Google DeepMind 近期發布了 Gemini 應用程式中一項重大的功能升級。之前我們有做過這篇報導 :
繼續深入探究這次更新的重點，是解決長期以來 AI 圖片編輯在修改人物或寵物照片時，普遍存在的「樣貌失真」問題。透過更先進的上下文理解與生成能力，新模型讓使用者能以自然語言進行精細、多輪的圖片編輯，同時確保主體（如人臉、寵物特徵）的高度一致性，吸引了全球大量的開發者與用戶持續在 Google Gemini AI 平台和 Imagen4 平台上使用。
很多開發者只要付費使用 Gemini 圖像生成 Api ，就可以做出很好用的衣服試穿網站、AI 換臉、AI 專業肖像照合成等多種網站或 App 服務，基於 Google Gemini Api 的產業端圖片應用也正蓬勃發展。
核心技術突破：維持「外觀一致性」
過去，使用者在利用 AI 工具為照片中的人物更換服裝或背景時，常會發現主角的臉部特徵或神韻也跟著產生微妙、甚至明顯的變化，生成結果「相似，但又不完全是同一個人」。Google 這次更新的關鍵技術突破，便在於維持樣貌的一致性 (Appearance Consistency)。
使用者現在可以透過 Gemini 執行以下複雜的編輯任務，而無需擔心主角失真，還可以將特定人物或寵物的照片，無縫置入全新的場景，例如把一張在客廳拍攝的寵物照，背景更換為「正在外太空漫步」；或為人物「換上一套未來感的盔甲」、「將直髮換成捲髮」等。模型更支援將不同照片中的人物或寵物提取出來，能將多張不同照片自然地融合到同一張新的圖片中，創造出全新的合照。使用者還能上傳一張參考圖片，將其獨特的藝術風格（例如油畫的筆觸、特定電影的色調）應用到自己想要編輯的照片上。
操作流程革新：多輪對話式編輯
除了生成品質的提升，Gemini 在人機互動流程上也進行了革新，引入了多輪對話式編輯 (Multi-turn, Conversational Editing) 的概念。這徹底改變了傳統圖片編輯軟體需要精通複雜工具欄的模式，也超越了多數 AI 工具「一次性 Prompt 指令」的限制，其工作流程更接近與一位專業設計師的溝通，使用者上傳圖片後，可以透過下達語言指令對圖面進行局部編輯，例如「把這件藍色外套拿掉」。
在 Gemini 產生初步結果後，使用者可以繼續下達一系列的追問指令來進行微調，例如「幫他穿上一件黑色皮夾克」、「讓夾克看起來舊一點，多點磨損痕跡」、「背景加上下雨的街景」，模型會理解上下文，持續在同一張圖片上進行疊代修改。這種對話式的流程，極大地降低了專業影像編輯的門檻，讓普通使用者也能透過簡單的口語化指令，完成精細的創意修改。
AI 倫理與透明度實踐
面對生成式 AI 內容可能被濫用的疑慮，Google 在此次更新中也強調了其在責任與透明度上的實踐。所有透過 Gemini 應用程式建立或進行大幅度編輯的圖片，都會被嵌入兩種標記：可見浮水印(在圖片上直接加入標示，表明其為 AI 生成)、SynthID 數位浮水印(一種嵌入在圖片像素中，肉眼無法察覺的數位浮水印，能更穩定地標示其來源，即便經過裁切或壓縮等修改，仍有機會被偵測)。
CyberQ 觀點 : 精準編輯將帶來業界的改變
Gemini 此次的影像編輯功能升級，不僅僅是單點的技術展示，它更揭示了未來 AI 工具發展已經從「生成」到「精準編輯」，AI 的能力正從天馬行空的「無中生有」，進化到能理解並精準修改現有內容的細節，這使其在專業工作流程中的實用性大幅提升，強大的 AI 功能正被直接整合進使用者熟悉的應用程式與對話介面中，透過自然語言取代複雜的專業操作。
隨著這類技術的成熟，它將對內容創作、廣告行銷、個人娛樂等領域將產生深遠的影響，傳統影像處理軟體的工作流程與市場格局，也可能因此迎來新的變革。
本文題圖採用 Google Gemini AI 生成
