让我们少写,不写提示词,轻松玩各种风格,妈妈不再担心我不会写

输入三张图片，风格subject（主题）、妈妈scene（场景）、担心style（风格），让们Whisk 可以生成一张博采众长的少写松玩图片。

图片来自：Google

比如主题是不写不再老人，场景是提示藤蔓，风格是词轻 90 时代复古动画，写上「角色骑着飞行自行车」等了一会儿，各种一张类似吉卜力画风的新图诞生了。

图片来自：Google

老人还是那个老人，戴着帽子，穿着西装，拿着书，但是他骑着提示词里的车，场景和风格都变成了参考图片。

Whisk 优点就在这里——让我们少写，不写提示词，轻松玩各种风格，妈妈不再担心我不会写提示词。

不要写复杂的提示词，直接把图片端上来

虽然只需要几张图片，Whisk 游戏玩法简单，但无穷无尽。

刷刷上传三张图片-主题图片，麦当劳薯条；场景图片，莫奈画《睡莲》；像素风游戏《星露谷物语》的风格图片。

不写提示词，直接生成，Whisk 给出的结果，一张比三张强。

除上传自己的照片外，我们还可以掷骰子，让他们 Whisk 主题、场景、风格的随机生成。

其实，Whisk 为我们提供的预设风格已经足够了，徽章、贴纸、刺绣、粘土、美满、马赛克拼贴等，特色鲜明，效果立竿见影。

只要我们有想象力和想象力，我们就不需要一个字。通过不同图片的排列和组合，我们可以不断完成形填空游戏-主题 场景 风格，不是每一个空都必须填满。

1.主题图片，熏鸡；2.场景图片，梵高《星月夜》画；3.风格图片，日本木版画

1.主题图片《戴珍珠耳环的女孩》；2.场景图片，电影《千与千寻》剧照；3.风格图片，蒙德里安抽象画

1.主题图片，微信「死亡笑脸」表情符号；2.场景图片，电影《星际穿越》剧照；3.风格图片，史努比漫画截图

1.主题图片，粉色恐龙，冲浪默认头像 momo；2.风格图片，Jellycat 玩偶

另外，Whisk 每次生成，场景和风格只能选择一张参考图片，但可以选择多个主题。这是什么意思？我们可以让多个角色在同一个框架内！

例如，让马斯克、奥特曼、扎克伯格都成为珐琅徽章。

三人的服装、装饰、表情都还原得很好，扎克伯格的麦克风和项链都没有漏掉，但是脸不能保持一致，都变成了大众脸。

虽然 Whisk 减少了写提示词的需要，但是如果你需要写，Whisk 也鼓励。

在对话框中加入一句话「角色们都拿着一个标志，上面写着 AGI」，徽章小人很容易遵循提示词。

若需要某一场景或某一风格，但暂时找不到参考图，Whisk 没有提供预设？

解决方案很简单，没有图片，然后写提示词，让 Whisk 现场玩一个。

就像我需要一个像素风格的底座，让角色站起来作为场景一样 Whisk 帮我生成。

然后，以猫的表情包为主题图片，以像素鸡为风格图片，你可以得到一只有底座的像素猫。

总之，Whisk 很自由，就像橡皮泥一样，怎么捏都可以。

既生图又识图，把复杂的工作流包装成有趣的「打蛋器」

Whisk，其实是 Google 一种展示肌肉的多模态模型方法。

为了让我们少写提示，Whisk 将视觉理解与图片生成能力相结合。

Gemini 模型识别图片，自动生成详细描述，然后输入这些描述 Google 图片生成模型 Imagen 3，由 Imagen 3 生图。

Whisk 是的，用户只需要上传和生成图片，但是有很多事情需要考虑。

Whisk 每张图片，无论是上传还是生成，都写了很长的底部提示，不隐藏，我们点击图片可以看到，也可以开始修改。

假如把一个人作为主题图片，Whisk 会详细描述他的外貌特征，场景图片也差不多。

Whisk 对奥特曼的描述:「一个肤色较浅的男人，短而深棕色的卷发，从胸部以上展示。他的眼睛很浅。他穿着一件浅米色的针织圆领毛衣。背景是斑驳的灰色混凝土墙。这个人的表情严肃而中性。光线有点暗，他的右脸有一个轻微的阴影。」

如果以动画截图作为风格参考，风格图片略有不同。Whisk 不会说画面中有三个人，而是描述了画面的颜色、光线和线条...

Whisk 对史努比画风的描述：「这张照片以卡通风格呈现，轮廓粗糙，平面着色粗糙。颜色调色板有限，主要使用原色和柔和的次要颜色。光线均匀，缺乏强烈的阴影或亮点，给人一种简单、几乎儿童的纹理。线条清晰一致，纹理轻微不均匀，暗示手绘效果。整体美学让人想起经典的连环漫画或儿童动画。」

所以，Whisk 它不是准确地复制图片，而是提取图片的特征和本质，自然地将主题、场景和风格结合在一起，履行自己的职责，不相互干扰。

同时，Whisk 还叠加了A-只从图片中提取少量关键特征，结果可能与预期不同。这也解释了为什么 Whisk 不能准确还原人脸。

因此，即使选择不那么抽象的复古胶片风格，三位老板的脸也不会靠近本尊，但其他细节都非常准确。

物体也是如此。特斯拉的赛博皮卡在特征提取和再生后变得非常普通。

但如果是麦当劳薯条，这种材料丰富的超级超级 IP，效果不错，可以当广告图。试试迪士尼的一些角色，Whisk 复刻得也原模原样，但图片没有放上。

另外，Whisk 还有一个问题——不能做非常详细的风格参考，也不能模仿特定的绘画风格。

当我让 Whisk 生成蒙娜丽莎的乐高小人，结果让我两眼一黑，但又加了一句提示词，「让角色更像乐高人物」，Whisk 它可以模仿70%或80%。

漫画家的绘画风格更难模仿，上传漫画截图让 Whisk 参考，它最终给出了一幅非常普通的漫画风格图片，即使通过提示词强调作品、人物、漫画家，也不起作用。

其实，Whisk 好玩就够了，更适合做一些不追求精准的创意探索，俗称整活。

Whisk 可以翻译为「搅拌」或者「打蛋器」，Google 这个名字有很强的视觉感，但不就是把食材混合在一起吗？

Whisk 它的不准确性也使其定位不同于传统的图片编辑器，更像是一种创造性的工具。它有什么想象力来实现粗略的视觉效果。

Whisk 生成，1.主题图片，火影忍者截图；2.风格图片，毛绒玩具

以前实现 Whisk 我们可能需要这种风格化的效果来运行整个图像生成过程 ComfyUI 搭建工作流。

但现在有了 Whisk，好像在玩抽卡游戏或者开盲盒，只要能登录(限美国)，目前还是免费的。

体验指路

https://labs.google/fx/zh/tools/whisk

Google 当然，领先的模型能力是前提和基础，但设计产品仍然需要创造力和审美。

很喜欢 Whisk 的 slogan：「prompt less, play more.」(少写提示词，多玩。)

Whisk 出自 Google labs，之前爆火的 AI 播客 NotebookLM，它也来自这里，后来慢慢发展成为一个成熟的项目。这个实验室本身就是这句话 slogan 最好的注释。

强大的模型能力、创新的产品和开放的心态似乎曾经受到影响 OpenAI 威胁的 Google，风轻云淡地展现了王者归来的姿态。