截胡 OpenAI，谷歌全模态模型首次解禁！Gemini 2.0 中文唠嗑式 P 图引动漫游戏圈关注

OpenAI 的全模态模型尚未发布，谷歌的全模态图像生成工具却已率先上线！Gemini 2.0 Flash 中推出的原生图像生成功能，通过简单的口头指令，就能实现图像处理，轻松制作海报和表情包，动漫及漫画界也因此热议不断。

刚刚，谷歌 Gemini 新增了原生图像生成功能！这是谷歌首次向公众发布的全模态图像生成器。

现在，开发者们均可使用 Gemini 2.0 Flash 进行原生图像生成，只需通过 Gemini API 和 Google AI Studio 的实验版本即可。

全模态图像生成器与其他 AI 生图模型最大的区别在哪？

主要体现在其超强的推理能力，它能够结合现实世界的知识生成更加符合上下文的图像，理解更多细节，更加遵循文化背景特征。

整个过程均由 Gemini 模型完成，无需调用其他模型，仅需通过自然语言提示即可。

另外，传统的 AI 生图工具需分别处理文本与图像，而此工具能同时输出文本和插图，保持令人惊讶的一致性。

• 真正的多模态能力：同时理解文字、图像及二者之间的联系

• 理解世界知识：具备智能推理能力，结合现实世界知识生成准确内容

• 自然语言交互：仅通过对话即可修改图像，真正实现动嘴 PS

下图即用 Gemini 2.0 Flash 生成的内容，包括黑板上的文字。

许多图像生成模型在渲染长序列文本时屡屡受挫，而这个致命的弱点却被它克服了。

有趣的是，实际上第一个展示全模态图像生成的还是 OpenAI，时间上比谷歌早了整整八个月。

昨天，OpenAI 传出即将发布其首个全模态模型的消息，没想到今天，谷歌便成功发布了第一个版本。

谷歌这一新功能可以根据上下文生成相关图像，支持对话式编辑，甚至能够在图像中生成长文本。

比如，只需简单指令，告诉模型给牛角面包加些巧克力边，立刻便能在对话框中获得满意的图像。

也可以指示它，“在桌子上加些花吗？”它立刻会把花瓶放到桌子上。

如果告诉它自己不太满意，更喜欢红色郁金香，它能在几秒内立刻转换为你所期望的图像。

网友惊呼：太震撼了

现在，终于有了原生图像输出功能，使得图像能够智能地遵循上下文。

该模型的真正强大之处在于能够深刻理解多模态的信息。

例如在一位网友的实测案例中，它能够直接从 URL 中解析 YouTube 视频，并提供基于时间戳的内容摘要。

快速反应的网友已开始热火朝天地进行测试。

生成了 30 岁的女性多角度照片，令人惊艳的一致性。

未来你想要的照片，完全可以随心所欲进行编辑。

瞬间生成一辆小汽车、模特和小汽车的广告大片。

甚至可以用 Gemini 创建图像，开发任何游戏！

Gemini 2.0 Flash 的自画像，颇具趣味。

一些人表示，这个功能太酷了，自己手上的许多图像将焕然一新。

左右滑动查看

不少人认为，谷歌首个原生图像生成功能，或许是今年最佳发布之一。它的编辑过程和一致性都如此简约，令人期待何时能在 Gemini 上实现集成。

当然，实测后也有用户指出，在某些情况下，如何让模型生成不带文字的图像依然颇具挑战性，甚至尝试了数种不同的提示都无法实现。

例如，试图让它根据奥尔特曼昨天分享的 OpenAI 创意写作模型编写的元小说，创作出一幅画作。

文字过多时，模型便无法运用其想象力，只能输出纯文字。

小编的亲测结果也符合这一情况。

对此，谷歌 Gemini 团队研究者表示将会进一步改善此功能，并建议让模型先以文本形式进行思考，可能会取得更好的效果。

有趣的是，「一只马骑宇航员」这样的图像，模型依然无法生成。

漫画与动漫界沸腾

此次，Gemini 2.0 Flash 迅速吸引了漫画圈的关注。

现在，使用它生成漫画只需动动嘴的功夫。

有网友尝试后表示自己根本停不下来。只需简单的提示，就能选择性修改，而不影响整体图像。

他激动地表示，「用它制作漫画与故事分镜会变得非常简单。」

给漫画上色也只是轻轻一提的事儿。

甚至漫画角色的动作——例如抬起手臂，也能通过口述完成。同时，输出图像与原图保持高度一致。

动漫界的二次元们兴奋不已，有人惊叹，这是史上最优秀的动漫模型！

动漫创作的全流程，它都能根据指示完成，比如将素描转换成线稿；填充基础色；增加柔和的阴影，光源位于左上角；添加一个室内背景，使其与当前光源和阴影相匹配，并使用合适角度；调整为单色灰度，以符合轻小说插画风格等。

更多的测试 demo，期待你亲自体验。

故事分镜

Gemini 2.0 Flash 也支持文本+配图输出形式，比如绘本、食谱等都能一并完成。

有网友让它生成一个经典故事《乌鸦喝水》。

从内容到配图，Gemini 2.0 Flash 对故事的把控和现实逻辑都相当合理。

更惊人的是，以下所有内容都是一次性输出的。

还有网友让 Gemini 2.0 解释生命的意义，仅用图像进行回答。

<img w=\"1080\" h=\"654\" data-type=\"png\" title=\"谷歌全模态模型首次解禁！Gemini 2.0 中文唠嗑式 P 图引起动漫游戏圈关注\" src=\"https://img.