这个 AI 生图神器太好玩了,连提示词都不用写

全文2450字,阅读约需7分钟,帮我划重点

划重点

01Google推出新款AI生图工具Whisk,用户只需输入三张图片,即可生成一张博采众长的图片。

02Whisk的玩法简单,但无穷无尽,通过不同图片的排列组合,用户可以轻松玩转各种风格。

03除此之外,Whisk还支持掷骰子随机生成主题、场景、风格,预设风格包括徽章、贴纸、刺绣等。

04尽管Whisk减少了写提示词的需求,但用户仍需在对话框加上提示词,以获得更精确的结果。

05目前,Whisk在美国地区免费试用,为用户带来丰富的创意探索体验。

以上内容由腾讯混元大模型生成,仅供参考

AI 生图工具,已经多得泛滥了,但 Google 最新推出的 Whisk,还是找到了一种很新的玩法,让见过世面的网友也直呼好玩。
只需输入三张图片,subject(主题)、scene(场景)、style(风格),Whisk 就可以生成一张博采众长的图片。
图片
图片来自:Google
举个例子,主题是老人,场景是藤蔓,风格是 90 年代复古动漫,写上「角色骑着飞行自行车」的提示词,等待一会儿,一张类似吉卜力画风的新图片诞生了。
图片
图片来自:Google
老人还是那个老人,戴帽子,穿西装,拿着书,但他骑上了提示词里的车,场景和风格也都变成了参考图片的样子。
Whisk 的长处便在这里——让我们少写、不写提示词的同时,轻松玩转各种风格,妈妈再也不担心我不会写提示词了。

关注 AI 第一新媒体,率先获取 AI 前沿资讯和洞察

别写复杂的提示词了,直接把图片端上来就行
别看只需要几张图片,Whisk 的玩法简单,却又无穷无尽。
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》;风格图片,像素风游戏《星露谷物语》。
不写提示词,直接生成,Whisk 给出的结果,一张更比三张强。
图片
除了上传自己的图片,我们也可以掷骰子,让 Whisk 随机生成主题、场景、风格。
图片
其实,Whisk 为我们提供的预设风格已经很够用,徽章、贴纸、刺绣、黏土、美漫、马赛克拼贴等等,特色鲜明,效果立竿见影。
图片
只要有脑洞和想象力,无需一个字,仅仅通过不同图片的排列组合,我们可以不断地做完形填空的游戏——主题+场景+风格,而且不是每个空都必须填。
图片
1.主题图片,熏鸡;2.场景图片,梵高《星月夜》画作;3.风格图片,日本木版画
图片
1.主题图片,《戴珍珠耳环的少女》;2.场景图片,电影《千与千寻》剧照;3.风格图片,蒙德里安抽象画
图片
1.主题图片,微信「死亡笑脸」表情包;2.场景图片,电影《星际穿越》剧照;3.风格图片,史努比漫画截图
图片
1.主题图片,冲浪默认头像粉色恐龙 momo;2.风格图片,Jellycat 玩偶
另外,Whisk 的每一次生成,场景和风格只能选择一个参考图片,但主题可以选择多个。这意味着什么?我们可以让多个角色同框了!
比如,让马斯克、奥特曼、扎克伯格通通变成珐琅徽章。
图片
三位的服装、装饰、神态都还原得挺好,扎克伯格的话筒和项链都没漏掉,但人脸没法保持一致性,全部变成了大众脸。
虽然 Whisk 减少了写提示词的需求,但你需要写的话,Whisk 也鼓励。
在对话框加上一句「角色们都举着一块告示牌,上面写着 AGI」,徽章小人们轻轻松松地遵循了提示词。
图片
如果我们需要某个场景或者某种风格,但一时找不到参考图,Whisk 的预设也没有提供呢?
解决方式很简单,没有图片,那就写提示词,让 Whisk 临场发挥一个。
图片
就像我需要一个让角色站上去的、像素风格的底座作为场景,就让 Whisk 帮我生成了。
图片
然后,再把猫猫表情包作为主题图片,把像素小鸡作为风格图片,就可以得到一个有底座的像素猫猫。
图片
总之,Whisk 就是非常自由,像橡皮泥一样,怎么捏都可以。
既生图又识图,把复杂的工作流包装成有趣的「打蛋器」
Whisk,其实是 Google 多模态模型秀肌肉的一种方式。
为了让我们少写提示词,Whisk 整合了视觉理解和图片生成能力。
Gemini 模型识别图片,自动生成详细的描述,然后这些描述会被输入到 Google 的图片生成模型 Imagen 3,由 Imagen 3 生图。
Whisk 是这样的,用户只要上传和生成图片就可以了,但它自己要考虑的事情就很多了。
图片
Whisk 的每张图片,不管是上传的还是生成的,都写了很长的底层提示词,并且不藏着着,我们点开图片就能看,也可以上手修改。
如果把一个人作为主题图片,Whisk 会详细地描述他的外貌特征,场景图片也是类似的。
图片
Whisk 对奥特曼的描述:「一个肤色较浅的男子,有着短而深棕色的卷发,从胸部以上展示。他有着浅色的眼睛。他穿着一件浅米色的针织圆领毛衣。背景是一面斑驳的灰色混凝土墙。男子的表情严肃而中性。光线有些昏暗,他的右脸有轻微的阴影。」
风格图片略有些不同,如果把一张动画截图作为风格参考,Whisk 不会说,画面里有三个人,而是描述这幅画的色彩、光线、线条......
图片
Whisk 对史努比画风的描述:「这张图片以卡通风格呈现,具有粗犷的轮廓和平面着色。色彩调色板有限,主要使用原色和柔和的次要颜色。光线均匀,缺乏强烈的阴影或高光,给人一种简单、几乎孩童般的质感。线条清晰且一致,带有轻微不均匀的质感,暗示手绘的效果。整体美学让人联想到经典的连环漫画或儿童动画。」
所以,Whisk 不是精准地复制图片,而是提取图片的特点和精髓,将主题、场景、风格自然地融合在一起,各司其职,互不干扰。
同时,Whisk 也叠了甲——只从图片提取少量关键特征,结果可能和预期不同。这也解释了,为什么 Whisk 做不到人脸的精准还原。
所以,哪怕选择不那么抽象的复古胶片风格,三位大佬的脸也是和本尊都不挨着,但其他细节都很准确。
图片
物体也是一样,特斯拉的赛博皮卡,经过特征提取再生成之后,变得非常普通。
图片
但如果是麦当劳薯条这种素材丰富的超级 IP,效果倒还不错,可以拿来当广告图了。试过一些迪士尼的角色,Whisk 复刻得也原模原样,但图就不放上来了。
图片
另外,Whisk 还存在一个问题——没法做很细致的风格参考,模仿不了某种特定的画风。
当我让 Whisk 生成蒙娜丽莎的乐高小人,出来的结果让我两眼一黑,但多加一句提示词,「让角色更像乐高人物」,Whisk 又能模仿个七八成。
图片
某个漫画家的画风就更难模仿了,上传漫画截图让 Whisk 参考,它最终给出的是一个非常普通的漫画风格图片,就算通过提示词强调作品、角色、漫画家,也不起什么作用。
其实,Whisk 好玩就够了,它更适合做一些不追求精准的创意探索,俗称整活。
Whisk 可以翻译为「搅拌」或者「打蛋器」,Google 的这个名字取得即视感很强,可不就是把食材都混搭在一起吗?
Whisk 的不精准,也让它的定位和传统的图片编辑器不同,更像是一种创意工具。有了什么脑洞,由它实现粗略的视觉效果。
图片
Whisk 生成,1.主题图片,《火影忍者》截图;2.风格图片,毛绒玩具
但现在有了 Whisk,好像就在玩抽卡游戏或者开盲盒,而且只要能登录(限美国地区),目前还免费。
体验指路👇
Google 领先的模型能力固然是前提和基础,但设计出被大家需要的产品,仍然需要创造力和审美。
很喜欢 Whisk 的 slogan:「prompt less, play more.」(少写提示词,多玩耍。)
图片
Whisk 出自 Google labs,之前爆火的 AI 播客 NotebookLM,也是出自这里,后来慢慢发展为成熟的项目。这个实验室,本身就是这句 slogan 的最好注解。
强大的模型能力,有新意的产品,开放的心态,曾经似乎被 OpenAI 威胁的 Google,风轻云淡地展现出了王者归来的姿态