News 生活资讯社区专栏原创图片新闻 Recent News 评论搜索科技信息

谷歌: Google重磅更新,仿佛看到了AGI的影子

Gemini是个水桶型模型，可能在数学，推理，创意上都比不上最好的模型。但是它每一项的能力都不差，甚至多模态理解处于全球领先行列，速度也是嘎嘎快。

刚刚，Google宣布在Google AI Studio和Gemini API上开放Gemini 2.0 Flash的原生图像生成功能，供开发者测试和实验。也就是不止输入可以图文，现在模型可以无缝的融合图文同时输出了！

不仅能理解文字，还能直接根据描述生成令人惊艳的高质量图片。主要功能包括：文本+图像生成、对话式图像编辑、真实感图片创作以及高质量文本渲染。

它不仅能理解文字，还能直接根据描述生成高质量的图片。支持文本+图像生成、对话式图像编辑、真实感图片创作、高质量文本渲染。

多模态能力：可以同时理解文字、图像，并在二者之间建立联系。

智能推理：能够结合现实世界的知识，生成准确的视觉内容。

自然语言交互：支持用户通过对话方式调整修改图片，类似 AI 画师助手。

接下来是试玩环节~

输入一个描述：“以“一只可爱的猪在天上飞”为主题，生成6副连续插画。”

Gemini 2.0 Flash会根据文本生成一系列插图，让角色和场景在不同画面中保持一致性。从结果可以看到，它能在一次内容输出中包含多张图，且角色形象始终如一。

OpenAI抢输了 Google狠砸24 亿

自家裸身遭Google街景拍获赔1万多美元

Google地图这"功能" 9月将走入历史

进一步，还可以要求它修改绘画风格（如卡通风、写实风等）。

这样想象空间就很大了，如之前很多爆款的针对小孩的插画故事视频，古诗插画视频，门槛制作进一步降低了。

除此之外，我们还可以，用语言完成PS，并且这是有多轮交互支持上下文的！

在举个例子： “让AI生成一个蓝色的房子”，然后进行交互修改布局，颜色：

相比一般的AI画图工具，Gemini 2.0 Flash能理解更多现实世界的细节和文化背景。

因为Gemini本身是经过了大量语言模型训练的，所以世界知识丰富，利用世界知识和增强推理来创建正确的图像。这使得它非常适合创建逼真的详细图像——比如“我想做一道东北大乱炖，请告诉我要怎么做，每一步骤请配上图片”。