AI文生图最大问题不存在了，最新Gemini 2.0指哪改哪，网友已经玩坏了 | 附指南

最近的热点实在太多了，当 Gemini 的文生图模型更新出来时，原以为只是平平无奇的小更新——万万没想到，属实是个大招。

在此之前，要么用 Stable Diffusion，要么走回 Photoshop 老路，反正还没有哪个模型，可以用如此简单的对话，就完成如此精细的修改。

Gemini 率先突破可控性这件事并不令人意外，二月时，Google 就推出了最新一代的图像生成模型 Imagen 3，当时就强化了提示词的跟随功能。

当时还只面对付费用户，现在在 AI Studio 中已经可以看到更完整丰富的呈现。可以说，在目前文生图的可控性程度，以及相对应的用户体验上，Gemini 的确做到了无人能出其右。

下面我们会具体解释为什么这样下结论。同时在测试过程中，我们也发现了一些使用技巧，一并奉上。

可控性不好？不存在了

诚实的说，单纯讲生成还是有一点不稳定，但是 Gemini 2.0 Flash Experimental 展示出了堪称逆天的修改可控性。

下面这组花田图里，使用了 Imagen 3 的官方实例：Impressionistic landscape painting of a sunset over a field of sunflowers， vibrant colors， thick brushstrokes， inspired by Monet。

中间的修改提示词，是为了把天空换成蓝绿色：turn the clouds at the back of the picture in to blue-greenish color

注意看中间圈出来的地方，花田和天空过渡处的油彩，基本没有变化——模型充分理解这个修改提示词里「局部改色」的意图，只对天空局部改动，其它任何地方都保持了不变。

接下来这组城市街景的例子更明显，生成提示词：generate a Tokyo street crossroad， cars passing the traffic light and people walking around

细部有些地方还是不太能看的，生成这一步的不稳定性还是没有被完全驯服。真正有惊人改变的，是细部的指令跟随。

「我想要变成夜景」「街上应该有灯光」，提示词可以非常直给就完成修改。来感受一下四轮对话之后，形成的整体变化对比。

四张图渐次展示了城市从白天、黄昏、傍晚、再到夜晚的样子。而在四轮对话中，说改车就改车，不说改动行人就保持原样——不可控性不存在了！

Tip：生成+修改最稳定

局部修改的功能，如果是在现有图片上改动，效果没那么好，比较粗暴。下面是两张现图改夜景的例子。

最稳定的组合是从生成到修改，一条龙完成，在后续的修改里可控性就更高。

整体变化，一句话完成

除了局部改动，还可以改动视角，这也是非常实用的功能。对于短片的故事板、产品多视角展示，都相当有帮助。

产品图的修改真正做到了随心所欲。

要描述的是图片最终的样子，而不是修改图片的过程

Gemini 理解模糊指令是没问题的，只是需要注意一下模糊的「方式」。

比如想变换镜头视角，要描述的应该是最后形成的结果，如「从左边拍摄的样子」，而不是「镜头移动到左边」。这毕竟还是一个静态文生图，并不能呈现镜头移动。

换句话说，指令越简单直给反而越好。

一进入 Stduio 还有一个官方示例是做一张生日卡片，可以直接尝试。不过，想要更高的可控性，最好复制粘贴了之后，自己新建一个对话。

接下来我修改了里面的元素，花朵被替换成星球，再简单做个 3D 效果。

然后，我对 Gemini 给出了那个最震撼的指令： 我要五彩斑斓的黑。

等待时间来到了一百多秒 在等待的过程中，还有两个必须提醒的地方：

一些基础设置必不可少

进入 Studio 之后，需要在右侧 Model 一栏，选择最新的 Gemini 2.0 Flash Experimental。

成功进入后，记得左侧的 Library 一栏，设置一下账号关联生成 Library， 否则有可能无法保存会话。

最后来看下， Gemini 想明白了怎么改黑色了吗？

500s 过去了，毫无动静——AI 还是理解不了五彩斑斓的黑啊！

我们正在招募伙伴

简历投递邮箱
hr@ifanr.com

✉️ 邮件标题
「姓名+岗位名称」（请随简历附上项目/作品或相关链接）