# Nano Banana 2.1: consistencia de personajes, 4 métodos probados

> Prueba del 3 de noviembre de 2026: Nano Banana 2.1 mantuvo peinado y ropa, pero no los ojos de dos colores ni la cicatriz. Usa siempre la referencia original.

- URL: https://blog.laozhang.ai/es/posts/nano-banana-2-1-character-consistency
- Published: 2026-11-03
- Updated: 2026-11-03
- Author: LaoZhang AI Team (https://blog.laozhang.ai/es/about)
- Topic: Generación de imágenes con IA
- Tags: Nano Banana 2.1, Consistencia de personajes, API de Gemini, Imagen de referencia, Prompts para imágenes

---
Nano Banana 2.1 mantiene al mismo personaje entre escenas por lo que se ve de lejos —el peinado, la prenda principal y sus colores—, pero no garantiza los detalles pequeños de la cara. En una prueba del 3 de noviembre de 2026 con un personaje inventado (media melena asimétrica blanco plateado, un ojo ámbar y otro verde, una cicatriz en forma de estrella en un pómulo, impermeable amarillo mostaza con botones de cobre y bufanda azul verdoso), la media melena plateada y el impermeable mostaza aparecieron en todas las escenas nuevas; los ojos de dos colores se perdieron en el primer plano que partía de la imagen de referencia, y la cicatriz quedó como una marca tenue, desapareció o cambió de mejilla según el método. Google lo admite en la tarjeta del modelo: «Character consistency is not always perfect between input images and generated output image».

Para repetir tu personaje, pasa en cada escena nueva **la misma imagen de referencia original**, acompañada de una frase que pida mantener cara, pelo y ropa idénticos, y describe solo la escena. No uses la última imagen generada como referencia de la siguiente: en la prueba fue el método que más se desvió, con notas de 2 y 3 sobre 5 frente a 3 y 4 con la original. Apoya la identidad en lo que el modelo sí conservó (silueta del peinado, una prenda de color reconocible, un accesorio) y revisa cada resultado antes de usarlo.

La excepción aparente fue describir al personaje solo con texto, que sacó un 4 sobre 5 en todas las notas, pero la imagen de referencia había salido de ese mismo texto. Si tu personaje viene de una foto o de una ilustración, no tienes ese atajo y la referencia original es tu único ancla. Escribir los rasgos pequeños en el prompt junto a la referencia tampoco los recuperó.

## Cómo se probó Nano Banana 2.1: un personaje, tres escenas, 10 llamadas

El 3 de noviembre de 2026 se hicieron 10 llamadas a `gemini-nano-banana-2.1` a 1K y con el nivel de razonamiento por defecto; las 10 devolvieron HTTP 200 con una imagen y `modelVersion: gemini-nano-banana-2.1` en la respuesta. La primera creó la imagen base solo con texto: la descripción completa del personaje, de frente, cabeza y torso visibles, sobre un fondo gris claro de estudio. Las otras nueve pusieron a la misma mujer en tres escenas que cambian distancia y ángulo: una calle lluviosa con neones de noche, vista de tres cuartos de perfil y con paraguas; un primer plano riendo en una cafetería; y un plano entero en un sendero de montaña al amanecer, de tres cuartos de espaldas y girando la cabeza.

Cada escena se generó con uno de cuatro métodos. En el método A, la imagen base original fue la única referencia, con una frase genérica de «mantenla idéntica». En el B, la referencia fue la salida anterior, en cadena: la cafetería a partir de la calle y la montaña a partir de la cafetería. En el C no hubo imagen, solo el texto completo de atributos. El D combinó la referencia original con la lista completa de atributos en el prompt, y se añadió después de la primera evaluación para ver si nombrar los rasgos perdidos los devolvía. A tiene las tres escenas; B, C y D, dos cada uno.

Las llamadas pasaron por el formato nativo `generateContent` de Gemini en LaoZhang API; es la ruta con la que se hizo la prueba, no una recomendación. El ejemplo oficial de Google para 2.1 usa otra interfaz, la Interactions API (`client.interactions.create`), que aquí no se probó. Cada llamada tardó entre 15,8 y 28,2 segundos, una imagen de referencia añadió unos 1.080–1.090 tokens de entrada y solo una de las diez respuestas informó tokens de razonamiento (194). LaoZhang cobra 0,045 $ por llamada, lleve o no referencias, así que las 10 llamadas costaron 0,45 $ a precio de lista.

*Aviso: [laozhang.ai es un servicio propio](https://blog.laozhang.ai/es/about#laozhang). Sus precios son nuestra tarifa, no una comparación independiente.*

Puntuaron las imágenes dos evaluadores ciegos: dos sesiones independientes de un modelo de visión, con contexto nuevo, que veían la referencia y las escenas renombradas y desordenadas sin saber cómo se había hecho cada una. Cada imagen recibió una nota de «misma persona» de 1 a 5 (5, sin duda la misma mujer; 3, podría ser una pariente; 1, otra persona) y una valoración por rasgo, con «no visible» cuando el ángulo o el tamaño de la cara lo impedían. Las imágenes del método D solo las vio el segundo evaluador. No es una puntuación de reconocimiento facial ni una prueba estandarizada: hay una imagen por celda, un solo personaje, un día y un solo proveedor de API.

## Qué conservó cada método: pelo y ropa sí, ojos y cicatriz no

Con cualquiera de los cuatro métodos, 2.1 mantuvo reconocibles la media melena plateada (a veces con un tinte que no estaba) y el impermeable mostaza; donde los métodos se separaron fue en los colores secundarios y en los rasgos pequeños de la cara. La tabla resume lo que vieron los evaluadores en cada imagen; «no visible» significa que la cara o la prenda salían demasiado pequeñas o de espaldas para juzgarlas, no que se conservaran.

| Método | Pelo | Ojos de dos colores | Cicatriz de estrella | Bufanda azul verdoso | Impermeable y botones de cobre | «Misma persona» (1–5) |
| --- | --- | --- | --- | --- | --- | --- |
| A. Referencia original | Se mantiene; tono lavanda en la calle de noche | Perdidos en el primer plano; no visibles en los otros dos | Tenue o dudosa en el primer plano; ausente o no visible en el resto | Igual en el primer plano; más oscura en la calle y la montaña | Mostaza en las tres; cobre en el primer plano, botones no visibles en el resto | 3, 4, 3 (los dos evaluadores coinciden) |
| B. Cadena con la salida anterior | Tono lavanda en la cafetería; más claro y esponjoso en la montaña | Perdidos en la cafetería; no visibles en la montaña | Ausente o no visible | Verde oscuro en las dos | Botones gris metálico en la cafetería | 2 y 2; 3 y 2 |
| C. Solo texto | Se mantiene en las dos | Se mantienen en la calle; perdidos en la montaña | En la mejilla contraria las dos veces | Igual en las dos | Cobre en las dos; corte más corto y cuadrado en la montaña | 4 en todas las notas |
| D. Referencia + lista de atributos | Se mantiene en la calle; más corto y regular en la montaña | Perdidos en la calle; no visibles en la montaña | Ausente en la calle; no visible en la montaña | Igual en la calle; más oscura en la montaña | Cobre en la calle | 4 y 3 (un evaluador) |

La referencia original sostuvo al personaje sin sorpresas grandes, pero dejó claro dónde está el límite. En el primer plano de la cafetería, el único del método A en el que se podían ver los ojos, los dos salieron marrón oscuro, y la cicatriz era, como mucho, una marca tenue en el lado correcto. En la calle de noche y en la montaña la bufanda se oscureció, y las caras eran tan pequeñas que los evaluadores no pudieron comprobar ojos ni cicatriz en 4 o 5 de las 9 imágenes que vieron; en esos planos, que no se vea un error no significa que el rasgo se haya conservado.

La cadena acumuló los cambios en vez de corregirlos. Al usar la imagen de la calle como referencia de la cafetería, la bufanda pasó de azul verdoso a verde bosque, los botones de cobre se volvieron gris metálico y el pelo tomó un tono lavanda; la escena de la montaña, hecha a partir de esa cafetería, heredó la bufanda verde. Son las notas más bajas de la prueba, porque cada salida arrastra lo que la anterior ya había alterado.

Nombrar los rasgos en el prompt no los devolvió. El método D repitió la frase de «mantenla idéntica» y añadió la lista completa de atributos, incluidos «one amber eye and one green eye» y la cicatriz, y aun así en la escena de la calle los dos ojos salieron del mismo color avellana y la cicatriz no apareció; en la montaña la cara era demasiado pequeña para juzgarlos y la bufanda volvió a oscurecerse. En estas dos imágenes, escribir el detalle no hizo que apareciera.

### ¿Basta con describir al personaje con texto para que salga la misma persona?

Describir al personaje solo con palabras funcionó en la prueba por una razón que no se puede trasladar a otros casos. El método C repitió el texto completo de atributos sin ninguna imagen y obtuvo un 4 de los dos evaluadores en las dos escenas: mantuvo la bufanda y los botones de cobre, los ojos de dos colores en una de las dos imágenes y dibujó la cicatriz en la mejilla contraria las dos veces. Pero la imagen base se había generado con ese mismo texto, así que el modelo volvía a dibujar, en parte, la cara que ese texto le sugiere por defecto.

Cuando el personaje no nació de ese texto, la descripción no basta. Astorie, que probó 2.1 con un solo personaje en su propio lienzo (a 4K y con razonamiento alto), lo resume así: un nombre y una descripción de la ropa fijan un tipo de persona, no una identidad. Por eso un personaje que viene de una foto o de un dibujo necesita la imagen como referencia; la prueba no incluyó un personaje de ese tipo, y el texto sirve como refuerzo, no como sustituto.

## ¿Pasar la última imagen o volver a la referencia original?

Para cada escena nueva, vuelve a la referencia original. En la prueba del 3 de noviembre de 2026, la cadena (cada salida como referencia de la siguiente) tuvo las notas de «misma persona» más bajas y desvió los colores de la bufanda, los botones y el pelo, mientras que la original no tuvo ninguna nota por debajo de 3. El estudio de caso de Astorie llega a la misma recomendación: volver a la referencia original cuando cambia la distancia de cámara, porque una edición encadenada arrastra cualquier cambio accidental.

![Comparación de colores por escena: con la referencia original la bufanda solo se oscurece y las notas son 3, 4 y 3; en cadena la bufanda pasa a verde bosque, los botones a gris y las notas bajan a 2 y 3](https://blog.laozhang.ai/posts/es/nano-banana-2-1-character-consistency/img/cadena-vs-referencia-original.webp)

La documentación de Google parece decir lo contrario, pero habla de otra tarea. Para crear [vistas de 360° de un personaje en la guía de generación de imágenes de la API de Gemini](https://ai.google.dev/gemini-api/docs/image-generation), Google aconseja pedir los ángulos uno a uno e incluir las imágenes generadas antes en las peticiones siguientes, y recomienda la conversación de varios turnos para iterar. Eso es girar al mismo personaje en el mismo estudio, no llevarlo a escenas con otra luz y otro encuadre. En la prueba, la cadena pasaba solo la última imagen; si quieres seguir el consejo de Google para una hoja de ángulos, deja la referencia original en la petición junto a las vistas que ya hayas aprobado (esa combinación no se probó).

Si encadenas ediciones en una conversación por API y el segundo turno devuelve un 400, el caso está explicado en [Error de Thought Signature en Nano Banana 2: causa y 3 arreglos](https://blog.laozhang.ai/es/posts/nano-banana-2-thought-signature-error).

## Cómo mantener el mismo personaje en 2.1: referencia, prompt y petición

El orden que mejor resultó en la prueba es fijar primero una imagen base limpia y repetirla tal cual en cada escena, con el prompt dedicado solo a lo que cambia. Estos son los pasos:

1. Diseña el personaje para que se reconozca a distancia. Pon su identidad en una silueta de peinado clara, una prenda con un color propio y algún accesorio; los rasgos pequeños de la cara (color de ojos, cicatrices, lunares) tómalos como un extra que revisarás, no como lo que lo identifica.
2. Crea la imagen base: de frente, cabeza y torso visibles, fondo neutro y luz suave, como en la prueba. Si el personaje sale de una foto o una ilustración, elige como base una en la que la cara se vea grande y la ropa completa.
3. En cada escena, adjunta esa imagen base original, nunca la última salida, y empieza el prompt con la frase de mantener (cara, pelo, ojos, marcas, ropa idénticos a la referencia).
4. Describe a continuación solo la escena: lugar, luz, encuadre, ángulo y acción. No vuelvas a describir al personaje con otras palabras, porque cualquier diferencia con la imagen le da al modelo dos versiones entre las que elegir.
5. Revisa el resultado con la lista de la sección siguiente. Si falla, vuelve a generar desde la imagen base, no desde la imagen fallida.

Estos son los prompts exactos de la prueba, en inglés. La frase de mantener va siempre delante de la escena:

```text
Imagen base (sin referencia, 1:1):
Character reference photo: a woman in her late twenties with a short asymmetric
silver-white bob that is longer on one side, one amber eye and one green eye,
a small star-shaped scar on one cheekbone, a mustard-yellow rain jacket with
four round copper buttons and a teal knitted scarf. She stands against a plain
light-grey studio background, head and upper body fully visible, looking at the
camera with a neutral relaxed expression, soft studio light, natural
photographic style.

Frase de mantener (métodos A, B y D):
Use the person in the reference image as the character. Keep her face, hair,
eye colours, scar, jacket and scarf identical to the reference.

Escenas (4:3):
Show her walking along a rainy neon-lit city street at night, seen from a
three-quarter side angle, holding a black umbrella.
Close-up, head and shoulders, laughing in a warm cafe with a blurred background.
Full-body shot standing on a mountain trail at sunrise, seen from three-quarter
back, turning her head toward the camera.
```

Y este es el cuerpo que se envió en cada escena del método A a `POST https://api.laozhang.ai/v1beta/models/gemini-nano-banana-2.1:generateContent`, con el texto primero y la imagen base en base64 después:

*Aviso: [laozhang.ai es un servicio propio](https://blog.laozhang.ai/es/about#laozhang). Sus precios son nuestra tarifa, no una comparación independiente.*

```json
{
  "contents": [{
    "parts": [
      {"text": "Use the person in the reference image as the character. Keep her face, hair, eye colours, scar, jacket and scarf identical to the reference. Close-up, head and shoulders, laughing in a warm cafe with a blurred background."},
      {"inlineData": {"mimeType": "image/jpeg", "data": "IMAGEN_BASE_EN_BASE64"}}
    ]
  }],
  "generationConfig": {
    "responseModalities": ["IMAGE"],
    "imageConfig": {"imageSize": "1K", "aspectRatio": "4:3"}
  }
}
```

La documentación de LaoZhang limita el cuerpo de la petición a 20 MB y permite pasar referencias grandes como URL con `fileData` en lugar de `inlineData`. Si buscas plantillas para la parte de la escena, tienes ejemplos en [Cómo escribir prompts para Nano Banana: guía práctica y 50 plantillas verificables](https://blog.laozhang.ai/es/posts/how-to-prompt-nano-banana).

## Lista de comprobación por imagen y cuándo dejar de regenerar

Antes de dar por buena una imagen, compárala con la referencia original rasgo por rasgo, no por impresión general: en la prueba, imágenes con un aire muy parecido tenían la bufanda de otro color o la cicatriz en la otra mejilla. Revisa en cada una:

- La silueta y el color del peinado, incluidos tintes que no estaban, como el lavanda que apareció en la calle de noche.
- El color, el corte y los detalles de la prenda principal: número y material de los botones, cremalleras, capucha.
- El color de cada accesorio, sobre todo en escenas de noche o al amanecer, donde la bufanda se oscureció.
- Los rasgos pequeños de la cara (color de cada ojo, cicatrices, lunares) y el lado en el que están, porque el método de solo texto colocó la cicatriz en la mejilla contraria.
- El tamaño de la cara: si sale demasiado pequeña para comprobar esos rasgos, anótalo como «sin comprobar», no como correcto, y compara siempre a un tamaño de cara parecido al de la referencia.
- La referencia que usaste: la imagen base original, no una salida intermedia.

![Seis comprobaciones por imagen (peinado, prenda, accesorios, ojos y marcas, tamaño de la cara y referencia usada) y cuándo dejar de regenerar](https://blog.laozhang.ai/posts/es/nano-banana-2-1-character-consistency/img/lista-comprobacion-por-imagen.webp)

Deja de regenerar cuando el mismo rasgo falla dos veces seguidas partiendo de la referencia original. En la prueba, ni la frase de mantener ni la lista explícita de atributos devolvieron los ojos de dos colores o la cicatriz, así que repetir la misma petición tiene pocas razones para dar otro resultado; cuántos intentos harían falta para acertar con un rasgo así no se midió. En ese punto cambia el planteamiento: acerca el plano si el rasgo depende del tamaño de la cara, pasa la identidad a algo que 2.1 sí conservó (peinado, prenda, accesorio) o deja ese rasgo como opcional en el diseño. Ten en cuenta que en LaoZhang cada intento se cobra a 0,045 $, también cuando la respuesta es un HTTP 200 sin imagen; el precio por tokens de Google, con el coste de cada imagen de referencia, está en [Nano Banana 2.1: novedades, precio y prueba real por API](https://blog.laozhang.ai/es/posts/nano-banana-2-1).

## Preguntas frecuentes sobre la consistencia de personajes en Nano Banana 2.1

### ¿Cuántos personajes y referencias admite Nano Banana 2.1 en una misma petición?

Según la [guía de generación de imágenes de la API de Gemini](https://ai.google.dev/gemini-api/docs/image-generation), a 3 de noviembre de 2026, Nano Banana 2.1 admite hasta 14 imágenes de referencia: hasta 4 de personajes para mantener su consistencia y hasta 10 de objetos, sin referencias de estilo. Nano Banana Pro (`gemini-3-pro-image`) admite hasta 5 de personajes, 6 de objetos y 3 de estilo, y Nano Banana 2 Lite no está optimizado para varias referencias ni para ediciones encadenadas. Son límites de trabajo por petición, no una garantía de que las caras salgan idénticas.

### ¿Es Nano Banana 2.1 mejor que Nano Banana Pro en coherencia del personaje?

En la evaluación interna de Google publicada en la tarjeta del modelo (Elo, a octubre de 2026), 2.1 con razonamiento puntúa 1028 en consistencia de un personaje frente a 991 de Pro y 981 de Nano Banana 2, con márgenes de ±9 a ±14 que hacen pequeña esa diferencia; con varios personajes la distancia es mayor (1106 frente a 1011). La comparación de los tres modelos con el mismo prompt está en [Nano Banana 2.1 vs Pro vs GPT Image 2.5: mismo prompt, 9 pruebas](https://blog.laozhang.ai/es/posts/nano-banana-2-1-vs-pro-vs-gpt-image-2-5).

### ¿Por qué la API de Nano Banana 2.1 responde 200 pero no devuelve imagen?

Cuando la API contesta con HTTP 200 y sin imagen, el motivo está en el JSON de la respuesta: el modelo respondió solo con texto, un filtro detuvo la imagen, la salida se cortó o tu código no encontró la imagen que sí venía. Cada caso y su arreglo están en [Nano Banana no genera imagen en la API: diagnóstico y arreglo](https://blog.laozhang.ai/es/posts/nano-banana-2-200-ok-no-image).

## Fuentes

Páginas externas que cita esta guía, en el orden en que aparecen. Última actualización: 2026-11-03.

- [vistas de 360° de un personaje en la guía de generación de imágenes de la API de Gemini](https://ai.google.dev/gemini-api/docs/image-generation) (ai.google.dev)