Google lanserer verktøy for kunstig intelligens-bildeoppretting fra ekte bilder

(CLO) Google har nettopp lansert et nytt verktøy for kunstig intelligens (KI) kalt «Whisk», som lar brukere laste opp bilder for å hente frem kombinerte bilder generert av KI, selv om brukeren ikke skriver inn tekst.

Whisk bruker AI til å kombinere motivet, konteksten og stilen til det opplastede bildet, og skape et nytt og mer unikt bilde.

Whisk beskrives av Google som et «kreativt verktøy» som hjelper brukere med å raskt generere nye visuelle ideer uten å kreve profesjonelle fotoredigeringsferdigheter. Ifølge Google er ikke verktøyet et tradisjonelt bilderedigeringsverktøy, men snarere et morsomt AI-verktøy som har som mål å vekke kreativitet og rask oppdagelse .

Når en bruker laster opp et bilde, bruker Whisk en kombinasjon av Googles AI-tjeneste, Gemini, og Imagen 3-teknologi – et verktøy som lager bilder fra tekst som Google har skaffet seg fra DeepMind.

Gemini vil analysere bildet og lage en bildetekst, deretter vil Imagen 3 kombinere elementer fra bildet på en kreativ måte, og beholde «essensen» av motivet i stedet for å kopiere det nøyaktig.

Skjermbilde av grensesnittet til vispverktøyet

Dette betyr at det endelige resultatet kanskje ikke er 100 % identisk med det originale bildet. For eksempel kan høyden, frisyren eller hudtonen til motivene i det nye bildet være forskjellig fra originalen. Brukere kan imidlertid fortsatt justere inndatainformasjonen, endre kontekst, stil eller kombinere flere motiv for å lage forskjellige bilder.

Whisk kan lage bilder ikke bare fra tekst, men også fra arkivbilder, noe som utvider de kreative mulighetene uten at brukerne trenger å ha erfaring med fotoredigering. «Whisk er utviklet for å hjelpe brukere med å remikse motiver, kontekster og stiler på kreative måter, slik at de kan utforske visuelt i stedet for å redigere hver piksel omhyggelig», sa Thomas Iljic, direktør for produktledelse hos Google Labs.

Mens Whisk er i en tidlig utviklingsfase, har verktøyet blitt lansert som et nettsted på Google Labs og er nå tilgjengelig for brukere i USA.

Dan Ives, administrerende direktør og senioranalytiker hos Wedbush Securities, sa at Whisk markerer nok et «maktdemonstrasjonsøyeblikk» for Google i teknologikappløpet.

Ives bemerket også at DeepMind, AI-laboratoriet Google kjøpte opp i 2014, er en viktig ressurs for å hjelpe Google med å opprettholde sin posisjon innen AI-feltet. AI-produkter, inkludert Whisk, er en sentral del av Googles produktutviklingsstrategi i de kommende årene, med flere nye produkter som forventes å bli lansert innen 2025.

Whisk-verktøyet åpner nye muligheter for bruk av kunstig intelligens til å lage kreative produkter med minimal brukerinnblanding. Dette viser fremskrittene til kunstig intelligens i å forstå og kombinere visuelle elementer på en kreativ måte.

Whisk er en del av en voksende trend blant store teknologiselskaper, inkludert Google og OpenAI, for å utvikle forbrukerrettede AI-verktøy som tar sikte på å muliggjøre nye kreative opplevelser, fra generering av bilder, tekst og videoer . OpenAI introduserte nylig en tekst-til-video-generator kalt Sora, som konkurrerer direkte med Whisk.

Ngoc Anh (ifølge CNN, The Verge, ZDNET)

Kilde: https://www.congluan.vn/google-ra-mat-cong-cu-tao-hinh-anh-ai-tu-hinh-anh-that-post326441.html