這款AI生圖太讚，連提示詞都不用，給圖當範例就完工

AI 生圖工具，已經多得氾濫了，但Google 最新推出的Whisk，還是找到了一種很新的玩法，讓見過世面的網友也直呼好玩。

只要輸入三張圖片，subject（主題）、scene（場景）、style（風格），Whisk 就可以產生一張博採眾長的圖片。

舉個例子，主題是老人，場景是藤蔓，風格是90 年代復古動漫，寫上「角色騎著飛行自行車」的提示詞，等待一會兒，一張類似吉卜力畫風的新圖片誕生了。

老人還是那個老人，戴帽子，穿西裝，拿著書，但他騎上了提示詞裡的車，場景和風格也都變成了參考圖片的樣子。

這個全新AI生圖，名叫 Whisk

• 網址: https://labs.google/fx/tools/whisk/unsupported-country
• 目前尚未開放台灣註冊，可先預約排隊

Whisk 的長處便在這裡——讓我們少寫、不寫提示詞的同時，輕鬆玩轉各種風格，媽媽再也不擔心我不會寫提示詞了。

別寫複雜的提示詞了，直接給參考圖就好

別看只需要幾張圖片，Whisk 的玩法簡單，卻又無窮無盡。

刷刷刷上傳三張圖片－主題圖片，麥當勞薯條；場景圖片，莫內畫作《睡蓮》；風格圖片，像素風遊戲《星露穀物語》。

不寫提示詞，直接生成，Whisk 給出的結果，一張比三張更強大。

除了上傳自己的圖片，我們也可以擲骰子，讓Whisk 隨機產生主題、場景、風格。

其實，Whisk 為我們提供的預設風格已經很夠用，徽章、貼紙、刺繡、黏土、美漫、馬賽克拼貼等等，特色鮮明，效果立竿見影。

只要有腦洞和想像力，無需一個字，僅透過不同圖片的排列組合，我們可以不斷地做完形填空的遊戲——主題+場景+風格，而且不是每個空都必須填入。

另外，Whisk 的每一次生成，場景和風格只能選擇一個參考圖片，但主題可以選擇多個。這意味著什麼？我們可以讓多個角色同框了！

例如，讓馬斯克、奧特曼、祖克伯通通變成胸章。

三位的服裝、裝飾、神態都還原得挺好，祖克柏的麥克風和項鍊都沒漏掉，但人臉沒辦法保持一致性，全部變成了大眾臉。

雖然Whisk 減少了寫提示詞的需求，但你需要寫的話，Whisk 也鼓勵。

在對話框中加上一句「角色們都舉著一塊告示牌，上面寫著AGI」，徽章小人們輕輕鬆鬆地遵循了提示詞。

如果我們需要某個場景或某種風格，但一時找不到參考圖，Whisk 的預設也沒有提供呢？

解決方式很簡單，沒有圖片，那就寫提示詞，讓Whisk 臨場發揮一個。

就像我需要一個讓角色站上去的、像素風格的底座作為場景，就讓Whisk 幫我生成了。

然後，再把貓貓表情包當作主題圖片，把像素小雞當作風格圖片，就可以得到一個有底座的像素貓貓。

總之，Whisk 就是非常自由，像橡皮泥一樣，怎麼捏都可以。

既生圖又識圖，把複雜的工作流程包裝成有趣的「打蛋器」

Whisk，其實是Google 多模態模型秀肌肉的一種方式。

為了讓我們少寫提示詞，Whisk 整合了視覺理解和圖片產生能力。

Gemini 模型辨識圖片，自動產生詳細的描述，然後這些描述會被輸入到Google 的圖片產生模型Imagen 3，由Imagen 3 生圖。

Whisk 是這樣的，用戶只要上傳和生成圖片就可以了，但它自己要考慮的事情就很多了。

Whisk 的每張圖片，不管是上傳的還是生成的，都寫了很長的底層提示詞，並且不藏著掩著，我們點開圖片就能看，也可以上手修改。

如果以一個人作為主題圖片，Whisk 會詳細地描述他的外表特徵，場景圖片也是類似的。

風格圖片略有些不同，如果把一張動畫截圖當作風格參考，Whisk 不會說，畫面裡有三個人，而是描述這幅畫的色彩、光線、線條…

所以，Whisk 不是精準複製圖片，而是提取圖片的特色和精髓，將主題、場景、風格自然地融合在一起，各司其職，互不干擾。

同時，Whisk 也疊了甲——只從圖片中提取少量關鍵特徵，結果可能和預期不同。這也解釋了，為什麼Whisk 做不到人臉的精準還原。

所以，即使選擇不那麼抽象的復古膠卷風格，三位大佬的臉也是和本尊都不挨著，但其他細節都很準確。

物體也是一樣，特斯拉的賽博皮卡，經過特徵提取再生成之後，變得非常普通。

但如果是麥當勞薯條這種素材豐富的超級IP，效果倒還不錯，可以拿來當廣告圖了。試過一些迪士尼的角色，Whisk 復刻得也原模原樣，但圖就不放上來了。

另外，Whisk 還存在一個問題——沒法做很細緻的風格參考，模仿不了某種特定的畫風。

當我讓Whisk 生成蒙娜麗莎的樂高小人，出來的結果讓我兩眼一黑，但多加一句提示詞，「讓角色更像樂高人物」，Whisk 又能模仿個七八成。

某個漫畫家的畫風就更難模仿了，上傳漫畫截圖讓Whisk 參考，它最終給出的是一個非常普通的漫畫風格圖片，就算透過提示詞強調作品、角色、漫畫家，也不起什麼作用。

其實，Whisk 好玩就夠了，它更適合做一些不追求精準的創意探索，俗稱整活。

Whisk 可以翻譯為「攪拌」或「打蛋器」，Google 的這個名字取得即視感很強，可不就是把食材都混搭在一起嗎？

Whisk 的不精準，也讓它的定位和傳統的圖片編輯器不同，更像是一種創意工具。有了什麼腦洞，由它實現粗略的視覺效果。

以前實現Whisk 這種風格化的效果，跑通一整個影像產生的流程，我們可能需要在ComfyUI 搭建工作流程。

但現在有了Whisk，好像就在玩抽卡遊戲或開盲盒，而且只要能登入（限美國地區），目前還免費。

體驗指引
https://labs.google/fx/zh/tools/whisk

Google 領先的模型能力固然是前提與基礎，但設計出被大家需要的產品，仍需要創意和美感。

很喜歡Whisk 的slogan：「prompt less, play more.」（少寫提示詞，多玩耍。）

Whisk 出自Google labs，之前爆紅的AI 播客NotebookLM，也是出自這裡，後來慢慢發展成成熟的計畫。這個實驗室，本身就是這句slogan 的最佳註解。

強大的模式能力，有新意的產品，開放的心態，曾經似乎被OpenAI 威脅的Google，風輕雲淡地展現出了王者歸來的姿態。