IT之家 8 月 27 日消息，科技媒體 The Decoder 昨日（8 月 26 日）發(fā)布博文，報道稱谷歌 DeepMind 推出全新 Gemini 2.5 Flash 圖像編輯模型，在 Gemini 應(yīng)用中可根據(jù)文字指令，在保持人物與動物的外觀一致的情況下，提高修改圖片的精度。

IT之家援引博文介紹，與此前的原生圖像生成工具相比，它在根據(jù)文字進(jìn)行圖像修改時的準(zhǔn)確率更高，甚至在多項任務(wù)中優(yōu)于 ChatGPT 所用的 GPT-4o，讓其能更好地基于復(fù)雜文字編輯圖像。

新模型的亮點(diǎn)是“角色一致性”功能。在生成多張圖像后，即便人物姿勢、背景或光線發(fā)生變化，也能保持同一人、動物或物體的外觀一致。這對于創(chuàng)建系列照片、產(chǎn)品多角度展示尤其有價值，適合品牌素材與產(chǎn)品目錄的批量制作。

Gemini 2.5 Flash 支持精準(zhǔn)的局部文字編輯，用戶無需手動圈選即可完成背景虛化、去除瑕疵、添加顏色或移除物體等操作。

該模型能一次融合最多三張圖像，例如將產(chǎn)品照與室內(nèi)照片結(jié)合成逼真的場景。它還支持“風(fēng)格遷移”，將一種紋理、顏色或圖案應(yīng)用到另一物體上，同時保持形狀與細(xì)節(jié)完整?；凇艾F(xiàn)實推理”的功能更可模擬簡單因果，如生成氣球飛向仙人掌及隨后的結(jié)果畫面。

Gemini 2.5 Flash 已在 Gemini 應(yīng)用中上線，用戶需將模型切換至“Flash”才能使用圖像編輯功能，生成的圖像附有可見水印及不可見的 SynthID 數(shù)字水印。

開發(fā)者可通過 Gemini API、Google AI Studio 與 Vertex AI 試用，費(fèi)用為每百萬輸出 token 30 美元，單張圖像成本約 0.039 美元。

廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。