高能预警，谷歌神器一句话P图全网震动！PS直接淘汰，模特广告业不存在了？

---

  新智元报道  

编辑：Aeneas KingHZ 

【新智元导读】谷歌的Gemini 2.0 Flash凭一句话PS的功能，还在全网不断掀起新的风暴！广告业直接被颠覆，模特从此彻底不存在了。去水印、梗图、交叉图像，已经被网友玩疯。甚至有人预言：谷歌已全面超越OpenAI，将率先实现AGI。

最近，谷歌的种种AI产品是全方位领先，大有全面超越OpenAI的架势。

如今已经有人预测：谷歌DeepMind将比OpenAI率先实现AGI！

原因很明显，如今谷歌DeepMind在多个领域布局下的产品，已经表现出全面获胜之势，而且，它们并没有炒作。

‍

最佳通用模型：Gemini 2.0 Flash
最佳多模态：Gemini 2.0 Flash / Gemini 2.0 Pro Experimental
最佳原生图像生成：Gemini 2.0 Flash
最佳文本/图像到视频：Veo-2
最佳图像生成：Imagen-3
最大的上下文窗口：2M（Gemini 2.0 Pro Experimental）

此外，谷歌的原生音频生成功能也将很快上线。

对比之下，OpenAI近期最令人印象深刻的行动，大概就是发出15页提案，呼吁美国政府全面封禁DeepSeek、锁死中国AI了，这么一对比，简直高下立判。

总之，谷歌DeepMind不炒作，不对其他竞品评头论足，只是默默做事，给大众留下了非常清新的印象。

如今，它已经愈发势不可挡，而在机器人开发领域，如果仅是将额外开发的技术推向市场，或许就会引发巨大的冲击波。

左右滑动查看

学会超强推理的模型，更懂怎么生图了

四天前，谷歌宣布，自己的首个向公众发布的全模态图像生成器上线，Gemini 2.0 Flash可以进行原生图像生成了。

「一句话就能PS」的功能，当即震惊了全部网友。

Gemini生成的开怀大笑的蒙娜丽莎

几天过去了，Gemini 2.0 Flash引发的余震，还在不断回响。

一句话去水印、交叉图像生成等功能，被网友们玩疯了。大家公认：它已经可以轻松取代Photoshop。

全模态图像生成器，跟其他AI生图模型最大的区别在哪里？

因为它自身具备的超强推理能力，能结合现实世界的知识生成更符合上下文的图像，理解更多细节，更遵循文化背景特征。

其中，全程都是由Gemini模型完成，无需调用其他模型，只需通过自然语言提示。

此外，传统的AI生图器需要分开处理文本和图片，它则是能同时输出文本和插图，保持惊人的一致性。

真正的多模态能力：同时理解文字、图像，以及二者联系
理解世界知识：能做智能推理，结合现实世界知识生成准确内容
自然语言交互：仅用对话修改图片，真正实现一句话PS

 

如此强大、令人震撼的修图功能，不禁让网友Oleks推测：以买图为主业的公司，股价将暴跌、一泻千里！

一句话PS，收费PhotoShop被创飞

如今看来，PS是已经被彻底颠覆了。

从11岁起从事视觉特效的Bilawal Sidhu表示，谷歌的Gemini新功能「一句话PS」将消除PS高手和小白之间的技术壁垒。

他展示了5个例子，用Gemini搞特效就是这么简单。

1. 将自己化身为Roblox和Minecraft角色

2. Gemini深刻的场景理解能力

演讲图片变三维线框模型	2D变3D线框模型渲染效果

3. 给不同人物添加墨镜，表现良好

4. 3D线框+语义激光雷达点云测试

3D测试	雷达点云测试

5. 补画与扩画（in-painting and out-painting）

补画：添加红色激光眼	扩画：扩大画面场景

把梗图改成自己想要的样子，从此以后so easy。

想脑洞大开制作其他「梗图」，也是轻而易举。

这张黑夜的照片，Gemini 2.0 Flash能让它秒变白天的图。

上下滑动查看

可以看出，在把夜景转化为白天的实景时，景观基本上准确的，没有幻觉，如果要挑毛病，就是根据夜景图像产生的图产生了对光照条件的幻觉。

简直让人疯狂。

有人不信邪，亲自上手尝试了一遍后，不得不承认：谷歌这次真的厉害了。

最令人惊喜的是，它几乎没什么限制，可以毫无阻碍地生成名人肖像和受版权保护的角色图像。

比如说，CMU机器学习博士James Campbell就尝试把马斯克P到了自己的办公桌上。

这活灵活现的神态，人物和背景自然地融为一体，就问谁能看出来是P的？

网友们也纷纷展开实测。感受就是：这个功能太伟大了！

从此，一句话p图真的到了next level。

上班要迟到了，需要火速编个理由，怎么办？打开Gemini 2.0 Flash，一键搞定。

上下滑动查看

一句话，美女手中的手机就变成了我们指定的那款。

Gemini 2.0 Flash和pika的结合，也发挥出了奇效。

给模特一键换装，简直做到了极致。

从此，我们不必再去消息工作室拍写真或者证件照了，直接上传一张高清生活照就可以！

上下滑动查看

同理，一张正面肖像照，也可以切换至侧视图，或者缩小的视角。

各种角度的图片都能生成。

结合Kling后，直接就生成了广告大片，有望颠覆模特和广告行业。

角色一致性的保持程度，也令人吃惊。

另外，这个功能还可以用来给我们设计房屋。

比如让家具消失，然后将房屋装修风格改成现代时尚美学。要知道，在美国找室内设计师干这个活，可能会需要五千到一万刀的费用。

甚至，它还能帮我们复原老照片。

去水印，网友们玩疯了！

而在去水印方面，Gemini 2.0 Flash也是一绝！

这个意外解锁的新技能，可是把网友们激动坏了。

这个功能不要钱，免费无限用，也不会因为删除水印，产生的明显的空白区域。

左：有多个水印的图片；右：Gemini去水印后的效果

在谷歌AI Studio上，可以使用「动动嘴，就能PS照片」的功能。

网友对去水印功能情有独钟。很多人实测之后，大为惊喜。

不过，这也引发了不少争议，比如摄影师、设计师的作品被盗用，就会导致版权上的违法行为更加泛滥。

交叉图像功能，一句话「讲故事」

谷歌DeepMind研究及深度学习负责人，Gemini项目共同负责人Oriol Vinyals，被Gemini的新功能惊呆了！

在它看来，它的交叉图像生成功能简直是颠覆性的。

怎样向2岁女儿的班级解释AlphaFold的工作原理？

只要输入提示：「Write an illustrated story about AlphaFold for toddlers」，图文并茂，符合幼儿园风格的科普书，瞬间产生，Oriol Vinyals直呼这就是魔法！

左右滑动查看

AI可以让AlphaFold这样复杂的主题，对幼儿来说都变得更易理解。

Oriol Vinyals赞叹道：Gemini 2.0 Flash交错图像生成是一项革命性技术！

这个简短的demo向世人展示了AI+教育的无限想象空间，以后启蒙教育或许变得更加有趣！

而且，Gemini 2.0 Flash现在可以让我们输入任何人或物的图片，在此基础上创作出全新的形象，同时还能较好地保持原始人物/角色的特征。

游戏、漫画、动漫圈都炸了

Gemini 2.0 Flash这个新功能，甚至可以用来迭代图像，创建任何游戏！

同时，Gemini 2.0 Flash也直接攻陷了漫画圈。

现在用它来生成漫画，只需要动动嘴的功夫。

有网友尝试后，发现自己根本停不下来。只需一个简单的提示，就能进行选择性修改，而不会破坏整个图像。

他激动地表示，「用它来制作漫画和故事分镜会变得非常轻松」。

给漫画加个色，也是一句话的事儿。

就连漫画角色的动作——抬起手臂，也能用嘴完成。而且，输出图像与原图保持了高度的一致性。

动漫圈的二次元们更是激动不已，有人惊呼，这是史上最佳动漫模型！

动漫创作的全流程，它都能依指示完成，比如把素描转换为线稿；填充基础色；添加一些柔和的阴影，光源位于左上角；添加一个室内背景，使其与当前的光源和阴影环境相匹配，使用合适的角度；调整为单色灰度，以符合轻小说插画风格等等

更多的测试demo，自己体会。

谷歌最新生成模型Gemini API

而且刚刚，又有好消息传来。

今天，开发者可以在Gemini 2.0 Flash Thinking Experimental的API中，使用图片生成功能了！

用户免费使用限制为1500次/天，最多10次/分钟请求。付费价格也很便宜，每百万tokens要0.40美元。

Gemini API的开发者Logan Kilpatrick，宣布Gemini  API文档已更新，使用代码也可以生成图像了。

开发者们可以用 API 来生成图片做各种有意思的应用。

不懂编程，也没关系，还可以把示例代码作为参考发给Cursor之类AI编程工具，帮助写生成图片代码。

比如，在文档中，利用Pyton代码，生成的「一只戴着高顶帽、长着翅膀的猪」在一座充满绿色植被的未来科幻城市上空飞翔。

在API文档中，谷歌也指出了利用Gemini修图时的一些限制，如下图。

Gemini API文档：使用编辑图片功能，建议使用简体中文等获得最佳效果。

（文：新智元）