郭宇璇 2025-03-27
|
 |
Gemini圖像生成模型是Gemini 2.0 Flash的圖像生成功能。取自Google
Google Gemini日前推出專門用於圖像生成和編輯的AI模型，並且開放在Googel AI Studio中免費使用。只要用文字輸入需求，無論是合成兩張圖片、修改圖中物件，或為故事生成連續插畫等，都能快速得到品質優良的成果。本文實測了五個實用的圖片生成與編輯功能。
Gemini圖像生成模型是什麼？怎麼用？
Gemini圖像生成模型是Gemini 2.0 Flash的圖像生成功能，根據Google官網介紹，其主打可在多輪對話中編輯同一張圖片、在多次生成中保持人物設定一致，以及在圖片上生成文字的文字渲染（Text rendering）功能。
|
|
下方繼續閱讀
繼續閱讀keyboard_double_arrow_down
|
此功能於去年12月時推出，當時僅限部分測試人員使用；自3月中旬起擴大開放權限，如今只要在Googel AI Studio上，選擇Gemini 2.0 Flash （image generation） Experimental後，即可開始免費使用。
|
 |
在Google AI Studio中可選擇影像生成模型。截自Google AI Studio
實測1：生成有中文字的圖片
過去在使用AI生成圖像工具時，經常遇到中文字無法正確生成，而是變成亂碼的問題。Gemini 2.0 Flash號稱其有領先其他模型的渲染功能，可直接用其製作帶有文字的廣告或社群媒體貼文，不必另外將文字後製上去。
實測輸入指令「請生成一張黃金獵犬脖子上掛著卡片，上面寫著『早安您好！又是美好的一天』的圖片」後，發現圖中大部分的文字皆正確，只有「又」寫得像「叉」，以及少了一個「的」字。可說已相當有進步。
|
 |
實測生成有中文字的圖片。截自Google AI Studio
實測2：在圖片中加上物件
實測上傳一張公路的照片，並請AI加上兩隻小狗。結果確實符合要求，背景看起來也與原圖一致。不過，接著再請它將兩隻狗改成兩隻貓，卻變成一貓一狗，只有右邊的狗換成貓而已。
|
 |
實測在圖片中加上兩隻狗。截自Google AI Studio。原圖取自pexels
|
 |
請AI將狗改成貓，但只有一隻狗被改成貓。截自Google AI Studio
實測3：移除圖片中物件
上傳一張左前方有機車騎士、右後方有一位坐著的男子的照片，並要求AI將機車騎士移除。結果看起來很合理，沒有太大的破綻，只有細看後才發現屋頂和地板不太平整。
|
 |
實測移除圖片中物件。截自Google AI Studio。原圖取自pexels.png
實測4：合成兩張圖
實測上傳一張模特的照片、一張相機的照片，輸入指令「請讓第一張圖的模特，拿著第二張圖的相機」。結果乍看之下非常真實，不過細看後可發現，模特的髮飾從一個變成兩個、原本的美甲也不見了；相機則是有和原圖一致的形狀和顏色，但沒有原圖上寫的文字。
|
 |
實測合成兩張圖。截自Google AI Studio。原圖取自pexels.png
|
 |
合成兩張圖後的結果。取自Google AI Studio.jpeg
實測5：將黑白照片上色
實測上傳一張黑白照片，並要求AI將其上色。結果相當真實，顏色選擇看起來也很合理。然而，放大圖片細節，發現其中一個人的五官消失了、另一個人的臉也與原圖有些差異。
|
 |
實測將黑白照片變成彩色照片。截自Google AI Studio。原圖取自pexels.png
Gemini優缺點統整，真的比Photoshop好？
整體而言，Gemini 2.0 Flash生成圖像的速度非常快，皆能在10秒內完成，操作簡單、生成品質佳，且能免費使用，是想快速生成或編輯圖片的好選擇。不過仍有不少瑕疵，僅能提供給社群素人做分享使用，尚無法取代專業度高的Photoshop。以下表格整理了此次的實測結果：
|
 |
請注意，此表格僅供參考，AI回應內容與品質可能因指令不同而有差異。
|
本文相關： 智能管家 智能喇叭 智能音箱 Assistant Google語音助理 Google助理 Google 助理 智慧家庭 AI語音助理 語音助理 AI服飾助理 LaMDA Bard Open AI ChatGPT 機器學習 Gemini AI AI Vertex LLM Transformer LaMDA 人工智 語言模型 ML 深度學習 gpt GPT Google Assistant 智能 智慧 谷歌音箱 谷歌助理 LM |
