谷歌大招網友玩瘋了！Gemini原生圖像輸出搶先推出，OpenAI一年領先優勢歸零
谷歌推出Gemini原生圖像生成，測試版瞬間引爆網絡。
如果你遲到了，但沒有好的借口，甚至還沒有出家門——只需要一張自拍，然后讓AI把你P到地鐵故障現場。
圖片
也可以憑空生成一個人物形象，把它放到原神游戲畫面中（不用上傳游戲截圖），讓角色往前走兩步，再把視角往左移，走近一個建筑，開始爬墻。
圖片
二次元選手最喜歡的玩法，是草稿一句話變線稿，再上色，再上陰影等操作，注意每一步執行后人物形象都是保持一致的。
圖片
圖片
有漫畫創作者用它來改變構圖視角，同時保持畫面內容的一致性。
圖片
游戲開發者則可以用一些素材組件自動拼成關卡場景。
圖片
除了精準遵循指令一鍵P圖之外，還支持圖文混排輸出。
谷歌官方演示了生成菜譜，每個操作步驟都配上寫實的圖像，學起來更直觀。
現在，這些功能都可以在Google AI Studio免費試玩。
模型命名很亂，請認準Gemini 2.0 Flash Experimental。
圖片
原生圖像輸出首次開放
目前Gemini 2.0 Flash原生圖像輸出能力還沒有公開技術細節，簡短的介紹中只講了“結合多模態輸入、增強推理和自然語言理解”。
而其他AI產品語言大多是語言模型把圖像生成模型當做工具去調用，如ChatGPT調用Dall·E 3，Grok調用flux.1。
新范式下，Gemini 2.0 Flash的主要優勢包括：
- 圖文故事模式：始終保持人物和場景的一致性。也可以中途提意見，讓AI重新講述故事或改變繪畫風格。
- 對話式圖像編輯：支持多輪編輯，可以一句話p圖，反復完善圖像，實現實時協作和創意探索。
- 基于世界知識的圖像生成：利用大模型內置的知識和推理能力，生成與上下文更相關的圖像
- 改進文本渲染：減少拼寫錯誤或字符扭曲，適合生成廣告、甚至邀請函。
其實早在2024年5月，OpenAI總裁Brockman就曾展示過GPT-4o的這種原生多模態能力，但后來就沒了消息。
現在谷歌搶先部署這項功能，讓網友不禁好奇，出于什么原因讓OpenAI放棄一年以上的領先優勢。
圖片
OpenAI員工也只能感嘆，谷歌真的回來了。
圖片
還有隱藏玩法
除常規玩法之外，還有網友探索出了一種隱藏玩法：用文字提問，要求AI只用圖片回答。
他的問題是“生命的意義是什么”，AI用一系列圖片來表達，畫面逐漸詭異起來，令人毛骨悚然。
圖片
他把整個過程錄制成視頻，下面一起來看看。
在線試玩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
