AI文生圖最大問題不存在了，最新Gemini 2.0指哪改哪，網民已經玩壞了 | 附指南

最近的熱點實在太多了，當 Gemini 的文生圖模型更新出來時，原以為只是平平無奇的小更新——萬萬沒想到，屬實是個大招。

在此之前，要麼用 Stable Diffusion，要麼走回 Photoshop 老路，反正還沒有哪個模型，可以用如此簡單的對話，就完成如此精細的修改。

Gemini 率先突破可控性這件事並不令人意外，二月時，Google 就推出了最新一代的圖像生成模型 Imagen 3，當時就強化了提示詞的跟隨功能。

當時還只面對付費用戶，現在在 AI Studio 中已經可以看到更完整豐富的呈現。可以說，在目前文生圖的可控性程度，以及相對應的用戶體驗上，Gemini 的確做到了無人能出其右。

下面我們會具體解釋為什麼這樣下結論。同時在測試過程中，我們也發現了一些使用技巧，一併奉上。

可控性不好？不存在了

誠實的說，單純講生成還是有一點不穩定，但是 Gemini 2.0 Flash Experimental 展示出了堪稱逆天的修改可控性。

下面這組花田圖里，使用了 Imagen 3 的官方實例：Impressionistic landscape painting of a sunset over a field of sunflowers， vibrant colors， thick brushstrokes， inspired by Monet。

中間的修改提示詞，是為了把天空換成藍綠色：turn the clouds at the back of the picture in to blue-greenish color

注意看中間圈出來的地方，花田和天空過渡處的油彩，基本沒有變化——模型充分理解這個修改提示詞里「局部改色」的意圖，只對天空局部改動，其它任何地方都保持了不變。

接下來這組城市街景的例子更明顯，生成提示詞：generate a Tokyo street crossroad， cars passing the traffic light and people walking around

細部有些地方還是不太能看的，生成這一步的不穩定性還是沒有被完全馴服。真正有驚人改變的，是細部的指令跟隨。

「我想要變成夜景」「街上應該有燈光」，提示詞可以非常直給就完成修改。來感受一下四輪對話之後，形成的整體變化對比。

四張圖漸次展示了城市從白天、黃昏、傍晚、再到夜晚的樣子。而在四輪對話中，說改車就改車，不說改動行人就保持原樣——不可控性不存在了！

Tip：生成+修改最穩定

局部修改的功能，如果是在現有圖片上改動，效果沒那麼好，比較粗暴。下面是兩張現圖改夜景的例子。

最穩定的組合是從生成到修改，一條龍完成，在後續的修改里可控性就更高。

整體變化，一句話完成

除了局部改動，還可以改動視角，這也是非常實用的功能。對於短片的故事板、產品多視角展示，都相當有幫助。

產品圖的修改真正做到了隨心所欲。

要描述的是圖片最終的樣子，而不是修改圖片的過程

Gemini 理解模糊指令是沒問題的，只是需要注意一下模糊的「方式」。

比如想變換鏡頭視角，要描述的應該是最後形成的結果，如「從左邊拍攝的樣子」，而不是「鏡頭移動到左邊」。這畢竟還是一個靜態文生圖，並不能呈現鏡頭移動。

換句話說，指令越簡單直給反而越好。

一進入 Stduio 還有一個官方示例是做一張生日卡片，可以直接嘗試。不過，想要更高的可控性，最好複製黏貼了之後，自己新建一個對話。

接下來我修改了裡面的元素，花朵被替換成星球，再簡單做個 3D 效果。

然後，我對 Gemini 給出了那個最震撼的指令：我要五彩斑斕的黑。

等待時間來到了一百多秒 在等待的過程中，還有兩個必須提醒的地方：

一些基礎設置必不可少

進入 Studio 之後，需要在右側 Model 一欄，選擇最新的 Gemini 2.0 Flash Experimental。

成功進入後，記得左側的 Library 一欄，設置一下帳號關聯生成 Library，否則有可能無法保存會話。

最後來看下， Gemini 想明白了怎麼改黑色了嗎？

500s 過去了，毫無動靜——AI 還是理解不了五彩斑斕的黑啊！

我們正在招募夥伴

簡曆投遞郵箱

hr@ifanr.com

郵件標題「姓名+崗位名稱」（請隨簡曆附上項目/作品或相關鏈接）