高能預警，Google神器一句話P圖全網震動，PS直接淘汰，模特廣告業不存在了？

Google的Gemini 2.0 Flash憑一句話PS的功能，還在全網不斷掀起新的風暴！廣告業直接被顛覆，模特從此徹底不存在了。去水印、梗圖、交叉圖像，已經被網民玩瘋。甚至有人預言：Google已全面超越OpenAI，將率先實現AGI。

最近，Google的種種AI產品是全方位領先，大有全面超越OpenAI的架勢。

如今已經有人預測：GoogleDeepMind將比OpenAI率先實現AGI！

原因很明顯，如今GoogleDeepMind在多個領域佈局下的產品，已經表現出全面獲勝之勢，而且，它們並沒有炒作。

最佳通用模型：Gemini 2.0 Flash

最佳多模態：Gemini 2.0 Flash / Gemini 2.0 Pro Experimental

最佳原生圖像生成：Gemini 2.0 Flash

最佳文本/圖像到影片：Veo-2

最佳圖像生成：Imagen-3

最大的上下文窗口：2M（Gemini 2.0 Pro Experimental）

此外，Google的原生音頻生成功能也將很快上線。

對比之下，OpenAI近期最令人印象深刻的行動，大概就是發出15頁提案，呼籲美國政府全面封禁DeepSeek、鎖死中國AI了，這麼一對比，簡直高下立判。

總之，GoogleDeepMind不炒作，不對其他競品評頭論足，只是默默做事，給大眾留下了非常清新的印象。

如今，它已經愈發勢不可擋，而在機器人開發領域，如果僅是將額外開發的技術推向市場，或許就會引發巨大的衝擊波。

學會超強推理的模型，更懂怎麼生圖了

四天前，Google宣佈，自己的首個向公眾發佈的全模態圖像生成器上線，Gemini 2.0 Flash可以進行原生圖像生成了。

「一句話就能PS」的功能，當即震驚了全部網民。

幾天過去了，Gemini 2.0 Flash引發的餘震，還在不斷迴響。

一句話去水印、交叉圖像生成等功能，被網民們玩瘋了。大家公認：它已經可以輕鬆取代Photoshop。

全模態圖像生成器，跟其他AI生圖模型最大的區別在哪裡？

因為它自身具備的超強推理能力，能結合現實世界的知識生成更符合上下文的圖像，理解更多細節，更遵循文化背景特徵。

其中，全程都是由Gemini模型完成，無需調用其他模型，只需通過自然語言提示。

此外，傳統的AI生圖器需要分開處理文本和圖片，它則是能同時輸出文本和插圖，保持驚人的一致性。

真正的多模態能力：同時理解文字、圖像，以及二者聯繫

理解世界知識：能做智能推理，結合現實世界知識生成準確內容

自然語言交互：僅用對話修改圖片，真正實現一句話PS

如此強大、令人震撼的修圖功能，不禁讓網民Oleks推測：以買圖為主業的公司，股價將暴跌、一瀉千里！

一句話PS，收費PhotoShop被創飛

如今看來，PS是已經被徹底顛覆了。

從11歲起從事視覺特效的Bilawal Sidhu表示，Google的Gemini新功能「一句話PS」將消除PS高手和小白之間的技術壁壘。

他展示了5個例子，用Gemini搞特效就是這麼簡單。

1. 將自己化身為Roblox和Minecraft角色

2. Gemini深刻的場景理解能力

演講圖片變三維線框模型

3. 給不同人物添加墨鏡，表現良好

4. 3D線框+語義激光雷達點雲測試

3D測試

5. 補畫與擴畫（in-painting and out-painting）

補畫：添加紅色激光眼

把梗圖改成自己想要的樣子，從此以後so easy。

想腦洞大開製作其他「梗圖」，也是輕而易舉。

這張黑夜的照片，Gemini 2.0 Flash能讓它秒變白天的圖。

可以看出，在把夜景轉化為白天的實景時，景觀基本上準確的，沒有幻覺，如果要挑毛病，就是根據夜景圖像產生的圖產生了對光照條件的幻覺。

簡直讓人瘋狂。

有人不信邪，親自上手嘗試了一遍後，不得不承認：Google這次真的厲害了。

最令人驚喜的是，它幾乎沒什麼限制，可以毫無阻礙地生成名人肖像和受版權保護的角色圖像。

比如說，CMU機器學習博士James Campbell就嘗試把馬斯克P到了自己的辦公桌上。

這活靈活現的神態，人物和背景自然地融為一體，就問誰能看出來是P的？

網民們也紛紛展開實測。感受就是：這個功能太偉大了！

從此，一句話p圖真的到了next level。

上班要遲到了，需要火速編個理由，怎麼辦？打開Gemini 2.0 Flash，一鍵搞掂。

一句話，美女手中的手機就變成了我們指定的那款。

Gemini 2.0 Flash和pika的結合，也發揮出了奇效。

給模特一鍵換裝，簡直做到了極致。

從此，我們不必再去消息工作室拍寫真或者證件照了，直接上傳一張高清生活照就可以！

同理，一張正面肖像照，也可以切換至側視圖，或者縮小的視角。

各種角度的圖片都能生成。

結合Kling後，直接就生成了廣告大片，有望顛覆模特和廣告行業。

角色一致性的保持程度，也令人吃驚。

另外，這個功能還可以用來給我們設計房屋。

比如讓傢俱消失，然後將房屋裝修風格改成現代時尚美學。要知道，在美國找室內設計師幹這個活，可能會需要五千到一萬刀的費用。

甚至，它還能幫我們複原老照片。

去水印，網民們玩瘋了！

而在去水印方面，Gemini 2.0 Flash也是一絕！

這個意外解鎖的新技能，可是把網民們激動壞了。

這個功能不要錢，免費無限用，也不會因為刪除水印，產生的明顯的空白區域。

在GoogleAI Studio上，可以使用「動動嘴，就能PS照片」的功能。

網民對去水印功能情有獨鍾。很多人實測之後，大為驚喜。

不過，這也引發了不少爭議，比如攝影師、設計師的作品被盜用，就會導致版權上的違法行為更加氾濫。

交叉圖像功能，一句話「講故事」

GoogleDeepMind研究及深度學習負責人，Gemini項目共同負責人Oriol Vinyals，被Gemini的新功能驚呆了！

在它看來，它的交叉圖像生成功能簡直是顛覆性的。

怎樣向2歲女兒的班級解釋AlphaFold的工作原理？

只要輸入提示：「Write an illustrated story about AlphaFold for toddlers」，圖文並茂，符合幼兒園風格的科普書，瞬間產生，Oriol Vinyals直呼這就是魔法！

AI可以讓AlphaFold這樣複雜的主題，對幼兒來說都變得更易理解。

Oriol Vinyals讚歎道：Gemini 2.0 Flash交錯圖像生成是一項革命性技術！

這個簡短的demo向世人展示了AI+教育的無限想像空間，以後啟蒙教育或許變得更加有趣！

而且，Gemini 2.0 Flash現在可以讓我們輸入任何人或物的圖片，在此基礎上創作出全新的形象，同時還能較好地保持原始人物/角色的特徵。

遊戲、漫畫、動漫圈都炸了

Gemini 2.0 Flash這個新功能，甚至可以用來迭代圖像，創建任何遊戲！

同時，Gemini 2.0 Flash也直接攻陷了漫畫圈。

現在用它來生成漫畫，只需要動動嘴的功夫。

有網民嘗試後，發現自己根本停不下來。只需一個簡單的提示，就能進行選擇性修改，而不會破壞整個圖像。

他激動地表示，「用它來製作漫畫和故事分鏡會變得非常輕鬆」。

給漫畫加個色，也是一句話的事情。

就連漫畫角色的動作——抬起手臂，也能用嘴完成。而且，輸出圖像與原圖保持了高度的一致性。

動漫圈的二次元們更是激動不已，有人驚呼，這是史上最佳動漫模型！

動漫創作的全流程，它都能依指示完成，比如把素描轉換為線稿；填充基礎色；添加一些柔和的陰影，光源位於左上角；添加一個室內背景，使其與當前的光源和陰影環境相匹配，使用合適的角度；調整為單色灰度，以符合輕小說插畫風格等等

更多的測試demo，自己體會。

Google最新生成模型Gemini API

而且剛剛，又有好消息傳來。

今天，開發者可以在Gemini 2.0 Flash Thinking Experimental的API中，使用圖片生成功能了！

用戶免費使用限制為1500次/天，最多10次/分鐘請求。付費價格也很便宜，每百萬tokens要0.40美元。

Gemini API的開發者Logan Kilpatrick，宣佈Gemini  API文檔已更新，使用代碼也可以生成圖像了。

開發者們可以用 API 來生成圖片做各種有意思的應用。

不懂編程，也沒關係，還可以把示例代碼作為參考發給Cursor之類AI編程工具，幫助寫生成圖片代碼。

比如，在文檔中，利用Pyton代碼，生成的「一隻戴著高頂帽、長著翅膀的豬」在一座充滿綠色植被的未來科幻城市上空飛翔。

在API文檔中，Google也指出了利用Gemini修圖時的一些限制，如下圖。

Gemini API文檔：使用編輯圖片功能，建議使用簡體中文等獲得最佳效果。

參考資料：

https://x.com/bilawalsidhu/status/1901078553736999340

https://x.com/OriolVinyalsML/status/1901328862656503826

https://x.com/gingfreecss325/status/19007989 6 4305457448

https://x.com/deedydas/status/1901042632958345369

本文來自微信公眾號「新智元」，作者：新智元，36氪經授權發佈。