作者： ajkajk

在人工智能技术飞速发展的今天，Google 再次带来惊喜。Google Labs 正式推出了一款名为 Whisk 的创新型 AI 图像生成工具，这款工具彻底颠覆了传统以文本提示为核心的创作方式，转而采用图像驱动的全新交互模式。

什么是 Whisk？

Whisk 是 Google Labs 推出的一款创新 AI 图像生成工具，它通过图像输入快速生成并重混创意图片。与传统 AI 绘图工具不同，Whisk 允许用户上传图像来确定主体、场景和风格，无需撰写复杂的文本提示，为不擅长文字描述的用户提供了更便捷的创作方式。

核心功能特点

• 图像驱动的生成：上传图像即可确定创作主体、场景和风格，无需编写文本提示
• 自动生成详细字幕：Gemini 模型会自动为上传的图像编写详细的字幕描述，精准捕捉图片的主题、情感和风格特征
• 创意重新混合：可将不同的主体、场景和风格图像进行重新混合，创造出独特设计，如数字玩偶、珐琅别针等创意产品
• 本质捕捉而非复制：捕捉输入图像的本质特征，而非精确复制，为创意变化提供更多空间
• 可编辑提示：用户可查看和编辑底层提示信息，自由调整颜色、图案等特征

技术原理揭秘

Whisk 的强大能力源于 Google 两大核心技术的协同工作：

1. Gemini 视觉理解与描述模型：负责为用户上传的图像生成详细的文字描述，精准捕捉图片的主题、情感和风格特征
2. Imagen 3 图像生成模型：基于 Gemini 生成的丰富描述信息，运用深度学习算法创造出符合用户意图又充满惊喜的新图像

适用场景

Whisk 主要定位于创意探索领域，旨在帮助用户快速生成和迭代各种创意想法，而非用于精确的图像编辑。无论是数字艺术品创作、产品设计灵感，还是创意概念探索，Whisk 都能提供独特的帮助。

工具地址

• 官方博客：https://blog.google/technology/google-labs/whisk/
• 使用地址：https://labs.google/fx/zh/tools/whisk

注意事项：目前 Whisk 仅对美国用户（美国 IP）开放，其他地区用户可能无法直接访问。

Whisk 的推出标志着 Google 在图像生成领域的重要布局，这款工具不仅简化了图像创作流程，更在技术上实现了质的飞跃，为用户提供了一种独特的图像生成方法。