声明:本文来自于微信公众号AI新榜，作者:王萌 阿虎，授权Soraor转载发布。
泼天的流量终于轮到谷歌了!
这段时间，谷歌“一句话P图”功能已经被广大网友玩疯了。现在打开社交平台，到处都是网友用Gemini跑出来的“神图”。
比如，让世界名画秒变表情包:
上班迟到怎么办?别着急，跟老板说正在通勤路上，有图有真相:
还有网友“无中生友”，拿一张AI生图就能应付催婚:
你没看错，这些图都是Gemini亲自下场P的
不仅如此，Gemini2.0Flash还有最强搭档，它可以和Three.js联合生成3D模型:
也有网友将它和Sora联动，生成了一组商业广告:
更夸张的是，现在拍摄证件照不需要PS了，也不用去线下门店，直接靠AI:
最近，谷歌扩大了Gemini2.0Flash模型图像功能的访问权限，开发者可以通过Google AI Studio和Gemini API免费体验。（体验地址:
https://aistudio.google.com/prompts/new_chat?model=gemini-2.0-flash-exp。）
据了解，Gemini2.0Flash可以结合多模态输入，增强推理能力和自然语言理解，并生成图像。这意味着，现在我们只需要一句话，就可以完成复杂的图像编辑，这在以前可是需要PS、Canva才能实现。
谷歌Gemini2.0Flash究竟有多火爆?这一功能上线几天后，连马斯克都慌了，紧急更新了Grok3的图像编辑功能。
从上周开始，谷歌频繁更新了Gemini的相关功能，连深度推理模型Gemini2.0pro thinking也已经“蓄势待发”。
一年前，谷歌在I/O大会上预告的画布、实时视频对话、图片编辑等新功能，均在这两周内逐一兑现，引发了一波又一波的讨论。这一次，谷歌能靠Gemini成功“逆袭”吗?这几天我们集中地试了试。
Gemini靠“言出法随”爆火，
实测效果如何?
目前，Gemini2.0Flash可以在Google AI Studio中免费体验（需要魔法，地址美国），用户只要在首页右侧选择框中，将模型切换到Gemini2.0Flash Experimantal就可以直接开始对话了。
无论你是想修改原图细节，还是想“无中生有”生成超现实场景，都可以让Gemini实现。比如，我想让这张图“烟花在空中绽放”，只要直接给提示词就可以完成:
我们再增加一点难度，让它给漫画线稿上色，Gemini也靠想象力完成了:
还有网友测试下来，Gemini能够生成连续的电影分镜，同时保持画面内容的一致性，我也来试了试:
可以看到，Gemini不仅生成了图片，还配上了每个场景的描述内容，对它来说，画连环画不成问题。尽管狐狸的耳朵部分有轻微瑕疵，但图片中的尼克和朱迪的一致性维持得还不错，整体在可接受范围内。
除了可以改动局部细节、生成连续分镜之外，还可以让Gemini改动图片的视角。这个功能对于设计师、电商从业者来说非常实用，可以直接生成不同视角的产品图。
比如，我想让Gemini生成一个小狗的“后视图”，看看能不能解决AI以前无法解决的“大象转身”问题。
这一环节，Gemini也不是次次成功。
实测下来我发现，与其说一些特定的镜头语言、A提示词专业术语，不如直接用白话表示，生图的效果会更好。
举个例子，我需要给这个胡萝卜上色，可能是因为限定了太多条件，Gemini直接生成了一个全新的物件:
但如果直接说“给胡萝卜上色”，出来的效果就是这样的:
虽然还是略有不同，但至少不是毫不相关了，重要的特征都被抓住了。
我们再来试试Gemini对于超现实以及复杂场景的构建和想象能力，比如让它生成“城市巨物”，这也是之前AI圈很流行的一种生图玩法。
提示词:场景是上海，在上海最高的楼上趴着一只巨型的纯灰色蓝猫，猫的身躯大得几乎跟大楼一样宽。图片呈现巨物感，超现实感和神秘感
我还可以更进一步，将图片中的猫换成狗:
以上玩法仅仅使用了Gemini单一模型，还可以将Gemini和其他AI工具结合，让最终的生成效果更好。
比如，我让它和混元3D联动，先用Gemini生成了一张经典梗图，并让它细化各个字母的3D细节，再用混元生成了英文字的模型:
要知道，这个文字我直接用AI3D模型Tripo跑了几十次都没有满意的效果。
Gemini2.0Flash还有很多待挖掘的新玩法，比如可以移除图片水印、智能重建空白区域等等，这些功能让不少网友直呼:“PS的末日来了。”
Gemini越来越清晰的未来:
更具通用性的个人助手
当然，原生多模态的Gemini2.0Flash并不只有“用嘴P图”一种玩法，3月初至今，还有不少陆续更新的小功能也值得一试。
比如Deep Research、Personalization、Gems、Canvas，还有最新出现的Gemini Live屏幕内外多模态识别，几乎是从多个方面全方位为我们展示了谷歌如何一步一步将Gemini打造为通用个人助手。
这其中的任何一项，如果放在OpenAI可能都要开一场20分钟的发布会了
。
Deep Research
Deep Research实际上并不是一个新功能，最早也是由谷歌率先发布。但因当时Gemini1.5Pro表现逊色，很快被OpenAI抢走热度。
如今基于Gemini2.0Flash Thinking的Deep Research在整体实力上有了明显提升。Gemini不仅能完整呈现整个研究过程，而且每个引用参考网页都可点击直达，这一细节对核准信息非常有帮助。
最后生成的结果还能直接一键生成Audio Overview，也就是谷歌在3月19日更新的AI文本转播客功能，能把文档、论文改编成日常对话，提高理解效率。
最后生成的播客音频大伙来感受一下，语音、语气、各种重音和停顿，都与真人对话非常接近，可惜目前只支持英文。
Canvas
人与AI协作已经成为共识，但具体怎么操作却有很多种不同解法，谷歌Canvas可能是其中比较高效的一种。
它的主要呈现方式是增加了一个协作区域，用户可以直接在结果上修改润色，如果是编程代码可以在生成代码后看到预览并直接调试，还能一键导出到Google文档方便多人协作。
不过，最吸引我的还是一些小交互的设计，例如直接划字询问Gemini。右侧三个选项分别是改变长度、改变风格和修改建议，每个大的选项中还提供了多个小选项，例如在我们可以在“改变长度”选择“短”“超短”“长”“超长”。
Gems&Personality
除了这些功能以外，Gemini还有一个“Gems”功能，类似于很多国产AI厂商有的“智能体”广场或ChatGPT的GPTs功能，也就是通过简单的预设定制AI小助手，给不同需求的用户开箱即用的多样化AI应用，还能自己创建Gems，而且完全支持中文。
别忘了谷歌本身作为全球最大的搜索引擎和信息聚合平台，还有大量应用和信息生态优势，“Personalization”功能就很好地利用上了这一点。
在关联谷歌账号后，Gemini可以根据你过往的搜索记录提供个性化的回答，据说搜的越多答得越准。
屏幕识别和实时视频识别
3月22日，Reddit网友“Bard”展示了激活Gemini悬浮窗后，手机端Gemini已经上线了一个全新的按钮“与Live共享屏幕”。
他还展示了具体使用案例，视频中显示Gemini可以获取实时信息、根据手机屏幕信息给出快速回答。
3月23日，YouTube网友“Mike Stevens”也发视频表示，自己的Gemini已经实装屏幕识别功能。
就实际展示结果而言，最终效果与国内很多品牌的手机助手非常相似。但不同之处在于，很多国内手机品牌的内置助手在调出后只能识别当前页面的内容，Gemini则允许用户一边操作手机一边与助手交流，给出实时交流的结果。
不只是屏幕内的图像识别，近期官方还在YouTube上放出了一段视频，展示了Gemini使用摄像头拍摄周围环境并实时响应的功能。
视频中Gemini能实时分析手机摄像头捕捉到的画面，并回答用户提出的问题。例如用户拿不定该用哪种颜色，Gemini能快速识别并给出建议。
关注谷歌的朋友可能看得出来，这与2024年3月谷歌I/O大会上展示的视频非常相似，当时谷歌对这款名为Project Astra的智能助手是这样定义的:
这是一个实时、多模态的人工智能助手，它可以看见世界，知道事物是什么以及你把它们放在哪里，并且可以回答问题或帮助你做几乎所有事情。
显然，从用户反馈来看，如今的呈现状态已经非常接近当初设想的Project Astra。尽管只是将去年展示的产品实装，但是比起隔壁深陷AI Siri难产、Apple智能虚假宣传风波的苹果而言，“言而有信”已是最大的优点。
不过，谷歌给我们的惊喜还不止这些。就在3月23日，X网友发现了一个泄露的大模型Nebula，通过询问和分析API，发现这可能是谷歌还未发布的“Gemini2.0Pro Thinking”。
虽然后来该模型迅速下线，但从网络上保留的信息和网友测试来看，它的能力已经超过了o1、o3mini、Claude3.7Thinking等模型，也许在谷歌这里，还有更多惊喜在等着我们。