Google AI Studio 近期悄然上线了多媒体生成功能，包括 Veo 2 视频生成与 Imagen 3.0 图片生成。这意味着用户除了能在平台上编写代码、调试模型外，还可直接进行创意制作：支持文字生成图片、文字生成视频，甚至能通过参考图片生成视频，功能比以往更加丰富多元。

体验入口现已开放，直接访问 https://aistudio.google.com/gen-media 即可开始体验。官方还提供了多种风格的示例供用户参考。

例如，若要生成一张美食风格的图片，可输入以下提示词：

The picture style is a food shoot. A pile of blueberries fall into the water and slowly sink. The fruits are surrounded by blisters and have a leaf on them, creating an appetizing color tone

生成图片时，Imagen 3.0 还支持结构化输出。比如需要生成产品描述和图片规格，可像这样编写提示词：

{
  "task": "Generate Product Description and Image Spec",
  "product_name": "Handmade Ceramic Mug",
  "key_selling_points": ["Unique Glaze Finish", "Ergonomic Handle", "Microwave Safe"],
  "target_customer": "Artisan craft lovers",
  "text_description_spec": {
    "length": "Approx. 150 words",
    "tone": "Warm and Craftsmanship-focused",
    "structure": ["Highlight uniqueness", "Mention practicality", "Suggest usage scenarios"]
  },
  "image_spec": {
    "number_of_images": 2,
    "image_1": {
      "subject": "The mug from the side, showing the glaze texture",
      "style": "Natural lighting, focus on detail, soft background"
    },
    "image_2": {
      "subject": "The mug being held, showing scale and handle feel",
      "style": "Lifestyle shot, warm atmosphere"
    }
  }
}

至于视频生成，采用的是最新的 Veo 2 模型，支持 16:9 的横屏与竖屏比例，最长可生成 8 秒视频。用户还可上传一张参考图片，让模型基于该图片生成视频。例如：

Create a video with an image: a cute creature with snow leopard-like fur is walking in a winter forest.

需要特别留意的是，目前文生图对中文的支持还不够理想。常见的处理方式是将中文提示词转换为英文再输入。例如，同一段描述，中文与英文的生成效果差异明显：

英文：The picture style is a food shoot. A pile of blueberries fall into the water and slowly sink. The fruits are surrounded by blisters and have a leaf on them, creating an appetizing color tone

中文：图片风格为美食拍摄，一堆蓝莓掉入水中，慢慢沉入水中，水果周围都是水泡，带一片叶子，让人开胃的色调

此外，Veo 2 视频生成功能在 AI Studio 中提供有限的免费测试配额。若超出免费额度，或希望将 Veo 2 集成至自己的项目，可通过 Gemini API 实现（Imagen 3.0 图片生成同理）。

Google 近期推出的这一系列新功能，无论是编程辅助还是多媒体生成，对创作者和开发者都极具吸引力。感兴趣的用户不妨立即前往体验。