摘要：Google这两天动作蛮多。昨天刚开源Gemma3，然后今天夜里，鸽了N久的Gemini 2.0的原生多模态生图功能，也终于开放了。

Google这两天动作蛮多。昨天刚开源Gemma3，然后今天夜里，鸽了N久的Gemini 2.0的原生多模态生图功能，也终于开放了。

这也是我对Gemini 2.0最期待的功能。在出门回来，玩了一下午后，我觉得终于可以给你们分享一下，这玩意的有趣之处了。先给你们直观的感受一下，它能干啥。比如我现在有一张图，是一个很酷的小姐姐。

我想让这个小姐姐，变成长头发。你无需PS，无需局部重绘，只需要一句话就行。

Gemini 2.0，就会瞬间保证所有的其他细节不变的情况下，把小姐姐变成长发。我们还可以，一句话，让她把眼睛闭上。

再把她的脸，换成特朗普。。。

这个效果，emmmm，我无法评价。。。又或者，这是一套扑克牌的图。

我想把把最右边的红桃A扑克牌，变成梅花2。一句话，就成。

不过这个得roll，我roll了3次才roll出来。你也可以改文字。

甚至，可以扔一个草图进去，然后说：

请你根据这张手绘线稿图，生成对应的一张真实房屋渲染图。

对这个屋子材质不满意，你还可以，改成木质的。

这，就是言出法随的力量。、得益于Gemini 2.0的多模态能力，类似于之前的GPT4o，GPT4o是语音端到端，而Gemini 2.0，则是图片端到端。集图片理解和生成为一身。而且，画出的图，审美也还凑合，虽然还远远达不到类似MJ、Flux那种质量，泛化能力也差点意思，但，能用了。在多模态大模型上，能用的言出法随，是非常关键的一点。说下怎么用。打开https://aistudio.google.com/正常你登录后会看到这个界面（需要魔法）。

然后，在右侧把模型，切换成Gemini 2.0 Flash Experimental。

目前限免，可以随意白嫖。同时记得output这块，一定是Images and text，千万别只选Text，那你就生成不了图了。

接下来，直接在对话框里，传你图片，加上文字描述就OK。

比如我把我的头像，变成3D实物。

而且你不止可以传一张图，你也可以，传两张图，然后，融图。

虽然它换logo换的还有点贴片感，比较这个太难了，但是产品图，就会好很多了。比如1和2结合。

光影还是有一些不匹配，有一些贴图感，但不妨碍很准确。再给半年时间迭代，我觉得，一切都不是问题。甚至你还可以，不只是图+文字进去，你还可以，直接让它给你生成图文混排的教程。比如这个做番茄炒蛋的case。

你现在，是真的拥有一个图文混排的教程了。。。甚至，你还可以，给一个平面图，直接做每个房间的渲染图。我随手生成了一个两室一厅的平面图。

然后，扔给了Gemini。

怎一个离谱了得。。。这种一致性，做故事、做分镜，真的就是手到擒来。两年多了，生成式AI在图像编辑领域的进步，真的也就像悄悄进行的大革命。从最初需要苦学多年Photoshop和图像处理技术，到如今只需一句话就能实现你的所有创意。我们不再受限于专业技能的掌握程度，就算是从来没用过PS的小白，也可以轻松地用嘴，将脑海中的创意转化为现实。言出法随，从这一刻，成真了。这或许。就是AI时代。它们给予我们最珍贵的礼物。

>/ 作者：卡兹克

>/ 投稿或爆料，请联系邮箱：wzglyay@gmail.com

来源：新浪财经