谷歌Imagen3生图太强了！还悄悄发布了一个小产品Whiskfxlabs知名企业imagen视频生成模型

去年说OpenAI狙击谷歌，今年貌似是谷歌狙击OpenAI了。

谷歌昨天悄悄发布了最新版的视频生成模型Veo2。谷歌说Veo2的视频效果很好，但目前没有正式上线，所以保持谨慎乐观。毕竟，Sora的买家秀与买家秀差距也挺大的。。

Imagen3是谷歌最先进的图像生成模型，是一种潜在扩散模型（latentdiffusionmodel），可以根据文本提示生成高质量图像。在默认配置下，Imagen3生成分辨率为1024×1024的图像，并且可以跟随2×、4×或8×上采样。

在之前版本的基础上，Imagen3可以生成更明亮、构图更好的图像。它现在可以更准确地渲染更多不同的艺术风格——从照片写实主义到印象派，从抽象到动漫。此次升级还可以更忠实地遵循提示，并渲染更丰富的细节和纹理。

试用了一下发现，Imagen3似乎不支持中文提示词，所以用英文输入。

提示词：“guangzhou”：

无论是图像的清晰度，还是地标建筑小蛮腰，都非常地惊艳啊！

提示词：Mysticalcreatureinafantasyrealm（奇幻世界中的神秘生物）

提示词：

Inapost-apocalypticwasteland,arobotiswalking,withabutterflyperchedonitsshoulder,atdusk,asthesunisjustabovethehorizon.（末日废土中一个机器人在行走，一只蝴蝶落在它的肩膀上，黄昏，夕阳正好在地平线上方）

Aminimapdioramaofacafeadornedwithindoorplants.Woodenbeamscrisscrossabove,andacoldbrewstationstandsoutwithtinybottlesandglasses.（咖啡馆的迷你地图立体模型，装饰有室内植物。木梁在上面交叉，冷饮站摆放着小瓶子和玻璃杯，十分显眼。这是DALL-3给出的案例）

效果非常地不错！！

与Imagen3一起发布的还有另外一款小产品Whisk。

Whisk是Google实验室的最新实验。Whisk允许输入主题图片、场景图片和风格图片。然后，可以将它们混合起来，创造出专属于自己的独一无二的东西，从数字毛绒玩具到珐琅别针或贴纸。

比如，当我输入我的爱猫，生成的风格如下：

打开工具后后，还可以继续添加动作，比如让角色打鼓：

非常有趣的功能。

在底层，Whisk将谷歌最新的Imagen3模型与Gemini的视觉理解和描述功能相结合。Gemini模型会自动为图像编写详细的说明，然后将这些说明输入到Imagen3中。此过程能够以有趣、新颖的方式轻松重新组合主题、场景和风格。

Imagen3与Whisk都是谷歌实验室（GoogleLabs）出品的AI产品，这是是Google最新AI实验和技术的所在地。谷歌此举等于是把技术团队（GoogleDeepMind）与产品团队（GoogleLabs）分成了两个团队。

值得一题的是，国内某大厂近期也将其大模型团队下的产品团队划归到了另一支部门里。

谷歌实验室的产品还包括ProjectMariner、NotebookLM、Jules、ProjectAstra、VideoFX、GeminiinColab等等。