen Namen. „Mira“ gibt dem Modell einen stabilen Handle. Auch wenn der Name nie im Bild erscheint, scheint ein Name im Prompt die Identität zu verankern.
2. Der gemischte Hintergrund ist explizit, und beide Hälften werden genannt. „Eine Frau“ oder „asiatisch“ ist vage. „Filipina–polnisch“ zwingt das Modell zu einer konkreten Gesichtsmischung.
3. Augen, Augenbrauen, Haare und Haut werden separat beschrieben. Verlass dich nicht auf „hübsch“ oder „natürlich“. Schreib die Geometrie klar auf.
4. Ein einzigartiges Gesichtsmerkmal. Der Leberfleck auf der rechten Wange. Selbst wenn er gelegentlich wandert, drängt dieses Merkmal das Modell in einen bestimmten Identitätsraum.
5. Die Kleidung wird benannt statt locker beschrieben. „Rostorangene Strickmütze mit kleinem besticktem Antennen-Patch“ ist reproduzierbar. „Mütze“ nicht.
6. Ein fotografischer Stil-Stempel am Ende. „Cinematic photography, 35mm lens look, natural film grain, neutral colour grade.“ Das hält die Lichtsprache zwischen ansonsten völlig unterschiedlichen Szenen konsistent.

Der szenenspezifische Prompt ist dann nur noch: Bibel + Trennzeichen + ein kurzer Szenenabsatz. Ich verwende " | Scene: " als Trennzeichen. Es liest sich in Logs klar, und das Modell behandelt die zweite Hälfte als neue Anfrage.

Den asynchronen Task-Endpunkt von hiapi aufrufen

Alle Bildmodelle auf hiapi folgen demselben asynchronen Muster: POST /v1/tasks zum Erstellen, GET /v1/tasks/{taskId} zum Abfragen, bei Erfolg data.output[0].url lesen, um das gerenderte Bild zu erhalten. Ausgabe-URLs sind kurzlebig (mit expireAt), also lade die Bytes sofort in deinen Speicher herunter.

import os, json, subprocess, time

API = "https://api.hiapi.ai/v1/tasks"
TOKEN = os.environ["HIAPI_TOKEN"]


def submit(model: str, prompt: str, aspect_ratio: str,
           resolution: str | None = None) -> str:
    payload = {
        "model": model,
        "input": {"prompt": prompt, "aspect_ratio": aspect_ratio},
    }
    # Only nano-banana-pro and nano-banana-2 accept `resolution`.
    # The flat-priced nano-banana returns 400 on the extra field.
    if resolution and model in ("nano-banana-pro", "nano-banana-2"):
        payload["input"]["resolution"] = resolution

    r = subprocess.run(
        ["curl", "-s", "-X", "POST", API,
         "-H", f"Authorization: Bearer {TOKEN}",
         "-H", "Content-Type: application/json",
         "-d", json.dumps(payload)],
        capture_output=True, text=True, timeout=70,
    )
    data = json.loads(r.stdout)
    return data["data"]["taskId"]


def wait(task_id: str, timeout_s: int = 600) -> str:
    deadline = time.time() + timeout_s
    while time.time() < deadline:
        r = subprocess.run(
            ["curl", "-s", f"{API}/{task_id}",
             "-H", f"Authorization: Bearer {TOKEN}"],
            capture_output=True, text=True, timeout=40,
        )
        task = json.loads(r.stdout)["data"]
        if task["status"] == "success":
            return task["output"][0]["url"]
        if task["status"] == "fail":
            raise RuntimeError(task["error"])
        time.sleep(6)
    raise RuntimeError(f"timeout: {task_id}")


def render(model, scene, ratio, bible, resolution=None):
    prompt = f"{bible} | Scene: {scene}"
    return wait(submit(model, prompt, ratio, resolution))

Für Nano-Banana ist ein Abfrageintervall von 6 Sekunden ein sinnvoller Standard – an einem guten Tag ist ein einzelnes Bild in etwa 10–60 Sekunden da. Häufiger abzufragen verschwendet nur Roundtrips.

Demo A – Ein vierteiliges Storyboard, dieselbe Figur

Der ganze Sinn eines Storyboards: Die Geschichte ist das, was sich zwischen den Panels ändert – die Hauptfigur ist die Konstante. Ich werde ein Charakter-Sheet und zwei Szenenaufnahmen generieren, alle mit exakt derselben Mira-Bibel.

Schritt 1 – Die Bibel visualisieren

Bevor du die Bibel ins Repository übernimmst, rendere mit ihr ein Charakter-Sheet. Das ist der günstigste Weg herauszufinden, ob die Bibel ausreichend verankert.

sheet = render(
    "nano-banana", aspect_ratio="3:2", bible=MIRA, scene=(
        "a character model sheet on a clean white studio background, "
        "three views of Mira side by side — three-quarter view facing "
        "left, full profile facing right, three-quarter back view — "
        "same outfit, same hairstyle, same toolbelt, even neutral "
        "studio lighting, no shadows, no text labels."
    ),
)

Hier ist etwas Bemerkenswertes passiert: Obwohl die Bibel ausdrücklich „Cinematic photography, 35mm lens look“ vorgibt, lieferte das Modell ein 3D-Cartoon-Sheet. Das ist der häufigste Fehlermodus, wenn man nach einem „model sheet“ oder „character sheet“ fragt – diese Tokens ziehen die Ästhetik in Richtung der Animationsbranchen-Referenzen im Trainingsdatensatz. Es gibt zwei Umgangsweisen:

• Akzeptieren. Das Sheet ist ein Referenzdokument für die Bibel, kein Teil des veröffentlichten Deliverables. Kleidung, Accessoires und grobe Proportionen sind sichtbar, und genau das brauchst du eigentlich.
• Im Szenenabschnitt mit "shot on Kodak Portra 400, full-frame DSLR, no illustration, no toon, no 3D render" gegensteuern – das reicht meist, um es zurück in den Fotorealismus zu ziehen.

Ich habe hier Option 1 gewählt, weil die beiden folgenden Szenenaufnahmen die Produktionsframes sind.

Schritt 2 – Dieselbe Mira in zwei völlig unterschiedliche Umgebungen setzen

workshop = render("nano-banana", "3:2", MIRA, scene=(
    "Mira in a cluttered repair workshop, leaning over a wooden "
    "workbench under a single warm hanging bulb, reading a circuit "
    "schematic on tablet, soldering iron beside her, walls lined "
    "with scavenged parts, late evening, focused expression."
))

rooftop = render("nano-banana", "3:2", MIRA, scene=(
    "Mira on a city rooftop in cold overcast morning light, kneeling "
    "to bolt a small antenna mast to a ledge, wind moving her hair, "
    "distant grey buildings, breath barely visible, concentrated "
    "working expression."
))

Die beiden Szenen haben umgebungstechnisch nichts gemeinsam – warmes Wolframlicht in einem engen Innenraum gegen kaltes Tageslicht auf einem offenen Dach. Aber die rostfarbene Strickmütze mit Antennen-Patch ist dieselbe, die Jeansjacke ist dieselbe, der Werkzeuggürtel ist derselbe, und das Gesicht liest sich in beiden Bildern als dieselbe junge Frau. Das ist die Bibel bei der Arbeit.

Was sich zwischen den Szenen geändert hat (und was nicht)

Eigenschaft	Werkstatt	Dach
Lichttemperatur	Warmes Wolfram	Kalt, bedeckt
Pose	Sitzend, vorgebeugt	Kniend
Hintergrund	Unordentlicher Innenraum	Offenes Stadtdach
Tageszeit	Später Abend	Früher Morgen
Strickmütze	✅ Gleiches Rostorange + Patch	✅ Gleich
Jeansjacke	✅ Gleiche Waschung	✅ Gleich
Werkzeuggürtel	✅ Gleiches gelbes Leder	✅ Gleich
Gesichtsgeometrie	✅ Gleich	✅ Gleich
Schönheitsfleck	Auf der rechten Wange	Vorhanden (etwas blasser)

Die letzte Zeile ist die wichtigste. Unter zwei völlig unterschiedlichen Lichtsituationen bleibt der kleine Leberfleck auf der rechten Wange. Genau das ist das Signal, das du willst.

Demo B – Eine dreiteilige E-Commerce-Sequenz, dasselbe Model

E-Commerce ist die schwierigere der beiden Demos in diesem Artikel. Das Model muss über mehrere Winkel und Outfit-Wechsel hinweg buchstäblich identisch aussehen, weil die Kundinnen und Kunden der Marke diese Fotos auf der Produktdetailseite im Kopf gegeneinander A/B-testen. Selbst kleine Abweichungen brechen die Illusion.

Hier ist Aria Bibel:

ARIA = (
    "Aria, a 26-year-old fashion catalogue model of Korean descent, "
    "soft warm undertone skin, oval face with slightly defined "
    "cheekbones, thin straight black eyebrows, dark brown almond "
    "eyes, small natural lips with a faint warm pink, a single "
    "beauty mark just below the left eye, centre-parted glossy "
    "black hair falling straight to mid-back, ears pierced with a "
    "single small gold stud each side, no other jewellery, calm "
    "neutral expression, even soft studio lighting from front-left, "
    "clean light grey seamless paper backdrop, full-body framing, "
    "50mm portrait lens look, neutral colour balance, slight matte "
    "film finish."
)

Diese Bibel macht drei Dinge, die die Mira-Bibel nicht macht:

• Sie fixiert Licht und Hintergrund. Ein Katalogmodel muss in einem sauberen grauen Hintergrund und flachem Studiolicht von vorn links leben. Beides in die Bibel zu schreiben, lässt jedes Rendering genau dort beginnen.
• Sie gibt die Bildkomposition vor. „Full-body framing, 50mm portrait lens look“ lässt sich über alle drei Bilder konsistent reproduzieren.
• Sie nagelt den Negativraum fest. „No other jewellery“ ist ein kleiner Satz, der Nano-Banana davon abhält, in der Hälfte der Renderings spontan Ketten oder Uhren hinzuzufügen.

Schritt 1 – Das frontale Hauptbild

frontal = render("nano-banana", "3:4", ARIA, scene=(
    "full-body straight-on frontal e-commerce shot, Aria standing "
    "relaxed with arms at sides, wearing a structured rust-olive "
    "wool blazer (single-breasted, two buttons, notch lapel, no "
    "pattern) over a plain ivory crew-neck t-shirt and straight-leg "
    "dark indigo denim jeans, simple white leather sneakers, clean "
    "look-book composition."
))

Ein ehrlicher Hinweis zum gerenderten Blazer: Der Prompt verlangte Rostoliv, und Nano-Banana interpretierte es als warmes Tabakbraun. Spezifische Farbnamen im Pantone-Stil („rust-olive“, „burnt sienna“, „ultramarine“) lassen sich in der Generierung nicht zuverlässig reproduzieren. Wenn du markengenaue Farben brauchst, rendere zuerst das Basisbild und führe dann auf einem farbspezialisierten Modell ein Image-to-Image durch – oder kaufe nur für den Hero-Moment mit nano-banana-pro ein farbgenaues Musterbild und akzeptiere den Preis.

Schritt 2 – Dreiviertelwinkel, gleiches Outfit

side = render("nano-banana", "3:4", ARIA, scene=(
    "full-body three-quarter angle from her right, Aria standing "
    "relaxed, wearing the same structured rust-olive wool blazer "
    "(single-breasted, two buttons, notch lapel, no pattern) over "
    "a plain ivory crew-neck t-shirt and straight-leg dark indigo "
    "denim jeans, simple white leather sneakers, hands by her "
    "sides, look-book lighting."
))

Genau hier scheitern Charakterkonsistenz-Demos immer: dieselbe Person, gedreht. Das Gesicht muss gleich bleiben, die Frisur muss gleich bleiben, und auch die Art, wie die Kleidung an ihr sitzt, muss gleich bleiben. Nebeneinander gelesen wirken die beiden Fotos wie dieselbe Produktion – dasselbe Model, dieselbe Call-Sheet, derselbe Schminkstuhl. Das ist das Ergebnis, das du brauchst.

Schritt 3 – Dasselbe Model, völlig anderes Outfit

swap = render("nano-banana", "3:4", ARIA, scene=(
    "full-body straight-on frontal e-commerce shot, Aria standing "
    "relaxed with arms at sides, now wearing an oversized "
    "camel-coloured double-breasted wool overcoat (mid-thigh length, "
    "wide lapels, large mother-of-pearl buttons) over a black "
    "turtleneck and straight-leg charcoal trousers, black ankle "
    "boots, look-book lighting."
))

Das ist die Demo, die Nano-Banana das Etikett der Charakterkonsistenz eingebracht hat. Dasselbe Gesicht, derselbe Leberfleck unter dem linken Auge, dieselbe Haarlänge und derselbe Scheitel, dieselben goldenen Ohrstecker, dieselbe Posen-Sprache – nur Kleidung und Silhouette ändern sich. Wenn du eine virtuelle Anprobepipeline, einen automatischen Lookbook-Generator oder eine in Serie produzierte PDP-Fotostrecke baust, ist dies genau die Transformation, die du ein paar tausend Mal ausführen wirst.

Wann du Nano-Banana-Pro einsetzen solltest

Ich habe zusätzlich ein Mira-Rendering auf nano-banana-pro in der 1K-Stufe erstellt, aktuelle Schätzung: $0.057, nur um den Kompromiss zwischen Kosten und Qualität zu verankern:

Dieselbe Mira-Bibel. Dasselbe Trennzeichen " | Scene: ". Nur der Modellname geändert. Du zahlst $0.007 mehr pro Bild (Pro mit $0.057 gegenüber dem festpreisigen Nano-Banana mit $0.05) und bekommst dafür tatsächlich:

• Schärfere Mikrodetails – einzelne Haare, Jeansgewebe, der bestickte Patch auf der Strickmütze.
• Bessere Bewahrung der weniger auffälligen Identitätsmerkmale – Augenform und Brauenwölbung wirken stärker wie der Rest der Mira-Serie.
• Bessere Darstellung kleiner Schrift. Wenn deine Szene ein Schild, ein Etikett oder ein Logo braucht, das in Thumbnail-Größe lesbar ist, willst du Pro.

Für Szenarien mit hohem Volumen (etwa Hunderte von Frames pro Tag für Storyboards oder programmatische Kataloggenerierung) ist die 1K-Stufe von nano-banana-2 mit $0.036 der passende Standard. Pro kostet bei 1K und 2K jeweils $0.057, gleich wie nano-banana-2 bei 2K, also setze es dort ein, wo du 2K oder Hero-Frames brauchst – Titelbilder, Lookbook-Hauptbilder, Marketing-Einseiter.

Aktuell geschätztes Budget dieses Artikels

Rendering	Modell	Stufe	Aktuelle Schätzung
Titelbild (Mira Solarpark)	Nano-Banana	16:9 fest	$0.05
Charakter-Sheet	Nano-Banana	3:2 fest	$0.05
Storyboard 1 – Werkstatt	Nano-Banana	3:2 fest	$0.05
Storyboard 2 – Dach	Nano-Banana	3:2 fest	$0.05
E-Commerce – Vorderseite	Nano-Banana	3:4 fest	$0.05
E-Commerce – Seite	Nano-Banana	3:4 fest	$0.05
E-Commerce – Outfit-Wechsel	Nano-Banana	3:4 fest	$0.05
Pro-Vergleichsbild	Nano-Banana-Pro	3:2, 1K	$0.057
Gesamt			$0.41

Acht Bilder, ein Bearer-Token, ein HTTP-Endpunkt, kein SDK-Zusammenbau, keine Verwaltung von Upstream-Konten – dafür ist hiapi da.

Praktische Regeln, zu denen ich immer wieder zurückkehre

1. Schreib die Bibel nur einmal, halte sie in der Versionskontrolle, in einem Konstantenmodul. Behandle sie wie jeden anderen Konfigurationsstring. Versioniere sie.
2. Ein Name pro Bibel. „Mira“, „Aria“. Selbst wenn das Modell den Namen nie anzeigt, ist er im Prompt ein stabiler Handle.
3. Wähle drei Identitätsmerkmale und verlass dich hartnäckig auf sie. Für Mira sind es die Strickmütze mit Antennen-Patch, der gelbe Werkzeuggürtel und der kleine Leberfleck. Für Aria sind es der Leberfleck, das mittig gescheitelte Haar und die goldenen Ohrstecker. Wenn diese drei ein Rendering überleben, überlebt die Figur.
4. Vertraue keinen Farbnamen im Pantone-Stil. „Rust-olive“ driftete zu Tabakbraun. Wenn die Farbe wichtig ist, erst rendern und nachgelagert korrigieren oder Pro verwenden und bewusst ein Markenmusterbild aufnehmen.
5. Setze den fotografischen Stil-Stempel ans Ende der Bibel. „Cinematic 35mm“ oder „50mm portrait lens, slight matte film finish“ – am Ende überlebt es die Kürzung langer Prompts.
6. Rendere zuerst das Charakter-Sheet und erwarte, dass es zum Cartoon driftet. Das ist normal. Das Sheet ist für dich selbst, nicht für die Veröffentlichung. Für Produktionsaufnahmen verwendest du dieselbe Bibel plus szeneninterne Prompt-Fragmente, um den Fotorealismus zu bewahren.
7. Für Entwürfe und Massenproduktion nano-banana-2 in 1K ($0.036) verwenden, für Hero-Shots und alles, was 2K braucht, nano-banana-pro (1K oder 2K für $0.057). Baue clientseitig einen kleinen Scheduler, der das Modell aus einem quality-Parameter wählt und die richtige Auflösung weitergibt.
8. Das festpreisige nano-banana lehnt resolution ab. Steuere dieses Feld clientseitig nach Modellnamen. Das ist eine 400, die ich schmerzhaft gelernt habe.

Das ist der Workflow. Nimm eine Bibel, wähle drei Identitätsmerkmale, baue die Szenenabschnitte, löse sie über POST /v1/tasks aus, und dieselbe Person kommt aus jedem Rendering heraus.

Du bevorzugst den Referenzbild-Ansatz gegenüber einer Text-Bibel? Ideogram 3.0 Character fixiert die Figur stattdessen über ein hochgeladenes Referenzbild, und der Prompt-Leitfaden zeigt dieselben Techniken an Maskottchen, Märchenbuchseiten und maskierten Bearbeitungen.