我要投稿

Gemini 2.0的“用嘴改图”终于上线了，这是AI绘图的新范式。

发布日期：2025-03-14 09:27:59 浏览次数： 1822 作者：数字生命卡兹克

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。

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。

甚至你还可以，不只是图+文字进去，你还可以，直接让它给你生成图文混排的教程。

比如这个做番茄炒蛋的case。

你现在，是真的拥有一个图文混排的教程了。。。

甚至，你还可以，给一个平面图，直接做每个房间的渲染图。

我随手生成了一个两室一厅的平面图。

然后，扔给了Gemini。

怎一个离谱了得。。。

这种一致性，做故事、做分镜，真的就是手到擒来。

两年多了，生成式AI在图像编辑领域的进步，真的也就像悄悄进行的大革命。

从最初需要苦学多年Photoshop和图像处理技术，到如今只需一句话就能实现你的所有创意。

我们不再受限于专业技能的掌握程度，就算是从来没用过PS的小白，也可以轻松地用嘴，将脑海中的创意转化为现实。

言出法随，从这一刻，成真了。

这或许。

就是AI时代。

它们给予我们最珍贵的礼物。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-05-27

Dolphin-API：字节Dolphin多模态文档解析模型API化全攻略

2025-05-26

本地AI对话神奇，ChatWise到底有什么用？

2025-05-25

从BGE到 CLIP，从文本到多模态，Embedding 模型选型终极指南

2025-05-25

AI Agent到底哪家强？横评五款主流Agent

2025-05-24

AI Agent协议A2A交互细节详解

2025-05-23

技术思考:小尺寸+两阶段式多模态文档解析模型Dolphin思路评析及PP-OCRv5更新

2025-05-22

Alivia VLM：企业级视觉智能体在门店场景落地实战

2025-05-21

Gemini接管搜索、全家桶秒变通用Agent ，以及Google Glass is so back！｜直击Google I/O

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

GPT-4 和 GPT-4o的主要区别

2024-09-12

ChatGPT记忆功能全解析：实用场景与操作指南

2024-06-14

Flowise AI 工作流进阶: 常用组件介绍+连 Notion 做知识库

2024-06-17

面壁小钢炮 MiniCPM-V 2.6 部署指南

2024-08-06

Qwen2-VL 全链路模型体验、下载、推理、微调实战！

2024-08-30

智谱开源新一代多模态大模型CogVLM2，性能媲美GPT-4V

2024-05-30

周鸿祎发布纳米搜索，做世界第一的AI搜索

2024-11-28

一文了解：最新版本 Llama 3.2

2024-10-07

深度解析Swarm Agent ：OpenAI 开源的多智能体协作框架

2024-10-16

深入解析Llama 3：开发者如何充分利用这一开源大模型

2024-04-21

大家都在问

本地AI对话神奇，ChatWise到底有什么用？

2025-05-26

什么是基于知识图谱的多模态推理？

2025-05-13

AI数字人领域重大突破：告别拼凑式合成，阿里OmniTalker能否开启音视频一体化新时代？

2025-04-08

Midjourney V7全面测评：50组多风格提示词实测，是否还有领先优势?

2025-04-05

如何结合多模态RAG和异步调用实现大模型内容理解？

2025-03-30

Chat GPT文生图不用DALL·E模型了？

2025-03-26

如何构建多模态AI知识库？

2025-03-05

我为什么要卸载DeepSeek ？

2025-03-02

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB