Google 扩推图像工具 Whisk：不用写提示词，靠图片合成新图

想用 AI 做张图，最痛苦的事往往不是点生成按钮，而是抓耳挠腮想提示词。

你要向模型描述主体长什么样、背景是什么光影、整体该用哪种水彩笔触，写了一大段小作文，出来的结果可能还是南辕北辙。现在，Google 打算把这道坎给跨过去。

Google 近期把实验性图像重混工具 Whisk 推向了全球 100 多个国家。这款工具在去年首次公布，之前几个月一直只向美国本土用户开放。如今它走出北美，支持在电脑桌面和智能手机浏览器上直接使用。

甩掉文字框，用三张图拼出新画面

Whisk 和大多数 AI 生图工具最大的不同，就是它几乎不用你打字。

大多数工具依靠一长串文字提示词来猜你的心意，而 Whisk 则是让你直接拿图片当提示词。它的核心逻辑非常简单直观，最多允许你上传三张参考图，分别对应画面的三个核心要素：主体、场景和风格。

比如你想看自家的猫坐在赛博朋克风的街道上，你只需要扔一张猫的照片作为主体，选一张雨夜霓虹灯街道图作为场景，再找一张复古动漫截图作为风格。剩下的事情，就交给 Google 底层的 Imagen 3 图像生成模型去融合。

当然，这并不意味着它彻底抛弃了键盘。Whisk 依然保留了文字输入框，但它的定位变了，不再是画面构建的主力，而是用来做微调，比如在某个参数上补充一点特定细节。

扩张很快，但几个大市场依然缺席

虽然 Google 这次把服务推向了 100 多个国家，但仔细看名单，缺席的重量级地区还真不少。

目前，英国、整个欧盟地区、印度以及印尼的用户依然无法直接访问。Google 仍然把 Whisk 放在自家 Labs 项目库里，打着「实验性」的标签，主要用于展示其最新技术的可能性。

这也意味着，它目前的形态还在快速迭代中，距离成为一个正式的商业化工具可能还有一段路要走。

为什么重要

我们认为，Whisk 的聪明之处在于它重新思考了人类和生图工具的交互逻辑。

对于视觉创作者或普通人来说，「用眼睛挑选画面」的直觉永远高于「用语言精准描述光影」。在 Midjourney 里为了调一个画风试上几十次咒语的成本极高，而 Whisk 让你直接拿现成图片对齐审美，大幅降低了灵感落地的门槛。如果你平时经常做情绪板或者视觉提案，它非常值得现在就去玩一玩。

从行业竞争来看，这表面上是个实验性的小玩具，实际上是 Google 在帮 Imagen 3 寻找差异化落地的突破口。OpenAI 和 Midjourney 还在卷更长、更复杂的指令理解，而 Google 看起来想换一条道，直接把「以图生图」的标准流程化、模块化。

不过隐患也很明显。欧美强监管区域尤其是欧盟和英国的缺席，说明跨图融合涉及的数据版权与合规审查依然让大厂头疼。如果创作者上传受版权保护的画风或摄影作品，生成的重混图算谁的？这个问题不解决，Whisk 大概率只能停留在玩具阶段，很难真正走进严肃的设计工作流。