用户可以输入三类图片:
– 主题图片(subject)
– 场景图片(scene)
– 风格图片(style)
就可以基于输入生成新的风格突破
背后的技术技术原理:
– 后端使用Gemini模型自动为输入的图片生成详细描述
– 然后将这些描述输入到Google最新的图像生成模型Imagen 3中
– 系统会提取图片的关键特征,而不是完全复制
主要用途:
– 快速视觉创意探索
– 可以创作数字玩偶、珐琅徽章或贴纸等
– 适合进行快速创意迭代,而不是精确的图像编辑
目前该服务仅在美国地区开放使用,可以通过http://labs.google/whisk 访问。