Google 升級 Gemini 影像編輯：換裝換背景不走樣，支援多圖合成

想給合照裡的自己換件衣服，結果 AI 直接順手給你換了一張臉，這種抓狂的體驗很多人都遇到過。

Google 正式在 Gemini 應用中上線了由 Google DeepMind 研發的新影像編輯模型，官方定名為 Gemini 2.5 Flash Image。開發者也可以通過 Gemini API、Google AI Studio 和 Vertex AI 呼叫它。

前陣子在匿名評測平臺 LM Arena 上，有個代號叫 nano-banana 的神秘模型突然霸榜，把 Black Forest Labs 的 Flux-Kontext 甩在身後。大家猜了半天，現在 Google 自己揭曉了謎底。

換衣服可以，別動我的臉

傳統的文生圖模型最大的痛點就是缺乏一致性。你讓它改改背景，它往往連主角的長相、寵物的斑紋一起重新抽卡，改到最後人已經不是原來的人了。

這次更新最核心的突破就是保真度。Google DeepMind 視覺生成模型產品主管 Nicole Brichtova 解釋，他們特別針對人物和寵物的長相特徵做了最佳化，避免那種看起來很像但又不太對勁的違和感。

現在只要給 Gemini 一張照片，讓它給你換個復古髮型，或者給家裡的吉娃娃穿上一件芭蕾舞裙，主體特徵都能穩穩保留。

除了單張圖微調，它還支援多圖融合。比如你分別上傳一張自己的照片和一張小狗的照片，可以讓它把你們倆天衣無縫地放到一個籃球場裡。

它還支援多輪連續修改。你丟給它一張空房間的照片，先讓它給牆壁刷上油漆，再接著說加一個書架，然後再添一張咖啡桌。在這個過程中，模型只改動你指定的部分，其餘畫面完好無損。

得益於多模態推理能力，它還能做風格遷移，比如把花瓣的紋理質感挪到一雙雨靴上。API 呼叫的定價則是每張圖 0.039 美元，比 OpenAI 的 gpt-image 和 BFL 的 Flux-Kontext 都稍便宜一些。

所有通過 Gemini 編輯生成的圖片都會帶有可見水印，並在後設資料中嵌入不可見的 SynthID 數字水印。為了防止濫用，Google 的服務條款明確禁止生成未經同意的親密影像。

為什麼重要

對於日常修圖的使用者和自媒體創作者來說，這個模型完全值得現在就去試。它把過去需要在專業軟體裡摳圖、蒙版、反覆微調的門檻，壓縮成了一句自然語言指令。拿它來做家居軟裝搭配、角色設計概念圖或者寵物表情包，效率會高出不少。

對行業競爭而言，Google 顯然是在搶奪被 ChatGPT 分走的流量。目前 ChatGPT 周活躍使用者已突破 7 億，而 Google 執行長 Sundar Pichai 在 7 月財報會上透露 Gemini 的月活躍使用者為 4.5 億，換算成周活差距更大。之前 OpenAI 靠著 GPT-4o 掀起一波吉卜力風格熱潮，把 GPU 跑冒煙；Meta 上週選擇接入 Midjourney，大廠對視覺創作入口的爭奪已經白熱化。

我們認為，Google 這一步走得相當實在。它沒有去硬拼極致的藝術大片生成，而是死磕一致性和多輪編輯，精準踩中了普通使用者最核心的痛點。隱患在於，社交網路上的普通人很少會去檢視後設資料裡的 SynthID，生成圖越逼真、改動越自然，防範假圖傳播的壓力就會成倍放大。