谷歌推出Gemini原生圖像生成，測(cè)試版瞬間引爆網(wǎng)絡(luò)。

如果你遲到了，但沒(méi)有好的借口，甚至還沒(méi)有出家門(mén)——只需要一張自拍，然后讓AI把你P到地鐵故障現(xiàn)場(chǎng)。

圖片

也可以憑空生成一個(gè)人物形象，把它放到原神游戲畫(huà)面中（不用上傳游戲截圖），讓角色往前走兩步，再把視角往左移，走近一個(gè)建筑，開(kāi)始爬墻。

圖片

二次元選手最喜歡的玩法，是草稿一句話(huà)變線(xiàn)稿，再上色，再上陰影等操作，注意每一步執(zhí)行后人物形象都是保持一致的。

圖片

圖片

有漫畫(huà)創(chuàng)作者用它來(lái)改變構(gòu)圖視角，同時(shí)保持畫(huà)面內(nèi)容的一致性。

圖片

游戲開(kāi)發(fā)者則可以用一些素材組件自動(dòng)拼成關(guān)卡場(chǎng)景。

圖片

除了精準(zhǔn)遵循指令一鍵P圖之外，還支持圖文混排輸出。

谷歌官方演示了生成菜譜，每個(gè)操作步驟都配上寫(xiě)實(shí)的圖像，學(xué)起來(lái)更直觀。

現(xiàn)在，這些功能都可以在Google AI Studio免費(fèi)試玩。

模型命名很亂，請(qǐng)認(rèn)準(zhǔn)Gemini 2.0 Flash Experimental。

圖片

原生圖像輸出首次開(kāi)放

目前Gemini 2.0 Flash原生圖像輸出能力還沒(méi)有公開(kāi)技術(shù)細(xì)節(jié)，簡(jiǎn)短的介紹中只講了“結(jié)合多模態(tài)輸入、增強(qiáng)推理和自然語(yǔ)言理解”。

而其他AI產(chǎn)品語(yǔ)言大多是語(yǔ)言模型把圖像生成模型當(dāng)做工具去調(diào)用，如ChatGPT調(diào)用Dall·E 3，Grok調(diào)用flux.1。

新范式下，Gemini 2.0 Flash的主要優(yōu)勢(shì)包括：

• 圖文故事模式：始終保持人物和場(chǎng)景的一致性。也可以中途提意見(jiàn)，讓AI重新講述故事或改變繪畫(huà)風(fēng)格。
• 對(duì)話(huà)式圖像編輯：支持多輪編輯，可以一句話(huà)p圖，反復(fù)完善圖像，實(shí)現(xiàn)實(shí)時(shí)協(xié)作和創(chuàng)意探索。
• 基于世界知識(shí)的圖像生成：利用大模型內(nèi)置的知識(shí)和推理能力，生成與上下文更相關(guān)的圖像
• 改進(jìn)文本渲染：減少拼寫(xiě)錯(cuò)誤或字符扭曲，適合生成廣告、甚至邀請(qǐng)函。

其實(shí)早在2024年5月，OpenAI總裁Brockman就曾展示過(guò)GPT-4o的這種原生多模態(tài)能力，但后來(lái)就沒(méi)了消息。

現(xiàn)在谷歌搶先部署這項(xiàng)功能，讓網(wǎng)友不禁好奇，出于什么原因讓OpenAI放棄一年以上的領(lǐng)先優(yōu)勢(shì)。

圖片

OpenAI員工也只能感嘆，谷歌真的回來(lái)了。

圖片

還有隱藏玩法

除常規(guī)玩法之外，還有網(wǎng)友探索出了一種隱藏玩法：用文字提問(wèn)，要求AI只用圖片回答。

他的問(wèn)題是“生命的意義是什么”，AI用一系列圖片來(lái)表達(dá)，畫(huà)面逐漸詭異起來(lái)，令人毛骨悚然。

圖片

他把整個(gè)過(guò)程錄制成視頻，下面一起來(lái)看看。

在線(xiàn)試玩https://aistudio.google.com/

參考鏈接：
[1]https://developers.googleblog.com/en/experiment-with-gemini-20-flash-native-image-generation/

[2]https://x.com/goodside/status/1900349595718148455

[3]https://x.com/ilumine_ai/status/1900017235898622025

[4]https://x.com/nobisiro_2023/status/1900150873734733859

[5]https://x.com/linaqruf_/status/1899977818563633466

[6]https://x.com/scaling01/status/1899932304388051216