#1
voiceover-digital-human-combo · 出图实验 · 第二组
同一提示词连跑 5 次：谁更稳？
用「保留背景」那版极简提示词，nano 和 gpt2 各连跑 5 次，看每个模型多次出图脸会不会飘、背景稳不稳、有没有翻车。
5/5
nano 全部成功
4/5
gpt2 成功(1 超时)
nano
脸最稳·几乎不飘
gpt2
更上镜·但偶发手势
nano_banana
5 张 nano：稳得几乎像同一次
#2
#3
#4
#5
5 张全部：背景留住（花拱门 + 吊灯 + 大厅）、居中正脸、空手、闭嘴。脸每张都明显是同一个人，只有光线/拱门构图的细微差别。这一组里没出现「换人」。分辨率 2752×1536，最高。
gpt_image (gpt2)
5 张 gpt2：更像大片，但更飘一点
#1 手举起来了
#2 干净
#3
超时失败
没出图
超时失败
没出图
#4 干净
#5 干净·但 223s 极慢
背景同样留住了，拱门更对称、更像棚拍大片（你说更好看的就是这种）。5 次里 4 张出图、1 张超时，三处不稳：#1 把「empty hands」理解成「露出手」，给了个摊手手势；脸每张都轻微美化/磨过（比 nano 略不像本人）；速度抖得厉害——#3 直接超时没出图，#5 跑了 223 秒（差点也超时）。分辨率 2048×1152。
怎么选
取舍一张表
| 维度 | nano_banana | gpt_image (gpt2) |
|---|---|---|
| 脸像不像本人 | 更忠实，5/5 几乎不飘 | 轻微美化，每张略飘 |
| 构图观感 | 自然、略写实 | 更对称、更大片 |
| 背景保留 | 稳 | 稳 |
| 可靠性 | 5/5 成功 | 4/5（1 超时；其中 1 张手势） |
| 分辨率 | 2752×1536 | 2048×1152 |
| 速度 | ~50s | ~60s，偶发超时 |
建议：要稳和像本人就 nano（适合默认）；要更上镜的成片感、且能接受偶发飘脸/重试就 gpt2。gpt2 用的话提示词里把 empty hands 换成 hands relaxed at his sides，能压住那个摊手手势。