AI 生圖工具，已經多得泛濫了，但 Google 最新推出的 Whisk，還是找到了一種很新的玩法，讓見過世面的網友也直呼好玩。
隻需輸入三張圖片，subject（主題）、scene（場景）、style（風格），Whisk 就可以生成一張博采衆長的圖片。
▲ 圖片來自：Google
舉個例子，主題是老人，場景是藤蔓，風格是 90 年代複古動漫，寫上「角色騎着飛行自行車」的提示詞，等待一會兒，一張類似吉蔔力畫風的新圖片誕生了。
老人還是那個老人，戴帽子，穿西裝，拿着書，但他騎上了提示詞裏的車，場景和風格也都變成了參考圖片的樣子。
Whisk 的長處便在這裏——讓我們少寫、不寫提示詞的同時，輕松玩轉各種風格，媽媽再也不擔心我不會寫提示詞了。
别寫複雜的提示詞了，直接把圖片端上來就行
别看隻需要幾張圖片，Whisk 的玩法簡單，卻又無窮無盡。
刷刷刷上傳三張圖片——主題圖片，麥當勞薯條；場景圖片，莫奈畫作《睡蓮》；風格圖片，像素風遊戲《星露谷物語》。
不寫提示詞，直接生成，Whisk 給出的結果，一張更比三張強。
除了上傳自己的圖片，我們也可以擲骰子，讓 Whisk 随機生成主題、場景、風格。
其實，Whisk 爲我們提供的預設風格已經很夠用，徽章、貼紙、刺繡、黏土、美漫、馬賽克拼貼等等，特色鮮明，效果立竿見影。
隻要有腦洞和想象力，無需一個字，僅僅通過不同圖片的排列組合，我們可以不斷地做完形填空的遊戲——主題 + 場景 + 風格，而且不是每個空都必須填。
▲ 1. 主題圖片，熏雞；2. 場景圖片，梵高《星月夜》畫作；3. 風格圖片，日本木版畫
▲ 1. 主題圖片，《戴珍珠耳環的少女》；2. 場景圖片，電影《千與千尋》劇照；3. 風格圖片，蒙德裏安抽象畫
▲ 1. 主題圖片，微信「死亡笑臉」表情包；2. 場景圖片，電影《星際穿越》劇照；3. 風格圖片，史努比漫畫截圖
▲ 1. 主題圖片，沖浪默認頭像粉色恐龍 momo；2. 風格圖片，Jellycat 玩偶
另外，Whisk 的每一次生成，場景和風格隻能選擇一個參考圖片，但主題可以選擇多個。這意味着什麽？我們可以讓多個角色同框了！
比如，讓馬斯克、奧特曼、紮克伯格通通變成琺琅徽章。
三位的服裝、裝飾、神态都還原得挺好，紮克伯格的話筒和項鏈都沒漏掉，但人臉沒法保持一緻性，全部變成了大衆臉。
雖然 Whisk 減少了寫提示詞的需求，但你需要寫的話，Whisk 也鼓勵。
在對話框加上一句「角色們都舉着一塊告示牌，上面寫着 AGI」，徽章小人們輕輕松松地遵循了提示詞。
如果我們需要某個場景或者某種風格，但一時找不到參考圖，Whisk 的預設也沒有提供呢？
解決方式很簡單，沒有圖片，那就寫提示詞，讓 Whisk 臨場發揮一個。
就像我需要一個讓角色站上去的、像素風格的底座作爲場景，就讓 Whisk 幫我生成了。
然後，再把貓貓表情包作爲主題圖片，把像素小雞作爲風格圖片，就可以得到一個有底座的像素貓貓。
總之，Whisk 就是非常自由，像橡皮泥一樣，怎麽捏都可以。
既生圖又識圖，把複雜的工作流包裝成有趣的「打蛋器」
Whisk，其實是 Google 多模态模型秀肌肉的一種方式。
爲了讓我們少寫提示詞，Whisk 整合了視覺理解和圖片生成能力。
Gemini 模型識别圖片，自動生成詳細的描述，然後這些描述會被輸入到 Google 的圖片生成模型 Imagen 3，由 Imagen 3 生圖。
Whisk 是這樣的，用戶隻要上傳和生成圖片就可以了，但它自己要考慮的事情就很多了。
Whisk 的每張圖片，不管是上傳的還是生成的，都寫了很長的底層提示詞，并且不藏着掩着，我們點開圖片就能看，也可以上手修改。
如果把一個人作爲主題圖片，Whisk 會詳細地描述他的外貌特征，場景圖片也是類似的。
▲ Whisk 對奧特曼的描述：「一個膚色較淺的男子，有着短而深棕色的卷發，從胸部以上展示。他有着淺色的眼睛。他穿着一件淺米色的針織圓領毛衣。背景是一面斑駁的灰色混凝土牆。男子的表情嚴肅而中性。光線有些昏暗，他的右臉有輕微的陰影。」
風格圖片略有些不同，如果把一張動畫截圖作爲風格參考，Whisk 不會說，畫面裏有三個人，而是描述這幅畫的色彩、光線、線條 ......
▲ Whisk 對史努比畫風的描述：「這張圖片以卡通風格呈現，具有粗犷的輪廓和平面着色。色彩調色闆有限，主要使用原色和柔和的次要顔色。光線均勻，缺乏強烈的陰影或高光，給人一種簡單、幾乎孩童般的質感。線條清晰且一緻，帶有輕微不均勻的質感，暗示手繪的效果。整體美學讓人聯想到經典的連環漫畫或兒童動畫。」
所以，Whisk 不是精準地複制圖片，而是提取圖片的特點和精髓，将主題、場景、風格自然地融合在一起，各司其職，互不幹擾。
同時，Whisk 也疊了甲——隻從圖片提取少量關鍵特征，結果可能和預期不同。這也解釋了，爲什麽 Whisk 做不到人臉的精準還原。
所以，哪怕選擇不那麽抽象的複古膠片風格，三位大佬的臉也是和本尊都不挨着，但其他細節都很準确。
物體也是一樣，特斯拉的賽博皮卡，經過特征提取再生成之後，變得非常普通。
但如果是麥當勞薯條這種素材豐富的超級 IP，效果倒還不錯，可以拿來當廣告圖了。試過一些迪士尼的角色，Whisk 複刻得也原模原樣，但圖就不放上來了。
另外，Whisk 還存在一個問題——沒法做很細緻的風格參考，模仿不了某種特定的畫風。
當我讓 Whisk 生成蒙娜麗莎的樂高小人，出來的結果讓我兩眼一黑，但多加一句提示詞，「讓角色更像樂高人物」，Whisk 又能模仿個七八成。
某個漫畫家的畫風就更難模仿了，上傳漫畫截圖讓 Whisk 參考，它最終給出的是一個非常普通的漫畫風格圖片，就算通過提示詞強調作品、角色、漫畫家，也不起什麽作用。
其實，Whisk 好玩就夠了，它更适合做一些不追求精準的創意探索，俗稱整活。
Whisk 可以翻譯爲「攪拌」或者「打蛋器」，Google 的這個名字取得即視感很強，可不就是把食材都混搭在一起嗎？
Whisk 的不精準，也讓它的定位和傳統的圖片編輯器不同，更像是一種創意工具。有了什麽腦洞，由它實現粗略的視覺效果。
▲ Whisk 生成，1. 主題圖片，《火影忍者》截圖；2. 風格圖片，毛絨玩具
以前實現 Whisk 這種風格化的效果，跑通一整個圖像生成的流程，我們可能需要在 ComfyUI 搭建工作流。
但現在有了 Whisk，好像就在玩抽卡遊戲或者開盲盒，而且隻要能登錄（限美國地區），目前還免費。
體驗指路
https://labs.google/fx/zh/tools/whisk
Google 領先的模型能力固然是前提和基礎，但設計出被大家需要的産品，仍然需要創造力和審美。
很喜歡 Whisk 的 slogan：「prompt less, play more.」（少寫提示詞，多玩耍。）
Whisk 出自 Google labs，之前爆火的 AI 播客 NotebookLM，也是出自這裏，後來慢慢發展爲成熟的項目。這個實驗室，本身就是這句 slogan 的最好注解。
強大的模型能力，有新意的産品，開放的心态，曾經似乎被 OpenAI 威脅的 Google，風輕雲淡地展現出了王者歸來的姿态。
