专栏名称: APPSO
让智能手机更好用的秘密。
目录
相关文章推荐
APPSO  ·  英特尔官宣史上首位华人 ... ·  昨天  
APPSO  ·  Manus 的狂热和争议之后,我和 AI ... ·  2 天前  
APPSO  ·  本地部署满血版 DeepSeek ... ·  3 天前  
51好读  ›  专栏  ›  APPSO

AI文生图最大问题不存在了,最新Gemini 2.0指哪改哪,网友已经玩坏了 | 附指南

APPSO  · 公众号  · app  · 2025-03-14 12:44

正文

最近的热点实在太多了,当 Gemini 的文生图模型更新出来时,原以为只是平平无奇的小更新——万万没想到,属实是个大招。
在此之前,要么用 Stable Diffusion,要么走回 Photoshop 老路,反正还没有哪个模型,可以用如此简单的对话,就完成如此精细的修改。
Gemini 率先突破可控性这件事并不令人意外,二月时,Google 就推出了最新一代的图像生成模型 Imagen 3,当时就强化了提示词的跟随功能。
当时还只面对付费用户,现在在 AI Studio 中已经可以看到更完整丰富的呈现。可以说,在目前文生图的可控性程度,以及相对应的用户体验上,Gemini 的确做到了无人能出其右。
下面我们会具体解释为什么这样下结论。同时在测试过程中,我们也发现了一些使用技巧,一并奉上。
可控性不好?不存在了
诚实的说,单纯讲生成还是有一点不稳定,但是 Gemini 2.0 Flash Experimental 展示出了堪称逆天的修改可控性。
下面这组花田图里,使用了 Imagen 3 的官方实例:Impressionistic landscape painting of a sunset over a field of sunflowers, vibrant colors, thick brushstrokes, inspired by Monet。
中间的修改提示词,是为了把天空换成蓝绿色:turn the clouds at the back of the picture in to blue-greenish color
注意看中间圈出来的地方,花田和天空过渡处的油彩,基本没有变化——模型充分理解这个修改提示词里「局部改色」的意图,只对天空局部改动,其它任何地方都保持了不变。
接下来这组城市街景的例子更明显,生成提示词:generate a Tokyo street crossroad, cars passing the traffic light and people walking around
细部有些地方还是不太能看的,生成这一步的不稳定性还是没有被完全驯服。真正有惊人改变的,是细部的指令跟随。
「我想要变成夜景」「街上应该有灯光」,提示词可以非常直给就完成修改。来感受一下四轮对话之后,形成的整体变化对比。
四张图渐次展示了城市从白天、黄昏、傍晚、再到夜晚的样子。而在四轮对话中,说改车就改车,不说改动行人就保持原样——不可控性不存在了!
Tip:生成+修改最稳定
局部修改的功能,如果是在现有图片上改动,效果没那么好,比较粗暴。下面是两张现图改夜景的例子。
最稳定的组合是从生成到修改,一条龙完成,在后续的修改里可控性就更高。
整体变化,一句话完成
除了局部改动,还可以改动视角,这也是非常实用的功能。对于短片的故事板、产品多视角展示,都相当有帮助。






请到「今天看啥」查看全文