Whisk

1. 图片作为提示词
   不用先写一长串 Prompt，直接上传参考图，让 AI 从图片中理解主体、环境和视觉方向。
2. Subject、Scene、Style 分离控制
   主体、场景和风格可以分别指定。比如保留一只猫作为主体，把它放进赛博朋克城市，再套用油画风格。
3. 预设风格生成
   内置 Sticker、Enamel Pin、Plushie 等模板，上传主体后就能快速生成贴纸、徽章或毛绒玩具效果。
4. 文字辅助调整
   可以查看 Gemini 根据参考图生成的描述，并继续手动修改。图片负责定方向，文字负责补细节。
5. 图片转视频
   部分付费能力可以调用 Veo，把已经生成的静态画面进一步转换成短视频。

Whisk 最大的优点就是不用学。

登录 Google 账号后，把图片拖进去就可以开始。我先上传了一张猫的照片，再选择 Plushie 风格。几秒后出来两张毛绒公仔版本，原来的表情和姿态还能看出来，但材质已经完全变成玩偶。

这种场景特别适合 Whisk：不用研究“毛发材质”“棚拍灯光”“商品摄影”该怎么写，直接选图就行。

接着我试了更复杂的组合。

主体还是猫，场景换成赛博朋克城市夜景，Style 放了一张类似《星空》的参考图。最后生成的是一只处在蓝紫色夜景中的猫，城市和天空都出现了明显的旋转笔触。

不一定是我事先想象的结果，但确实容易碰到一些意料之外的方向。

当然，也会翻车。

我曾用一张柴犬作为参考，希望得到“戴牛仔帽的柴犬”，结果 Whisk 把主体理解成了一个棕发小孩。后来在文字描述里补上“主体是一只柴犬”，结果才恢复正常。

用下来最明显的一点是：Whisk 擅长理解“感觉”，不擅长严格复制。

它会参考原图，但不会保证人物、姿势、构图和细节完全一致。如果拿它做视觉探索，这种自由度很好玩；如果要求准确复现，就容易失望。

优缺点

优点

• 上手快。 不懂提示词也可以直接开始生成。
• 适合找视觉方向。 几张参考图就能快速试出不同组合。
• 图文可以一起用。 图片负责传达感觉，文字可以继续补充具体要求。
• 试错成本低。 做情绪板、概念稿和创意草图时效率很高。

缺点

• 结果随机性明显。 AI 对参考图的理解不一定和你的理解一致。
• 细节保持能力有限。 发型、服装、体型和其他特征可能发生变化。
• 复杂构图容易失控。 多个主体互动、精确位置和复杂透视并不是它的强项。
• 更像创意工具，不是编辑器。 需要精确修改现有图片时，仍然要用专业图像软件。

适合谁 / 不适合谁

适合：

• 设计师和创意工作者。 用来做情绪板、概念探索和风格尝试很方便。
• 内容创作者和社交媒体运营。 可以快速生成头像、配图、梗图和素材草案。
• 产品经理和创业者。 想快速把模糊的视觉想法变成可以讨论的画面。
• AI 绘画新手。 不想先学 Prompt，也能体验图片生成。

不太适合：

• 需要专业精修的人。 Whisk 不能替代 Photoshop 这类工具。
• 要求严格还原参考图的人。 它会重新理解和创作，而不是照着原图复制。
• 需要复杂、精确构图的人。 物体位置、人物细节和多主体关系仍然可能跑偏。

Whisk 最有意思的地方，是把 AI 绘图从“怎么把需求写清楚”变成了“给它看看你喜欢什么”。

主体、环境、风格都可以直接用图片表达，几乎不用学习提示词。这让它特别适合找灵感和快速试方向。

代价也很明显：控制力没那么强。

如果目标是精确还原一张图，它不是最合适的工具；但如果脑子里只有一个模糊感觉，想迅速看看它可能长什么样，Whisk 的方式反而很顺。

它更像一块 AI 情绪板，而不是一台精准的修图机器。