AI 生图东西，曾经多得众多了，但 Google 最新推出的 Whisk，仍是找到了一种很新的弄法，让见过世面的网友也直呼好玩。只要输入三张图片，subject（主题）、scene（场景）、style（作风），Whisk 就能够天生一张博采众长的图片。▲ 图片来自：Google举个例子，主题是白叟，场景是藤蔓，作风是 90 年月复旧动漫，写上「脚色骑着飞翔自行车」的提醒词，等候一会儿，一张相似吉卜力画风的新图片出生了。▲ 图片来自：Google白叟仍是谁人白叟，戴帽子，穿西装，拿着书，但他骑上了提醒词里的车，场景跟作风也都酿成了参考图片的样子。Whisk 的优点便在这里——让咱们少写、不写提醒词的同时，轻松玩转种种作风，妈妈再也不担忧我不会写提醒词了。别写庞杂的提醒词了，直接把图片端下去就行别看只要要多少张图片，Whisk 的弄法简略，却又无限无尽。刷刷刷上传三张图片——主题图片，麦当劳薯条；场景图片，莫奈画作《睡莲》；作风图片，像素风游戏《星露谷物语》。不写提醒词，直接天生，Whisk 给出的成果，一张更比三张强。除了上传本人的图片，咱们也能够掷骰子，让 Whisk 随机天生主题、场景、作风。实在，Whisk 为咱们供给的预设作风曾经很够用，徽章、贴纸、刺绣、黏土、美漫、马赛克拼贴等等，特点赫然，后果破竿见影。只有有脑洞跟设想力，无需一个字，仅仅经由过程差别图片的陈列组合，咱们能够一直地做完形填空的游戏——主题+场景+作风，并且不是每个空都必需填。▲ 1.主题图片，熏鸡；2.场景图片，梵高《星月夜》画作；3.作风图片，日本木版画▲ 1.主题图片，《戴珍珠耳饰的�女》；2.场景图片，片子《千与千寻》剧照；3.作风图片，蒙德里安形象画▲ 1.主题图片，微信「逝世亡笑容」心情包；2.场景图片，片子《星际穿梭》剧照；3.作风图片，史努比漫画截图▲ 1.主题图片，冲浪默许头像粉色恐龙 momo；2.作风图片，Jellycat 玩偶别的，Whisk 的每一次天生，场景跟作风只能抉择一个参考图片，但主题能够抉择多个。这象征着什么？咱们能够让多个脚色同框了！比方，让马斯克、奥特曼、扎克伯格通通酿成搪瓷徽章。三位的打扮、装潢、情态都复原得挺好，扎克伯格的发话器跟项链都没遗漏，但人脸没法坚持分歧性，全体酿成了民众脸。固然 Whisk 增加了写提醒词的需要，但你须要写的话，Whisk 也激励。在对话框加上一句「脚色们都举着一块通告牌，下面写着 AGI」，徽章君子们微微松松地遵守了提醒词。假如咱们须要某个场景或许某种作风，但一时找不到参考图，Whisk 的预设也不供给呢？处理方法很简略，不图片，那就写提醒词，让 Whisk 临场施展一个。就像我须要一个让脚色站上去的、像素作风的底座作为场景，就让 Whisk 帮我天生了。而后，再把猫猫心情包作为主题图片，把像素小鸡作为作风图片，就能够失掉一个有底座的像素猫猫。总之，Whisk 就长短常自在，像橡皮泥一样，怎样捏都能够。既生图又识图，把庞杂的任务流包装成风趣的「打蛋器」Whisk，实在是 Google 多模态模子秀肌肉的一种方法。为了让咱们少写提醒词，Whisk 整合了视觉懂得跟图片天生才能。Gemini 模子辨认图片，主动天生具体的描写，而后这些描写会被输入到 Google 的图片天生模子 Imagen 3，由 Imagen 3 生图。Whisk 是如许的，用户只有上传跟天生图片就能够了，但它本人要斟酌的事件就良多了。Whisk 的每张图片，不论是上传的仍是天生的，都写了很长的底层提醒词，而且不藏着掩着，咱们点开图片就能看，也能够上手修正。假如把一团体作为主题图片，Whisk 会具体地描写他的表面特点，场景图片也是相似的。▲ Whisk 对奥特曼的描写：「一个肤色较浅的女子，有着短而深棕色的卷发，从胸部以上展现。他有着淡色的眼睛。他衣着一件浅米色的针织圆领毛衣。配景是一面斑驳的灰色混凝土墙。女子的心情严正而中性。光芒有些阴暗，他的右脸有稍微的暗影。」作风图片略有些差别，假如把一张动画截图作为作风参考，Whisk 不会说，画面里有三团体，而是描写这幅画的颜色、光芒、线条……▲ Whisk 对史努比画风的描写：「这张图片以卡透风格浮现，存在粗暴的表面跟立体着色。颜色调色板无限，重要应用原色跟柔跟的主要色彩。光芒平均，缺少激烈的暗影或高光，给人一种简略、多少乎孩童般的质感。线条清楚且分歧，带有稍微不平均的质感，表示手绘的后果。团体美学让人遐想到经典的连环漫画或儿童动画。」以是，Whisk 不是精准地复制图片，而是提取图片的特色跟精华，将主题、场景、作风天然地融会在一同，各司其职，互不烦扰。同时，Whisk 也叠了甲——只从图片提取大批要害特点，成果可能跟预期差别。这也说明了，为什么 Whisk 做不到人脸的精准复原。以是，哪怕抉择不那么形象的复旧胶片作风，三位年夜佬的脸也是跟本尊都不挨着，但其余细节都很正确。物体也是一样，特斯拉的赛博皮卡，经由特点提取再天生之后，变得十分一般。但假如是麦当劳薯条这种素材丰盛的超等 IP，后果倒还不错，能够拿来当告白图了。试过一些迪士尼的脚色，Whisk 复刻得也原模原样，但图就不放下去了。别的，Whisk 还存在一个成绩——没法做很过细的作风参考，模拟不了某种特定的画风。当我让 Whisk 天生蒙娜丽莎的乐高君子，出来的成果让我两眼一黑，但多加一句提醒词，「让脚色更像乐高人物」，Whisk 又能模拟个七八成。某个漫画家的画风就更难模拟了，上传漫画截图让 Whisk 参考，它终极给出的是一个十分一般的漫画作风图片，就算经由过程提醒词夸大作品、脚色、漫画家，也不起什么感化。实在，Whisk 好玩就够了，它更合适做一些不寻求精准的创意摸索，俗称整活。Whisk 能够翻译为「搅拌」或许「打蛋器」，Google 的这个名字获得即视感很强，可不就是把食材都混搭在一同吗？Whisk 的不精准，也让它的定位跟传统的图片编纂器差别，更像是一种创意东西。有了什么脑洞，由它实现大略的视觉后果。▲ Whisk 天生，1.主题图片，《火影忍者》截图；2.作风图片，毛绒玩具从前实现 Whisk 这种作风化的后果，跑通一全部图像天生的流程，咱们可能须要在 ComfyUI 搭建任务流。但当初有了 Whisk，似乎就在玩抽卡游戏或许开盲盒，并且只有能登录（限美国地域），现在还收费。休会指路