Google這兩天動作蠻多。

　　 昨天剛開源Gemma3，然后今天夜里，鴿了N久的Gemini 2.0的原生多模態生圖功能，也終于開放了。

　　 這也是我對Gemini 2.0最期待的功能。

　　 在出門回來，玩了一下午后，我覺得終于可以給你們分享一下，這玩意的有趣之處了。

　　 先給你們直觀的感受一下，它能干啥。

　　 比如我現在有一張圖，是一個很酷的小姐姐。

　　 我想讓這個小姐姐，變成長頭發。

　　 你無需PS，無需局部重繪，只需要一句話就行。

　　 Gemini 2.0，就會瞬間保證所有的其他細節不變的情況下，把小姐姐變成長發。

　　 我們還可以，一句話，讓她把眼睛閉上。

　　 再把她的臉，換成特朗普。。。

　　 這個效果，emmmm，我無法評價。。。

　　 又或者，這是一套撲克牌的圖。

　　 我想把把最右邊的紅桃A撲克牌，變成梅花2。

　　 一句話，就成。

　　 不過這個得roll，我roll了3次才roll出來。

　　 你也可以改文字。

　　 甚至，可以扔一個草圖進去，然后說：

　　請你根據這張手繪線稿圖，生成對應的一張真實房屋渲染圖。

　　 對這個屋子材質不滿意，你還可以，改成木質的。

　　 這，就是言出法隨的力量。、

　　 得益于Gemini 2.0的多模態能力，類似于之前的GPT4o，GPT4o是語音端到端，而Gemini 2.0，則是圖片端到端。

　　 集圖片理解和生成為一身。

　　 而且，畫出的圖，審美也還湊合，雖然還遠遠達不到類似MJ、Flux那種質量，泛化能力也差點意思，但，能用了。

　　 在多模態大模型上，能用的言出法隨，是非常關鍵的一點。

　　 說下怎么用。

　　 打開 https://aistudio.google.com/

　　 正常你登錄后會看到這個界面（需要魔法）。

　　 然后，在右側把模型，切換成Gemini 2.0 Flash Experimental。

　　 目前限免，可以隨意白嫖。

　　 同時記得output這塊，一定是Images and text，千萬別只選Text，那你就生成不了圖了。

　　 接下來，直接在對話框里，傳你圖片，加上文字描述就OK。

　　 比如我把我的頭像，變成3D實物。

　　 而且你不止可以傳一張圖，你也可以，傳兩張圖，然后，融圖。

　　 雖然它換logo換的還有點貼片感，比較這個太難了，但是產品圖，就會好很多了。

　　 比如1和2結合。

　　 光影還是有一些不匹配，有一些貼圖感，但不妨礙很準確。

　　 再給半年時間迭代，我覺得，一切都不是問題。

　　 甚至你還可以，不只是圖+文字進去，你還可以，直接讓它給你生成圖文混排的教程。

　　 比如這個做番茄炒蛋的case。

　　 你現在，是真的擁有一個圖文混排的教程了。。。

　　 甚至，你還可以，給一個平面圖，直接做每個房間的渲染圖。

　　 我隨手生成了一個兩室一廳的平面圖。

　　 然后，扔給了Gemini。

　　 怎一個離譜了得。。。

　　 這種一致性，做故事、做分鏡，真的就是手到擒來。

　　 兩年多了，生成式AI在圖像編輯領域的進步，真的也就像悄悄進行的大革命。

　　 從最初需要苦學多年Photoshop和圖像處理技術，到如今只需一句話就能實現你的所有創意。

　　 我們不再受限于專業技能的掌握程度，就算是從來沒用過PS的小白，也可以輕松地用嘴，將腦海中的創意轉化為現實。

　　 言出法隨，從這一刻，成真了。

　　 這或許。

　　 就是AI時代。

　　 它們給予我們最珍貴的禮物。