【新智元导读】谷歌的 Gemini 2.0 Flash 凭一句话 PS 的功能，还在全网不断掀起新的风暴！广告业直接被颠覆，模特从此彻底不存在了。去水印、梗图、交叉图像，已经被网友玩疯。甚至有人预言：谷歌已全面超越 OpenAI，将率先实现 AGI。
最近，谷歌的种种 AI 产品是全方位领先，大有全面超越 OpenAI 的架势。
如今已经有人预测：谷歌 DeepMind 将比 OpenAI 率先实现 AGI！
原因很明显，如今谷歌 DeepMind 在多个领域布局下的产品，已经表现出全面获胜之势，而且，它们并没有炒作。
**最佳通用模型：**Gemini 2.0 Flash
**最佳多模态：**Gemini 2.0 Flash / Gemini 2.0 Pro Experimental
**最佳原生图像生成：**Gemini 2.0 Flash
**最佳文本 / 图像到视频：**Veo-2
**最佳图像生成：**Imagen-3
**最大的上下文窗口：**2M（Gemini 2.0 Pro Experimental）
此外，谷歌的原生音频生成功能也将很快上线。
对比之下，OpenAI 近期最令人印象深刻的行动，大概就是发出 15 页提案，呼吁美国政府全面封禁 DeepSeek、锁死中国 AI 了，这么一对比，简直高下立判。
总之，谷歌 DeepMind 不炒作，不对其他竞品评头论足，只是默默做事，给大众留下了非常清新的印象。
如今，它已经愈发势不可挡，而在机器人开发领域，如果仅是将额外开发的技术推向市场，或许就会引发巨大的冲击波。
学会超强推理的模型，更懂怎么生图了
四天前，谷歌宣布，自己的首个向公众发布的全模态图像生成器上线，Gemini 2.0 Flash 可以进行原生图像生成了。
「一句话就能 PS」的功能，当即震惊了全部网友。
Gemini 生成的开怀大笑的蒙娜丽莎
几天过去了，Gemini 2.0 Flash 引发的余震，还在不断回响。
一句话去水印、交叉图像生成等功能，被网友们玩疯了。大家公认：它已经可以轻松取代 Photoshop。
全模态图像生成器，跟其他 AI 生图模型最大的区别在哪里？
因为它自身具备的超强推理能力，能结合现实世界的知识生成更符合上下文的图像，理解更多细节，更遵循文化背景特征。
其中，全程都是由 Gemini 模型完成，无需调用其他模型，只需通过自然语言提示。
此外，传统的 AI 生图器需要分开处理文本和图片，它则是能同时输出文本和插图，保持惊人的一致性。
**真正的多模态能力：**同时理解文字、图像，以及二者联系
**理解世界知识：**能做智能推理，结合现实世界知识生成准确内容
**自然语言交互：**仅用对话修改图片，真正实现一句话 PS
如此强大、令人震撼的修图功能，不禁让网友 Oleks 推测：以买图为主业的公司，股价将暴跌、一泻千里！
一句话 PS，收费 PhotoShop 被创飞
如今看来，PS 是已经被彻底颠覆了。
从 11 岁起从事视觉特效的 Bilawal Sidhu 表示，谷歌的 Gemini 新功能「一句话 PS」将消除 PS 高手和小白之间的技术壁垒。
他展示了 5 个例子，用 Gemini 搞特效就是这么简单。
1. 将自己化身为 Roblox 和 Minecraft 角色
2. Gemini 深刻的场景理解能力
| 演讲图片变三维线框模型 | 2D 变 3D 线框模型渲染效果 |
3. 给不同人物添加墨镜，表现良好
4. 3D 线框 + 语义激光雷达点云测试
| 3D 测试 | 雷达点云测试 |
5. 补画与扩画（in-painting and out-painting）
| 补画：添加红色激光眼 | 扩画：扩大画面场景 |
把梗图改成自己想要的样子，从此以后 so easy。
想脑洞大开制作其他「梗图」，也是轻而易举。
这张黑夜的照片，Gemini 2.0 Flash 能让它秒变白天的图。
可以看出，在把夜景转化为白天的实景时，景观基本上准确的，没有幻觉，如果要挑毛病，就是根据夜景图像产生的图产生了对光照条件的幻觉。
简直让人疯狂。
有人不信邪，亲自上手尝试了一遍后，不得不承认：谷歌这次真的厉害了。
最令人惊喜的是，它几乎没什么限制，可以毫无阻碍地生成名人肖像和受版权保护的角色图像。
比如说，CMU 机器学习博士 James Campbell 就尝试把马斯克 P 到了自己的办公桌上。
这活灵活现的神态，人物和背景自然地融为一体，就问谁能看出来是 P 的？
网友们也纷纷展开实测。感受就是：这个功能太伟大了！
从此，一句话 p 图真的到了 next level。
上班要迟到了，需要火速编个理由，怎么办？打开 Gemini 2.0 Flash，一键搞定。
一句话，美女手中的手机就变成了我们指定的那款。
Gemini 2.0 Flash 和 pika 的结合，也发挥出了奇效。
给模特一键换装，简直做到了极致。
从此，我们不必再去消息工作室拍写真或者证件照了，直接上传一张高清生活照就可以！
同理，一张正面肖像照，也可以切换至侧视图，或者缩小的视角。
各种角度的图片都能生成。
结合 Kling 后，直接就生成了广告大片，有望颠覆模特和广告行业。
角色一致性的保持程度，也令人吃惊。
另外，这个功能还可以用来给我们设计房屋。
比如让家具消失，然后将房屋装修风格改成现代时尚美学。要知道，在美国找室内设计师干这个活，可能会需要五千到一万刀的费用。
甚至，它还能帮我们复原老照片。
去水印，网友们玩疯了！
而在去水印方面，Gemini 2.0 Flash 也是一绝！
这个意外解锁的新技能，可是把网友们激动坏了。
这个功能不要钱，免费无限用，也不会因为删除水印，产生的明显的空白区域。
左：有多个水印的图片；右：Gemini 去水印后的效果
在谷歌 AI Studio 上，可以使用「动动嘴，就能 PS 照片」的功能。
网友对去水印功能情有独钟。很多人实测之后，大为惊喜。
不过，这也引发了不少争议，比如摄影师、设计师的作品被盗用，就会导致版权上的违法行为更加泛滥。
交叉图像功能，一句话「讲故事」
谷歌 DeepMind 研究及深度学习负责人，Gemini 项目共同负责人 Oriol Vinyals，被 Gemini 的新功能惊呆了！
在它看来，它的交叉图像生成功能简直是颠覆性的。
怎样向 2 岁女儿的班级解释 AlphaFold 的工作原理？
只要输入提示：「Write an illustrated story about AlphaFold for toddlers」，图文并茂，符合幼儿园风格的科普书，瞬间产生，Oriol Vinyals 直呼这就是魔法！
AI 可以让 AlphaFold 这样复杂的主题，对幼儿来说都变得更易理解。
Oriol Vinyals 赞叹道：Gemini 2.0 Flash 交错图像生成是一项革命性技术！
这个简短的 demo 向世人展示了 AI + 教育的无限想象空间，以后启蒙教育或许变得更加有趣！
而且，Gemini 2.0 Flash 现在可以让我们输入任何人或物的图片，在此基础上创作出全新的形象，同时还能较好地保持原始人物 / 角色的特征。
游戏、漫画、动漫圈都炸了
Gemini 2.0 Flash 这个新功能，甚至可以用来迭代图像，创建任何游戏！
同时，Gemini 2.0 Flash 也直接攻陷了漫画圈。
现在用它来生成漫画，只需要动动嘴的功夫。
有网友尝试后，发现自己根本停不下来。只需一个简单的提示，就能进行选择性修改，而不会破坏整个图像。
他激动地表示，「用它来制作漫画和故事分镜会变得非常轻松」。
给漫画加个色，也是一句话的事儿。
就连漫画角色的动作------抬起手臂，也能用嘴完成。而且，输出图像与原图保持了高度的一致性。
动漫圈的二次元们更是激动不已，有人惊呼，这是史上最佳动漫模型！
动漫创作的全流程，它都能依指示完成，比如把素描转换为线稿；填充基础色；添加一些柔和的阴影，光源位于左上角；添加一个室内背景，使其与当前的光源和阴影环境相匹配，使用合适的角度；调整为单色灰度，以符合轻小说插画风格等等
更多的测试 demo，自己体会。
谷歌最新生成模型 Gemini API
而且刚刚，又有好消息传来。
今天，开发者可以在 Gemini 2.0 Flash Thinking Experimental 的 API 中，使用图片生成功能了！
用户免费使用限制为 1500 次 / 天，最多 10 次 / 分钟请求。付费价格也很便宜，每百万 tokens 要 0.40 美元。
Gemini API 的开发者 Logan Kilpatrick，宣布 Gemini API 文档已更新，使用代码也可以生成图像了。
开发者们可以用 API 来生成图片做各种有意思的应用。
不懂编程，也没关系，还可以把示例代码作为参考发给 Cursor 之类 AI 编程工具，帮助写生成图片代码。
比如，在文档中，利用 Pyton 代码，生成的「一只戴着高顶帽、长着翅膀的猪」在一座充满绿色植被的未来科幻城市上空飞翔。
在 API 文档中，谷歌也指出了利用 Gemini 修图时的一些限制，如下图。
Gemini API 文档：使用编辑图片功能，建议使用简体中文等获得最佳效果。
参考资料：