谷歌Gemini火力全開！實測：原生圖像生成新升級確實強_風聞
量子位-量子位官方账号-1小时前
一水 發自 凹非寺
量子位 | 公眾號 QbitAI
谷歌Gemini原生圖像生成功能又雙叒升級了！
與之前的實驗版本相比（Gemini 2.0 Flash Experimental），這一次主打圖像質量更好、文本渲染更準確，生成速度更快。
只需一句話，就能將兩張圖片中的元素絲滑融合在一起。
還能即時編輯圖像，比如剛説完給圖中人物加上眼鏡，圖片立馬就生成好了。
p.s. 這個需要在Google AI Studio的Starter Apps板塊體驗
也可以指定僅修改圖中某一部分，新圖的其他部分能同時和原來保持一致。
更有意思的是，搭配Gemini 2.0 Flash食用，還能讓模型自己構思自己生圖。
現在，這些功能都可以在Google AI Studio免費試玩，模型請認準**“gemini-2.0-flash-preview-image-generation”**。
開發者可以通過Google AI Studio和Vertex AI中的Gemini API集成，每張圖片的價格為0.039美元（約合人民幣0.28元）。
實際上，本次升級距離谷歌首次推出Gemini原生圖像生成功能，僅過去一個多月時間。
網友們的感受也都體現在了下面這張梗圖中：
谷歌最近真是火力全開啊！
實測最新升級據谷歌AI Studio開發者平台產品負責人透露， 本次升級主要體現在以下幾個方面：
更好的視覺質量
更準確的文本渲染
顯著降低濾波器阻塞率（延遲和卡頓更低）
更高的速率限制（更快生成圖像或能同時處理更多圖像）
那麼其實際表現究竟如何呢？我們也第一時間進行了實測。
首先，在谷歌提供的demo中，我們看到了它能很好地將完全不同的元素自然融合在一起。
於是我們也提供了下面兩張原圖，要求它幫忙生成量子位周邊。
實測用時5.4s，幾乎一瞬間就生成了我們想要的圖片。
儘管logo的顏色還有細微偏差，但整體構圖已經很成熟了，處理摳圖以及融合都比較乾淨。
而且上面這個例子還順道考查了其文字渲染能力，除了中文，我們再嘗試一下其他文字。
最常見的英文渲染正確，並且還自帶藝術字設計。
繼續換成希臘文（中譯為“我愛你”）也有同款優秀表現，仔細對比未發現渲染錯誤。
OK，短暫告別這一趴，接下來我們測試其換圖or擴圖能力。
開啓“找茬”模式後，我們不得不承認它確實只更換了吊牀顏色，其他素材均和原圖一致。
同時可以看到，在秒速生圖過程中，它還會在接收用户指令後給出自己的理解。
此外，如果只給人物上半身，要求它生成完整人物形象呢？
第一次擴圖，它只前進了一小步，完成了更多的人物上半身復原工作。
新生成的部分看起來也非常合理，從一根藍色肩帶擴展到了揹帶褲穿搭。
不過這不是我們一開始想要的“全身肖像”，所以繼續……
最終結果如下，人物的比例和姿態都很完美，生成效果着實驚豔。
最後我們也體驗了一波即時繪圖功能，結論是其原生圖像生成的速度確實快。
我們先隨意畫了一個太陽的草圖，要求它為太陽加上笑臉，結果立馬就搞定了。
而且還支持上色，效果也非常不錯。
小結一下，從我們的實測來看，升級後的Gemini原生圖像生成功能確實表現驚豔，尤其在遵循用户指令、文本渲染等方面。
當然，除了我們的測試，更多網友也第一時間分享了各自的玩法。
比較經典的就是用來搞裝修設計，可以一鍵測試自己想要的裝修風格。
不過也有淺淺翻車的，用它來擴圖時最後生成的人物比例有點子怪異。
與此同時，也有人將它和近期非常火爆的GPT-4o生圖進行了對比，初步結論是整體仍不如GPT-4o（doge）。
One More Thing值得一提的是，谷歌最新生圖功能還能搭配Gemini 2.5 Pro（近期以強悍的代碼能力而出圈）食用。
只需在提示欄中選擇 “Canvas”，上傳一張圖片後輸入下列提示詞：
Transform this image into a code-based representation of its natural behavior.(將此圖像轉換為基於代碼的自然行為表示)
最終就能得到一段視頻演示。
除了預覽效果，還能一鍵切換查看代碼。
最後，也歡迎大家進行更多測試，順便評論區帶圖分享一波~
在線體驗：
參考鏈接：
[1]https://x.com/OfficialLoganK/status/1920151503349711061
[2]https://developers.googleblog.com/en/generate-images-gemini-2-0-flash-preview/
[3]https://x.com/Google/status/1920233829219840487
[4]https://x.com/Temjinck/status/1920234959346020664