我要投稿
微信搜一搜，关注“大模型应用开发lee”
Google Gemini 2.0的革命性图像编辑技术，让你用文字轻松操控图片。 核心内容： 1. Gemini 2.0 Flash Experimental的多模态编辑能力 2. 实际案例展示：用文本指令编辑图片和视频分析 3. 使用方法及个人背景介绍，AI赋能传统行业
google昨天更新了Gemini 2.0 Flash Experimental ，他多模态大幅提升，一句话总结：它能够用语言对一张图持续编辑调整，而且风格能够保持一致，图像不会产品畸变。Google AI Studio的产品经理宣布了他们还可以直接对视频链接进行对话分析。
下面我测试了一些case，从效果上看确实很惊艳了，能够持续对一张图片做更改，而且还可以直接输入视频链接，识别链接中的视频讲什么内容。
上传一张美女照片，然给给指令，第一次生成的项链不是珍珠项链，接着给新的指令，项链改成白色珍珠，效果非常棒！
那么是不是，可以把两张照片组合起来，例如产品实物图，佩戴再模特身上，这效果绝了！！
可以准确识别两张图片，并且按照输入的要求组合起来，我只是提了一个要求：将第一张图中的项链佩戴到第二张图中的女孩脖子上。这直接抢p图的饭碗啊！
在油管上找了一个google AdSense 网站审批视频的教材链接，直接喂给Gemini，他花了一分钟总结了这个视频在讲什么。
为了测试是不是真的理解视频，而不是只提取了音轨。我又继续问：视频中出现了几个人，他们穿的什么衣服？ 回答结果非常准确！可以看出他确实理解了视频中的内容。
进入google aistudio，但需要有一个美国的ip，而且不是家宽，否则无法打开。地址如下：
https://aistudio.google.com/
选择Gemini 2.0 Flash Experimental，并且将输出格式选择为Images and text
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业
2025-07-14
探索AI营养师：多模态知识图谱在食品领域大模型问答升级的革命性作用
2025-07-13
多模态商品图文生成系统可落地的完整方案
2025-07-08
Coze、Dify、Ragflow等AI平台对比指南
2025-07-02
基于 Ollama 多模态引擎的 Qwen 2.5 VL 模型部署及其应用
2025-07-01
Dify落地知识库场景的小思考及多模态RAG结合图像信息的几种策略评估
2025-06-30
RAG知识库构建新框架-EasyDoc小模型+多模态大模型结合的文档智能解析框架
2025-06-23
Dify v1.4.0中的Multi-Modal LLM Output：基本操作和原理
2025-06-19
搜索 ≠ 简单匹配！0代码实现语义级图文互搜
2025-05-14
2025-05-16
2025-05-25
2025-05-16
2025-05-12
2025-05-15
2025-05-08
2025-05-13
2025-05-15
2025-07-02
回到顶部
粤ICP备14082021号