Google 推出 AI 图像生成工具 Whisk

12月17日，Google Labs 推出了一款名为 Whisk 的全新 AI 图像生成工具。与其他图像生成工具不同，Whisk 能够利用现有图像作为提示，为用户提供基于图像“本质”的全新创作，而非对原始图像的详细复制。Google 表示，这款工具更适合头脑风暴和快速可视化，目标是为创意工作者提供一种“新型创意工具”。

Whisk 的入门界面设计简单明了，用户可以选择从三种预定义样式开始：贴纸、珐琅别针和毛绒玩具。据推测，Google 认为这三种样式最能体现实验工具的能力范围，适合粗略的视觉创意输出。

用户上传的源图像会被转化为特定风格的内容，但并不会直接重现源图像的细节。例如，一张已故演员 Wilford Brimley 的照片被生成为毛绒玩具形象，而这一“转化”的过程展示了 Whisk 捕捉“本质”的独特能力。然而，Google 明确禁止上传或生成与名人相关的内容，但类似 Brimley 的实验显示该工具仍有一定的内容限制需要改善。

除了基础界面，Whisk 还提供了一个高级编辑器，可通过点击主界面上的“从头开始”进入。在此模式下，用户可以通过文本或图片输入主题、场景和风格，同时还可添加附加描述以进一步细化生成结果。不过，目前高级模式的输出结果仍可能偏离用户的具体期望。例如，一次尝试将灯箱场景与毛绒玩具风格相结合，最终生成的结果看起来更像一个风格化的演员，而非毛绒玩具。

Google 解释称，Whisk 的生成逻辑基于 Gemini 语言模型。Gemini 通过分析用户上传的图像撰写详细描述，并将其输入到 Imagen 3 图像生成引擎中，从而生成与文字描述相符的图像，而非直接使用源图像的细节。

Google 强调，Whisk 的目标是用于“快速视觉探索”，而非生产级别的内容创作。由于其生成的图像只提取源图像的“几个关键特征”，生成对象的身高、体重、发型甚至肤色都可能与原始图像不同。目前，Whisk 仅限美国用户通过 Google Labs 网站试用。