谷歌的新 AI 工具使用圖像提示而不是文本

首頁(yè) > 圖文 > 正文

發(fā)布時(shí)間：2024-12-24 00:05:08 來(lái)源：本站作者：admin

谷歌最新的人工智能工具“Whisk”允許人們上傳照片，以返回由 AI 生成的合成圖像 - 甚至無(wú)需用戶輸入任何文本來(lái)解

釋他們想要什么。

用戶可以輸入描繪主題、設(shè)置和風(fēng)格的圖像，然后 Whisk 會(huì)將所有內(nèi)容組合成一張圖像。

谷歌在一篇博客文章中表示，Whisk 是一種用于快速激發(fā)靈感的“創(chuàng)意工具”，而不是“傳統(tǒng)的圖像編輯器”。從本質(zhì)

上講，Whisk 旨在成為一種有趣的 AI 功能，而不是一種精致的專業(yè)工作。

盡管反對(duì)者警告說(shuō)，人工智能發(fā)展缺乏護(hù)欄會(huì)給人類帶來(lái)危險(xiǎn)，但谷歌和 OpenAI 等大型科技公司正在競(jìng)相推出可以展

示時(shí)髦新技術(shù)用途的消費(fèi)產(chǎn)品。

自 OpenAI 于 2021 年首次推出其文本轉(zhuǎn)圖像創(chuàng)作工具 Dall-E 以來(lái)，人工智能生成藝術(shù)作品的概念已席卷社交媒體，并

成為消費(fèi)產(chǎn)品的焦點(diǎn)。谷歌的 Whisk 是一款圖像轉(zhuǎn)圖像生成器，它建立在流行的文本轉(zhuǎn)圖像生成器概念之上。

使用 Whisk 的人可以通過(guò)編輯輸入和混合類別來(lái)“重新混合”最終圖像，以制作不同的圖像，如毛絨玩具、琺瑯別針或

貼紙。如果用戶想要指導(dǎo)某些細(xì)節(jié)，他們可以添加文本，但這不是創(chuàng)建圖像的必要條件。

“Whisk 旨在讓用戶以新穎而富有創(chuàng)意的方式重新混合主題、場(chǎng)景和風(fēng)格，提供快速的視覺(jué)探索，而不是像素完美的編

輯，”谷歌實(shí)驗(yàn)室產(chǎn)品管理總監(jiān) Thomas Iljic 在一份聲明中表示。

谷歌的 Whisk 是基于 DeepMind 開(kāi)發(fā)的生成式人工智能而構(gòu)建的，DeepMind 是谷歌于 2014 年收購(gòu)的人工智能實(shí)驗(yàn)

室。

Whisk 的工作原理是使用谷歌的核心人工智能產(chǎn)品 Gemini（于 2023 年 12 月首次亮相），并將其與 DeepMind 于

12 月發(fā)布的最新文本轉(zhuǎn)圖像生成器 Imagen 3 配對(duì)。

當(dāng)用戶上傳他們的圖像時(shí)，Gemini 會(huì)生成一個(gè)標(biāo)題，并將其輸入到 Imagen 3 中。該過(guò)程捕捉了主題的“本質(zhì)”，而不

是精確的復(fù)制品，這允許重新混合最終圖像，但也意味著最終產(chǎn)品可能會(huì)偏離提示。

例如，谷歌在一篇博文中表示，生成的圖像可能與提示圖像具有不同的身高、發(fā)型或膚色。

當(dāng)谷歌于 2 月首次推出 Gemini 的文本轉(zhuǎn)圖像創(chuàng)建器時(shí)，該公司最初面臨強(qiáng)烈反對(duì)，因?yàn)樵摴ぞ呱傻膱D像在歷史上是

不準(zhǔn)確的。

該公司表示，Whisk 最初以 Google Labs 網(wǎng)站的形式向美國(guó)用戶開(kāi)放，目前處于早期開(kāi)發(fā)階段。

OpenAI 最近還發(fā)布了一款名為 Sora 的文本轉(zhuǎn)視頻生成器，凸顯了消費(fèi)產(chǎn)品的競(jìng)爭(zhēng)。

Wedbush Securities 董事總經(jīng)理兼高級(jí)股票分析師 Dan Ives 告訴 CNN，Whisk 是谷歌在人工智能和科技競(jìng)賽中又一

次“展示實(shí)力的時(shí)刻”。

“DeepMind 是谷歌的重要資產(chǎn)，”Ives 表示，并指出人工智能產(chǎn)品是谷歌 2025 年新產(chǎn)品“寶庫(kù)”的一部分，其中還

包括與三星和高通合作開(kāi)發(fā)的新 Android 操作系統(tǒng)。

熱門(mén)城市：