Google Gemini 影像生成加入更多編輯工具，強調角色一致性、以數位浮水印保障透明度

【此文章來自：Mashdigi】

Google宣布，旗下 Gemini 影像生成模型加入新一波功能升級，特別針對 AI 編輯、生成一致性，以及靈活性進行加強。此次更新由 DeepMind 團隊打造，目前已經率先於 Gemini App 開放使用，Google 也強調所有經由 Gemini 生成或編輯的影像，將同步附加數位可見浮水印，以便清楚標示影像的 AI 生成來源。




 

強化角色一致性，提升編輯精準度

新版本最大亮點之一，是在影像連續編輯過程中，能確保人像角色保持一致性。

以往 AI 生成或多次修改圖片時，角色往往會在細節上產生偏差，如臉部特徵、服飾或比例不一致。Gemini 新模型則能維持生成人物真實性，讓使用者可以更自然地將自身影像置入不同場景或服裝中，而不會因反覆編輯而有「變臉」情況。

另一項改進則是加入多階段影像編輯，允許使用者逐步更換影像元素，例如先調整背景，再替換特定物件，過程中不會遺失前一步的修改成果。此外，Gemini 還能合成兩張影像成為新場景，或利用既有影像中的元素，轉化為全新設計提示詞，藉此增加創作彈性。

 

與其他影像生成工具的對比

Gemini 的進化，讓 Google 更能直接面對其他生成式 AI 工具的競爭：

• OpenAI DALL·E 3：目前在 ChatGPT 內整合度高，支援文字到影像的生成，也具備「編輯與修補」 (inpainting) 功能。但在角色一致性控制上，Gemini 新模型顯然更具優勢，對於需要連續創作的使用者有大吸引力。AI-driven cybersecurity tools

• Adobe Firefly：以創作者與設計產業為核心，強調生成影像可商用授權，並且整合旗下 Photoshop、Illustrator 等工具。Gemini 雖然缺乏完整的專業軟體生態，但在「跨場景角色維持」的能力上，有望成為創作者輔助的輕量選項。

• Stable Diffusion：以開源與可高度自訂著稱，用戶可透過本地端模型或社群插件實現多樣化的編輯。但對於一般使用者而言，Gemini 透過雲端與 Google 服務整合，提供更易上手的體驗，降低學習門檻。

 

AI 生成透明度與未來影響

Google 強調，所有透過 Gemini 產生的影像將自動附加數位浮水印，確保其生成透明度與來源可追溯性。在生成式 AI 影像逐漸應用於媒體、廣告、教育與娛樂領域的同時，這樣的設計也回應了外界對「深偽內容」與錯假資訊的擔憂。

Gemini 此次的功能提升，讓 Google 在 AI 影像生成市場不僅於只是提供工具，更進一步思考「如何讓生成影像能長期可信任」。隨著競爭者各自加強不同方向，Gemini 在角色一致性、編輯彈性與透明度上找到切入點，未來能否與 DALL・E、Firefly 與 Stable Diffusion 形成更直接的市場競爭，將是值得觀察的下一步。