专栏名称: 大数据文摘
普及数据思维,传播数据文化
目录
相关文章推荐
大数据文摘  ·  Gemini ... ·  3 天前  
大数据分析和人工智能  ·  DeepSeek太可怕了! ·  4 天前  
数据派THU  ·  DeepSeek模型在中文语境下的安全性评估 ·  3 天前  
51好读  ›  专栏  ›  大数据文摘

Gemini 2.0的“用嘴改图”终于上线了,这是AI绘图的新范式。

大数据文摘  · 公众号  · 大数据  · 2025-03-14 18:30

正文

大数据文摘受权转载自数字生命卡兹克
作者:卡兹克

Google这两天动作蛮多。

昨天刚开源Gemma3,然后今天夜里,鸽了N久的Gemini 2.0的原生多模态生图功能,也终于开放了。

这也是我对Gemini 2.0最期待的功能。

在出门回来,玩了一下午后,我觉得终于可以给你们分享一下,这玩意的有趣之处了。

先给你们直观的感受一下,它能干啥。

比如我现在有一张图,是一个很酷的小姐姐。

我想让这个小姐姐,变成长头发。

你无需PS,无需局部重绘,只需要一句话就行。

Gemini 2.0,就会瞬间保证所有的其他细节不变的情况下,把小姐姐变成长发。

我们还可以,一句话,让她把眼睛闭上。

再把她的脸,换成特朗普。。。

Generated Image March 13, 2025 - 7:30PM.png

这个效果,emmmm,我无法评价。。。

又或者,这是一套扑克牌的图。

我想把把最右边的红桃A扑克牌,变成梅花2。

一句话,就成。

不过这个得roll,我roll了3次才roll出来。

你也可以改文字。

甚至,可以扔一个草图进去,然后说:

请你根据这张手绘线稿图,生成对应的一张真实房屋渲染图。
对这个屋子材质不满意,你还可以,改成木质的。
这,就是言出法随的力量。、
得益于Gemini 2.0的多模态能力,类似于之前的GPT4o,GPT4o是语音端到端,而Gemini 2.0,则是图片端到端。
集图片理解和生成为一身。
而且,画出的图,审美也还凑合,虽然还远远达不到类似MJ、Flux那种质量,泛化能力也差点意思,但,能用了。
在多模态大模型上,能用的言出法随,是非常关键的一点。
说下怎么用。
打开https://aistudio.google.com/
正常你登录后会看到这个界面(需要魔法)。
然后,在右侧把模型,切换成Gemini 2.0 Flash Experimental。
目前限免,可以随意白嫖。
同时记得output这块,一定是Images and text,千万别只选Text,那你就生成不了图了。
接下来,直接在对话框里,传你图片,加上文字描述就OK。
比如我把我的头像,变成3D实物。
而且你不止可以传一张图,你也可以,传两张图,然后,融图。
虽然它换logo换的还有点贴片感,比较这个太难了,但是产品图,就会好很多了。
比如1和2结合。
Image
光影还是有一些不匹配,有一些贴图感,但不妨碍很准确。
再给半年时间迭代,我觉得,一切都不是问题。






请到「今天看啥」查看全文