Gemini 2.0 Flash引爆AI图像编辑革命
谷歌的Gemini 2.0 Flash凭借其强大的图像编辑能力，特别是“一句话PS”功能，正在互联网上掀起一场风暴。 这项技术被认为将彻底改变广告行业，甚至有人认为模特行业将面临冲击。 无论是去除水印、生成趣味梗图，还是进行图像融合，Gemini 2.0 Flash都让用户玩得不亦乐乎。 一些人甚至大胆预测，谷歌已经全面超越OpenAI，并将率先实现AGI（通用人工智能）。
近期，谷歌在AI领域动作频频，其各种AI产品展现出全方位领先的态势，似乎正准备超越OpenAI。
现在，已经有分析人士预测，谷歌DeepMind将比OpenAI更早实现AGI！
原因很简单，谷歌DeepMind在多个领域的产品布局已经显示出全面获胜的迹象，而且，他们选择默默耕耘，而非大肆炒作。
谷歌AI产品优势一览：
- 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推出。
相比之下，OpenAI最近最引人注目的举动是提交了一份长达15页的提案，呼吁美国政府全面禁止DeepSeek，限制中国AI发展。 这种对比之下，孰优孰劣，一目了然。
总而言之，谷歌DeepMind不事张扬，不对其他竞争对手指手画脚，只是默默努力，给公众留下了务实的印象。
如今，谷歌DeepMind的发展势头愈发强劲。 倘若能将额外开发的技术推向市场，或将引发一场颠覆性的变革。
超强推理能力：Gemini 2.0 Flash更懂图像生成
不久前，谷歌发布了其首个面向公众的全模态图像生成器——Gemini 2.0 Flash，标志着谷歌正式进军原生图像生成领域。
Gemini 2.0 Flash的“一句话就能PS”功能，迅速引起了网友的广泛关注。
在过去的几天里，Gemini 2.0 Flash引发的反响仍在持续。
用户纷纷尝试用它来去除水印、生成交叉图像等，并惊呼Gemini 2.0 Flash完全可以取代Photoshop。
那么，全模态图像生成器与其他AI图像生成模型相比，最大的区别是什么呢？
Gemini 2.0 Flash拥有强大的推理能力，能够结合现实世界的知识来生成更符合上下文的图像，理解更多的细节，并遵循特定的文化背景。
更重要的是，整个过程都由Gemini模型独立完成，无需调用其他模型，只需通过自然语言提示即可。
此外，传统的AI图像生成器需要分别处理文本和图像，而Gemini 2.0 Flash则可以同时输出文本和插图，并保持惊人的一致性。
Gemini 2.0 Flash的核心优势：
- 真正的多模态能力：能够同时理解文字、图像以及二者之间的联系。
- 理解世界知识：能够进行智能推理，结合现实世界的知识生成准确的内容。
- 自然语言交互：仅通过对话即可修改图片，真正实现“一句话PS”。
如此强大且令人惊叹的修图功能，让网友Oleks预测：以图片销售为主营业务的公司，股价将会暴跌！
“一句话PS”：收费版Photoshop面临挑战
现在看来，Photoshop的确面临着前所未有的挑战。
视觉特效从业者Bilawal Sidhu表示，谷歌Gemini的新功能“一句话PS”将消除专业人士和普通用户之间的技术鸿沟。
他展示了5个例子，证明使用Gemini进行特效制作非常简单。
1. 将自己变成Roblox和Minecraft角色
2. Gemini深刻的场景理解能力
3. 为不同人物添加墨镜，效果良好
4. 3D线框+语义激光雷达点云测试
5. 补画与扩画 (in-painting and out-painting)
使用Gemini 2.0 Flash，将梗图修改成自己想要的样子变得非常简单。
想要制作其他脑洞大开的“梗图”也变得轻而易举。
即使是夜晚的照片，Gemini 2.0 Flash也能将其瞬间变成白天的照片。
可以看出，在将夜景转换为白天实景时，景观基本准确，没有出现幻觉。 如果要挑剔的话，那就是根据夜景图像生成的图像，在光照条件方面存在一些偏差。
这简直让人难以置信。
一些人亲自上手尝试后，不得不承认：谷歌这次确实很厉害。
最令人惊喜的是，Gemini 2.0 Flash几乎没有任何限制，可以毫无障碍地生成名人肖像和受版权保护的角色图像。
例如，CMU机器学习博士James Campbell就尝试将马斯克P到了自己的办公桌上。
照片中的人物神态自然，人物和背景融合得天衣无缝，很难看出是后期合成的。
网友们也纷纷进行实测，并表示这项功能非常棒！
从此，“一句话P图”的功能进入了一个新的阶段。
上班快迟到了，需要快速编一个理由？ 打开Gemini 2.0 Flash，一键搞定！
只需一句话，美女手中的手机就能变成我们指定的那款。
Gemini 2.0 Flash和Pika的结合也产生了奇妙的效果。
为模特一键换装，简直做到了极致。
从此，我们不必再去影楼拍摄写真或证件照了，只需上传一张高清生活照即可！
同样，一张正面肖像照也可以切换至侧视图，或者缩小视角。
各种角度的照片都可以生成。
结合Kling后，可以直接生成广告大片，有望颠覆模特和广告行业。
角色一致性的保持程度也令人惊讶。
此外，这项功能还可以用来设计房屋。
比如，让家具消失，然后将房屋的装修风格改成现代时尚美学。 在美国，请室内设计师做这件事可能需要花费五千到一万美元。
甚至，Gemini 2.0 Flash还能帮助我们复原老照片。
去水印：网友们玩疯了！
在去除水印方面，Gemini 2.0 Flash也表现出色！
这项意外解锁的新技能让网友们激动不已。
这项功能免费且可以无限使用，而且不会因为删除水印而产生明显的空白区域。
在谷歌AI Studio上，可以使用“动动嘴，就能PS照片”的功能。
网友们对去水印功能情有独钟，很多人实测后都感到惊喜。
然而，这也引发了不少争议。 例如，摄影师和设计师的作品被盗用，可能会导致版权侵权行为更加泛滥。
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对Gemini的新功能感到震惊！
在他看来，Gemini 2.0 Flash的交叉图像生成功能具有颠覆性意义。
如何向2岁女儿的班级解释AlphaFold的工作原理？
只需输入提示：“Write an illustrated story about AlphaFold for toddlers”，就能瞬间生成一本图文并茂、符合幼儿园风格的科普书。 Oriol Vinyals直呼这就是魔法！
AI可以让AlphaFold这样复杂的主题，对幼儿来说都变得更加容易理解。
Oriol Vinyals赞叹道：Gemini 2.0 Flash的交叉图像生成是一项革命性技术！
这个简单的演示向人们展示了AI+教育的无限可能性，未来的启蒙教育或许会变得更加有趣！
而且，Gemini 2.0 Flash现在允许用户输入任何人物或物体的图片，并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、动漫圈沸腾
Gemini 2.0 Flash这项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。
现在使用Gemini 2.0 Flash来生成漫画，只需要动动嘴。
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”。
为漫画添加颜色也是一句话的事。
即使是漫画角色的动作——抬起手臂，也能用嘴完成。 而且，输出的图像与原图保持了高度的一致性。
动漫圈的二次元用户更是激动不已，有人惊呼，这是有史以来最好的动漫模型！
动漫创作的整个流程，Gemini 2.0 Flash都能按照指示完成，比如将素描转换为线稿；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。
更多测试案例，请自行体验。
谷歌最新生成模型 Gemini API
此外，还有好消息传来。
开发者现在可以在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只需0.40美元。
Gemini API的开发者Logan Kilpatrick宣布，Gemini API文档已更新，现在可以使用代码生成图像了。
开发者可以使用API来生成图片，并开发各种有趣的应用。
即使不懂编程也没关系，可以将示例代码作为参考，并使用Cursor等AI编程工具来帮助编写生成图片的代码。
例如，在文档中，利用Python代码生成了“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的场景。
在API文档中，谷歌还指出了使用Gemini修图时的一些限制，如下所示。
Gemini API文档显示：使用编辑图片功能时，建议使用简体中文等语言，以获得最佳效果。
