Google Gemini 2.0 Flash 新增「原生图像生成」功能

Google 发文宣布，Google Gemini 2.0 Flash 引入了「原生图像生成」功能。

据官方介绍，Gemini 2.0 Flash 结合多模态输入、增强版推理以及自然语言理解来进行图像生成。

Gemini 2.0 Flash 支持文字理解并生成图像，并能够理解上下文保持角色和图像场景的一致性；同时 Gemini 2.0 Flash 还支持自然语言对话的理解，以及利用现实世界的内容和增强版推理来生成图像，Google 官方指出，这对绘制食谱等精准类的内容将会有很大帮助。

值得关注的是，Gemini 2.0 Flash 能够对长文本进行精准绘制。从官方发布的样张显示，Gemini 2.0 Flash 能够准确生成出正确的文字内容，减少生成出扭曲的「抽象」字体。

但据网友实测，目前 Gemini 2.0 Flash 对于过长的提示词文本依然没有能力处理好。Gemini 团队的研究员 Kaushik Shivakumar 也现身回复上述情况称，未来团队将会改进，目前如果需要输入较长的提示词，建议先让模型以文本形式思考，从而更好地生成图像。

Google 已将上述功能提供给 Google AI Studio 的开发者，开发者可以通过 Gemini API 进行体验测试。