Whisk：Google实验室推出的AI图像创作工具

Whisk - 介绍

Whisk是Google实验室最新推出的生成式AI图像创作工具。它与传统的文本到图像生成工具不同，Whisk允许用户直接通过输入图像来创作新的视觉内容。这种独特的方法旨在简化创作过程，使用户无需掌握复杂的提示技巧即可轻松尝试、迭代和改进创意。

该工具的核心理念是"少提示，多玩耍"。Google相信，创作图像应该像与朋友交谈一样简单自然，而不是需要学习如何编写精确的文本提示。Whisk通过让用户拖放图像来指导创作过程，实现了这一目标。

Whisk背后采用了先进的AI技术。它使用Gemini模型自动为输入的图像生成详细描述，然后将这些描述输入Google最新的图像生成模型Imagen 3。这种方法捕捉了输入图像的本质，而不是创建精确副本，从而实现了创意元素的灵活重组。

这款工具的目标用户群体包括艺术家、设计师以及任何寻求快速视觉创意的人。无论是将简笔画转化为毛绒玩具、创作独特的节日贺卡，还是将故事的开篇可视化，Whisk都提供了一个充满可能性的平台。

Whisk目前仅在美国地区提供服务，并且只支持英语输入。然而，Google表示正在努力将其扩展到更多国家。

Whisk的创作过程分为几个简单的步骤。首先，用户可以通过拖放或上传图像来准备素材。这些图像可以代表主题、场景或风格。如果用户没有现成的图像，也可以使用文本提示创建简单的参考，或者使用"inspire me"和"roll the dice"功能获取建议。

一旦用户选择了素材，Whisk就会开始其魔法般的组合过程。用户可以选择一个或多个主题、一个场景和一个风格，系统会创造性地将这些元素结合起来。用户还可以添加简单的文本指导，如"让角色吃冰淇淋"或"调整配色方案为柔和色调"，进一步细化创作方向。

Whisk提供了精细调整的功能。如果用户喜欢某个生成的图像，但希望做出小的改动，比如改变帽子的颜色或添加背景元素，可以进入细化模式进行调整。这种方法允许用户在保持原始方向的同时进行小到中等的变更。

为了给用户更多控制权，Whisk允许用户诊断和编辑底层提示。如果生成的图像丢失了某些元素或不完全符合预期，用户可以查看系统生成的提示，手动添加关键细节，然后要求模型生成更多选项。这为创作过程提供了更高级别的精确控制。

Whisk将创作元素分为三个主要类别：主题、场景和风格。主题可以是人物、物体或它们的组合。场景定义了主题所处的环境。风格则用于指导整体美学、材质或表现技巧。用户可以在添加细节时自然地引用这些类别，Whisk会尝试将这些指导融入创作中。

为了帮助用户快速上手，Whisk提供了多种内置教程和灵感来源。这包括简化体验的"游乐场"、预填充素材的"inspire me"流程，以及快速添加建议的"骰子"功能。这些功能旨在帮助用户轻松开始创作并不断获取新的灵感。

Whisk的核心技术在于其图像理解和生成能力。它首先使用Gemini的多模态理解能力对输入图像进行分析，生成文本描述。这些描述随后被用来编写详细的提示，输入到Imagen 3模型中生成最终图像。这个过程不仅捕捉了参考图像的本质，还为创意重组提供了基础。

Whisk设计的初衷是捕捉输入图像的本质特征，而非创建精确复制品。因此，生成的图像可能在外观上与原始输入有所不同。例如，生成的角色可能有不同的身高、体重、发型或肤色。如果这些特征对你的创作至关重要，建议提供更详细的提示并精细化你的指令。

目前，Whisk仅在美国地区提供服务，并且只支持英语输入。然而，Google表示正在努力将其扩展到更多国家。有兴趣的用户可以关注Google Labs的官方更新。

用户可以通过点击下载图标来保存和分享他们的创作。Google还鼓励用户通过官方渠道分享他们的作品，以展示Whisk的创意潜力。

Whisk的独特之处在于它允许用户通过图像而非复杂的文本提示来创作。这种方法简化了创作过程，使得即使不熟悉提示工程的用户也能轻松探索视觉创意。此外，Whisk专注于快速视觉构思，而不是精确的像素级编辑。

虽然Whisk提供了强大的创作能力，但用户应该意识到它可能无法完全复制特定的个人特征或精确的细节。生成的图像可能会在某些方面偏离原始输入，这是其设计理念的一部分。对于需要高度精确控制的项目，用户可能需要结合其他工具来实现理想效果。

Google非常重视用户反馈，以改进Whisk的功能。用户可以通过工具右上角的菜单发送反馈。这些意见将帮助Google团队进一步完善和发展这一实验性工具。

作为Google Labs的实验项目之一，Whisk的未来发展可能会根据用户反馈和技术进步而调整。Google可能会增加新功能、扩大可用性，或者将Whisk的技术整合到其他产品中。用户可以通过订阅Google Labs的简报或关注其社交媒体账号来获取最新更新。