Google在昨天放出了Gemini 2.0 Flash Experimental的更新，这一波多模态能力的提升确实让人眼前一亮。用一句话概括：它现在可以用语言对一张图片进行持续编辑和调整，而且风格能保持高度一致，图像也不会出现畸变。更让人意外的是，Google AI Studio的产品经理还透露，这个模型可以直接对视频链接进行对话分析——也就是说，你扔给它一个油管链接，它能跟你聊视频里发生了什么。

下面展示几个测试案例，从实际效果来看，确实很惊艳。不仅能够持续对一张图片做修改，还能直接输入视频链接，识别链接中视频的内容。

给美女带上项链

上传一张美女照片，然后给出指令。第一次生成的项链不是珍珠项链，于是追加一条新指令：把项链改成白色珍珠。效果非常棒！

更进一步，是不是可以把两张照片组合起来？比如一张产品实物图，一张模特图，让产品佩戴在模特身上——这效果简直绝了！

它能够准确识别两张图片，并按照输入的要求进行组合。只提了一个要求：将第一张图中的项链佩戴到第二张图中的女孩脖子上。这直接抢了P图软件的饭碗啊。

油管视频链接问答

从油管上找了一个Google AdSense网站审批视频的教程链接，直接喂给Gemini。它花了一分钟总结了这个视频在讲什么。

为了验证它是不是真的理解了视频内容，而不是只提取了音轨，继续追问了一个细节：视频中间出现了几个人？他们穿的什么衣服？回答结果非常准确。看得出它确实理解了视频中的视觉信息。

如何使用

进入Google AI Studio，但需要有一个美国IP，而且不是家宽袋里，否则无法打开。地址如下：

选择Gemini 2.0 Flash Experimental，并将输出格式选为Images and text。