谷歌发布 Whisk丨一款结合多张图片生成创意的 AI 工具

谷歌最新上线了一款名为 Whisk 的生成式 AI 工具。与传统的通过文字生成图片的方式不同，Whisk 允许用户通过上传图片进行创作。它可以将图片的主体、背景和风格融合起来，生成全新的视觉作品。这一功能目前作为 Google Labs 的实验项目向美国用户开放。

Whisk 是一款基于 AI 的创意工具，用户只需拖入几张图片即可生成新的作品。用户可以上传一张图片作为“主体”，一张图片作为“背景”，再加上一张定义“风格”的图片。Whisk 会根据这些图片的特点，将它们组合成新的创意图像。

比如，用户可以上传一张宠物的照片作为主体，再选择一个森林的背景，同时用卡通风格的图片定义整体效果。最终生成的图像可能是一只在森林中以卡通风格呈现的宠物。除了单纯的图片创作，Whisk 还支持生成搪瓷徽章、贴纸风格的图像等。

Whisk 的工作流程依赖于谷歌的两大模型：Gemini 和 Imagen 3。Gemini 会自动分析并描述用户上传的图片，为图片生成详细的文字说明（例如“这是一只站在草地上的橘猫”）。随后，Imagen 3 根据这些文字说明生成新的图像。

由于Whisk 并不会直接复制用户的图片，而是提取图片的一些关键特征进行创作。因此，生成的图像可能与原始图片存在一定差异，例如主体的高度、颜色或细节可能会有所变化。用户可以查看和调整生成的提示文本，以更接近自己的期望。

Whisk 的定位是一款创意工具，而非传统的图片编辑器。它更注重快速探索创意，而不是精细化的图像编辑。这对于需要快速生成设计灵感的用户来说非常实用，比如插画师、设计师或手工爱好者。

一些可能的应用场景包括：

• 设计个性化的贴纸或徽章

• 为手帐或 DIY 项目快速生成素材

• 探索不同风格的图像表现方式

不过，由于 Whisk 提取的是图片的“核心特征”而非完全复制原图，其生成效果可能与用户的预期有所偏差。如果需要的是精确的图像编辑，这款工具可能无法满足需求。

目前，Whisk 仅在美国开放试用，用户可以通过 labs.google/whisk 访问并体验。这一工具仍处于实验阶段，未来可能会根据用户反馈进行调整和改进。