Gemini 2.0 图像编辑，拜拜嘞PS!

正文

请到「今天看啥」查看全文

比如这是一张普通的咖啡杯照片，我想把它变成骨瓷材质，再加上金边装饰。说完这句话，几秒钟后，我的普通咖啡杯就焕然一新。 又或者，这是一份简单的手绘菜单草图。我只需说："请根据这张草图生成一份精美的咖啡店菜单"，Gemini立刻就能创建出一份精美的成品菜单，保留我的基本布局但大幅提升了质感。 甚至可以实现文字修改。比如一张产品包装照片，想把上面的品牌名称改掉，一句指令就能完成。

技术原理简析

得益于Gemini 2.0强大的多模态能力，它实现了类似于GPT-4o的能力突破。如果说GPT-4o是语音端到端，那么Gemini 2.0则是图片端到端，将图像理解和生成无缝集成。

虽然生成的图片质量还达不到Midjourney或Flux的水平，泛化能力也有待提升，但作为一个内置于多模态模型中的功能，已经相当令人惊艳。这种"言出法随"的能力，在多模态大模型中尤为重要。

实际使用指南

想要亲自体验这一功能非常简单：

请到「今天看啥」查看全文