Google 发布 AI 图像创意工具「Whisk」 -资源熊

工具介绍

Whisk是Google Labs推出的一款创新的AI图像生成工具，它通过图像输入快速生成并重混创意图片。以下是Whisk的一些主要特点和功能：

1. 图像驱动的生成：Whisk允许用户通过上传图像来确定主体、场景和风格，而不是使用文本提示，这为不擅长撰写文本提示的用户提供了更便捷的方式。
2. 自动生成详细字幕：Gemini模型会自动为用户上传的图像编写详细的字幕描述，这些描述会被输入到Imagen 3模型中，以更好地捕捉图像的关键特征并生成符合用户意图的新图像。
3. 创意重新混合：Whisk能够将不同的主体、场景和风格图像进行重新混合，创造出独特的设计，如数字玩偶、珐琅别针等各种创意产品。
4. 本质捕捉而非复制：Whisk捕捉的是输入图像的本质特征，而不是精确复制，这使得生成的图像具有更多的创意变化空间，但也可能导致结果与用户预期不完全一致。
5. 可编辑提示：用户可以查看和编辑底层的提示信息，以便根据自己的需求对生成的图像进行调整和优化，例如修改颜色、图案等特征。
6. 适用场景：Whisk主要定位于创意探索，旨在帮助用户快速生成和迭代各种创意想法，而非用于精确的图像编辑。
7. 技术原理：Whisk的背后是Google的Gemini视觉理解与描述模型和Imagen 3图像生成模型。Gemini模型负责为用户的图像生成详细的文字描述，这些描述精准捕捉了图片的主题、情感和风格特征。随后，这些描述被传递给Imagen 3模型，该模型基于这些丰富的信息，运用深度学习算法，创造出既符合用户意图又充满惊喜的新图像。
8. 访问方式：目前，Whisk仅对美国用户（美国IP）开放，用户可在labs.google/whisk上使用该工具并提供反馈。

Whisk的推出，标志着Google在图像生成领域的一次重要布局，这款工具不仅简化了图像创作的流程，更在技术上实现了质的飞跃，为用户提供了一种独特的图像生成方法

工具地址

地址：https://blog.google/technology/google-labs/whisk/

使用地址：https://labs.google/fx/zh/tools/whisk

目前仅支持美国（ip）地区