Google 擴推影像工具 Whisk：不用寫提示詞，靠圖片合成新圖

想用 AI 做張圖，最痛苦的事往往不是點生成按鈕，而是抓耳撓腮想提示詞。

你要向模型描述主體長什麼樣、背景是什麼光影、整體該用哪種水彩筆觸，寫了一大段小作文，出來的結果可能還是南轅北轍。現在，Google 打算把這道坎給跨過去。

Google 近期把實驗性影像重混工具 Whisk 推向了全球 100 多個國家。這款工具在去年首次公佈，之前幾個月一直只向美國本土使用者開放。如今它走出北美，支援在電腦桌面和智慧手機瀏覽器上直接使用。

甩掉文字框，用三張圖拼出新畫面

Whisk 和大多數 AI 生圖工具最大的不同，就是它幾乎不用你打字。

大多數工具依靠一長串文字提示詞來猜你的心意，而 Whisk 則是讓你直接拿圖片當提示詞。它的核心邏輯非常簡單直觀，最多允許你上傳三張參考圖，分別對應畫面的三個核心要素：主體、場景和風格。

比如你想看自家的貓坐在賽博朋克風的街道上，你只需要扔一張貓的照片作為主體，選一張雨夜霓虹燈街道圖作為場景，再找一張復古動漫截圖作為風格。剩下的事情，就交給 Google 底層的 Imagen 3 影像生成模型去融合。

當然，這並不意味著它徹底拋棄了鍵盤。Whisk 依然保留了文字輸入框，但它的定位變了，不再是畫面構建的主力，而是用來做微調，比如在某個引數上補充一點特定細節。

擴張很快，但幾個大市場依然缺席

雖然 Google 這次把服務推向了 100 多個國家，但仔細看名單，缺席的重量級地區還真不少。

目前，英國、整個歐盟地區、印度以及印尼的使用者依然無法直接訪問。Google 仍然把 Whisk 放在自家 Labs 專案庫裡，打著「實驗性」的標籤，主要用於展示其最新技術的可能性。

這也意味著，它目前的形態還在快速迭代中，距離成為一個正式的商業化工具可能還有一段路要走。

為什麼重要

我們認為，Whisk 的聰明之處在於它重新思考了人類和生圖工具的互動邏輯。

對於視覺創作者或普通人來說，「用眼睛挑選畫面」的直覺永遠高於「用語言精準描述光影」。在 Midjourney 裡為了調一個畫風試上幾十次咒語的成本極高，而 Whisk 讓你直接拿現成圖片對齊審美，大幅降低了靈感落地的門檻。如果你平時經常做情緒板或者視覺提案，它非常值得現在就去玩一玩。

從行業競爭來看，這表面上是個實驗性的小玩具，實際上是 Google 在幫 Imagen 3 尋找差異化落地的突破口。OpenAI 和 Midjourney 還在卷更長、更復雜的指令理解，而 Google 看起來想換一條道，直接把「以圖生圖」的標準流程化、模組化。

不過隱患也很明顯。歐美強監管區域尤其是歐盟和英國的缺席，說明跨圖融合涉及的資料版權與合規審查依然讓大廠頭疼。如果創作者上傳受版權保護的畫風或攝影作品，生成的重混圖算誰的？這個問題不解決，Whisk 大機率只能停留在玩具階段，很難真正走進嚴肅的設計工作流。