AI 生图器具，仍是多得泛滥了，但 Google 最新推出的 Whisk，照旧找到了一种很新的玩法ady映画，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（立场），Whisk 就可以生成一张共同努力的图片。

▲ 图片来自：Google

举个例子，主题是老东说念主，场景是藤蔓，立场是 90 年代复旧动漫，写上「扮装骑着航行自行车」的领导词，恭候转眼，一张近似吉卜力画风的新图片出身了。

▲ 图片来自：Google

老东说念主照旧阿谁老东说念主，戴帽子，穿西装，拿着书，但他骑上了领导词里的车，场景和立场也都形成了参考图片的样式。

Whisk 的所长便在这里——让咱们少写、不写领导词的同期，交接玩转多样立场，姆妈再也不回来我不会写领导词了。

别写复杂的领导词了，奏凯把图片端上来就行

别看只需要几张图片，Whisk 的玩法浅薄，却又取之不尽。

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》；立场图片，像素风游戏《星露谷物语》。

不写领导词，奏凯生成，Whisk 给出的截止，一张更比三张强。

除了上传我方的图片，咱们也可以掷骰子，让 Whisk 随即生成主题、场景、立场。

其实，Whisk 为咱们提供的预设立场仍是很够用，徽章、贴纸、刺绣、黏土、好意思漫、马赛克拼贴等等，特色廓清，效劳立竿见影。

唯有有脑洞和念念象力，无需一个字，只是通过不同图片的陈列组合，咱们可以不休地作念完形填空的游戏——主题+场景+立场，而且不是每个空都必须填。

▲ 1.主题图片，熏鸡；2.场景图片，梵高《星月夜》画作；3.立场图片，日本木版画

▲ 1.主题图片，《戴珍珠耳饰的仙女》；2.场景图片，电影《千与千寻》剧照；3.立场图片，蒙德里安抽象画

▲ 1.主题图片，微信「物化笑容」方式包；2.场景图片，电影《星际穿越》剧照；3.立场图片，史努比漫画截图

▲ 1.主题图片，冲浪默许头像粉色恐龙 momo；2.立场图片，Jellycat 玩偶

另外，Whisk 的每一次生成，场景和立场只可采用一个参考图片，但主题可以采用多个。这意味着什么？咱们可以让多个扮装同框了！

比如，让马斯克、奥特曼、扎克伯格通通形成搪瓷徽章。

三位的服装、遮拦、热诚都收复得挺好，扎克伯格的发话器和项链都没漏掉，但东说念主脸没法保持一致性，全部形成了大众脸。

虽然 Whisk 减少了写领导词的需求，但你需要写的话，Whisk 也饱读舞。

在对话框加上一句「扮装们都举着一块秘书牌，上头写着 AGI」，徽章庸东说念主们轻交接松地罢黜了领导词。

若是咱们需要某个场景或者某种立场，但一时找不到参考图，Whisk 的预设也莫得提供呢？

科罚方式很浅薄，莫得图片，那就写领导词，让 Whisk 临场表现一个。

就像我需要一个让扮装站上去的、像素立场的底座当作场景，就让 Whisk 帮我生成了。

然后，再把猫猫方式包当作主题图片，把像素小鸡当作立场图片，就可以得到一个有底座的像素猫猫。

总之，Whisk 就长短常解放，像橡皮泥相通，奈何持都可以。

既生图又识图，把复杂的责任流包装成理由的「打蛋器」

Whisk，其实是 Google 多模态模子秀肌肉的一种方式。

为了让咱们少写领导词，Whisk 整合了视觉理会和图片生成才智。

Gemini 模子识别图片，自动生成详备的描摹，然后这些描摹会被输入到 Google 的图片生成模子 Imagen 3，由 Imagen 3 生图。

Whisk 是这么的，用户唯有上传和生成图片就可以了，但它我方要磋议的事情就许多了。

Whisk 的每张图片，无论是上传的照旧生成的，都写了很长的底层领导词，况兼不藏着掩着，咱们点开图片就能看，也可以上手修改。

若是把一个东说念主当作主题图片，Whisk 会详备地描摹他的外貌特征，场景图片亦然近似的。

▲ Whisk 对奥特曼的描摹：「一个肤色较浅的须眉，有着短而深棕色的鬈发，从胸部以上展示。他有着淡色的眼睛。他穿戴一件浅米色的竭诚圆领毛衣。布景是一面斑驳的灰色混凝土墙。须眉的方式严肃而中性。清明有些阴暗，他的右脸有狭窄的暗影。」

立场图片略有些不同，若是把一张动画截图当作立场参考，Whisk 不会说，画面里有三个东说念主，而是描摹这幅画的颜色、清明、线条......

▲ Whisk 对史努比画风的描摹：「这张图片以卡通立场呈现，具有粗鲁的空洞和平面着色。颜色调色板有限，主要使用原色和柔软的次要脸色。清明均匀，衰退浓烈的暗影或高光，给东说念主一种浅薄、险些孩童般的质感。线条明晰且一致，带有狭窄不均匀的质感，走漏手绘的效劳。举座好意思学让东说念主联念念到经典的连环漫画或儿童动画。」

是以，Whisk 不是精确地复制图片，而是索求图片的秉性和精髓，将主题、场景、立场天然地交融在一都，各司其职，互不侵扰。

同期，Whisk 也叠了甲——只从图片索求极少关节特征，截止可能和预期不同。这也讲解了，为什么 Whisk 作念不到东说念主脸的精确收复。

是以，哪怕采用不那么抽象的复旧胶片立场，三位大佬的脸亦然和本尊都不挨着，但其他细节都很准确。

物体亦然相通，特斯拉的赛博皮卡，经过特征索求再生成之后，变得相配庸碌。

但若是是麦当劳薯条这种素材丰富的超等 IP，效劳倒还可以，可以拿来当告白图了。试过一些迪士尼的扮装，Whisk 复刻得也原模原样，但图就不放上来了。

另外，Whisk 还存在一个问题——没法作念很精熟的立场参考，师法不了某种特定的画风。

当我让 Whisk 生成蒙娜丽莎的乐高庸东说念主，出来的截止让我两眼一黑，但多加一句领导词，「让扮装更像乐能手物」，Whisk 又能师法个七或者。

某个漫画家的画风就更难师法了，上传漫画截图让 Whisk 参考，它最终给出的是一个相配庸碌的漫画立场图片，就算通过领导词强调作品、扮装、漫画家，也不起什么作用。

其实，Whisk 好玩就够了，它更合乎作念一些不追求精确的创意探索，俗称整活。

Whisk 可以翻译为「搅动」或者「打蛋器」，Google 的这个名字得到即视感很强，可不即是把食材都混搭在一都吗？

Whisk 的不精确，也让它的定位和传统的图片裁剪器不同，更像是一种创意器具。有了什么脑洞，由它达成低能的视觉效劳。

▲ Whisk 生成，1.主题图片，《火影忍者》截图；2.立场图片，毛绒玩物

夙昔达成 Whisk 这种立场化的效劳，跑通一悉数图像生成的历程，咱们可能需要在 ComfyUI 搭建责任流。

但当今有了 Whisk，好像就在玩抽卡游戏或者开盲盒，而且唯有能登录（限好意思国地区），刻下还免费。

体验指路https://labs.google/fx/zh/tools/whisk

Google 擢升的模子才智天然是前提和基础，但贪图出被大众需要的产物，仍然需要创造力和审好意思。

很心爱 Whisk 的 slogan：「prompt less， play more.」（少写领导词，多玩耍。）

Whisk 出自 Google labs，之前爆火的 AI 播客 NotebookLM，亦然出自这里，自后冉冉发展为熟练的样子。这个践诺室，本人即是这句 slogan 的最佳注解。

重大的模子才智，有新意的产物，怒放的心态，也曾似乎被 OpenAI 恫吓的 Google，风轻云淡地展现出了王者归来的姿态。