把动漫带到现实，我用AI跟童年的主角们拍了张会动的大合照

【图片来源：@海辛 和 @阿文（已获得授权，感谢感谢🙏）】

复刻这个百万播放的“巨物”片段需要多少步？

放在之前，我大概率过先一遍 DALLE3，再尝试用 Flux 还原，折腾个把小时，然后把一个1000字的提示语搬上来。

而现在，我会告诉你把提示语忘了吧，这只需要两张图片。

也就是说卡比兽还能出现在更多的地方：

疑似卡比兽推到比萨斜塔证据流出

卡比兽撑比萨斜塔

卡比兽出现在圣诞街头

还可以是别的动画角色：

阿童木在伦敦大街收圣诞礼物

甚至可以不止一种材质：

卡比兽胸针

这就是最近几天我使用频率最高的生图工具：

Whisk

操作界面相当简单

Whisk，一款 Google 用来秀肌肉的创意工具。原理相当朴素，但非常有用。

背后的逻辑是 Gemini 根据用户上传图片来生成图片的详细描述，然后自动使用这个描述通过 Imagen3 生成一张“能抓重点”的图。

使用地址🔗：https://labs.google/fx/zh/tools/whisk

听着简单，但在这之前想要实现指定主体的一致性，还真美那么容易。

之前，想要将动漫角色“拖进”真实世界的话，一是靠蒙，用不同的词去测模型是不是知道这个角色：

这种依靠提示词生成的角色，像，但又没那么像，总是觉得哪里怪怪的。

二是训练 LoRA，也就是用特定角色的图片素材，对基础模型进行微调。进而让模型掌握这个角色的样貌、体态等特征。这样你就不需要拿着词语碰运气，相当于自己造了一个模型能懂的词。

机会难得，今天我就要用 Whisk 和可灵1.6，跟童年里的动漫角色来个大合照。

为什么会有这个idea呢？

因为我发现虽然 Whisk 限制场景和风格只能有一张参考图片，但主体图片的格子可以“无限”叠加。

先来一张宝可梦合照

这次它们变成大型瓷娃娃了，而且左下角还多出了两个我没有输入的角色。

如果我一口气加入14个角色，Whisk还 hold 得住吗？

这里要额外提一下 Whisk 的好处，素材都是可以复用的，省去了多次上传。

答案揭晓！

可以看到大部分的角色还是很稳定的，但是角色一多起来，偶尔会有角色颜色融合等等问题。但好就好在，它即使融合了，风格也还是稳定，甚至能达到以假乱真的程度。

三二一，茄子！说实话，14个角色已经能覆盖一步动画里我喜欢的主要角色了。

图ready了之后，想进一步转成视频就更见简单了，

上可灵！之前我还用可灵做了一个一张图片百人同时挥手的挑战，没想到那么快就用上了

100镜实测可灵1.6新版本，超大幅度女团群舞都能做了！

随着角色的增加，也会有那么几次没有抓住特点，这时候可以通过修改提示语来进行“二次修改”。

前面有提到，Whisk 是通过 Gemini 理解图片生成提示语，然后让 Imagen3 生成。

这个过程里生成出来的超长提示词，也没藏着捏着。

而是水灵灵地放在了图片下方，

连巴士是55号都单独记住了

而且，我注意到一点：同一张图片当做“主题、场景、风格”的输入时，输出的提示语都不一样。我们再来看一个标准一点的提示语。

PS：角色越多，提示语的格式反而没那么标准，估计是做了压缩

如果把动漫角色作为主题图片，Whisk 会详细地描述他的外貌特征，

石雕卡比兽推到比萨斜塔

(部分摘要)一个巨大、毛绒绒的 Snorlax 神奇宝贝玩具，以浅米色为主，配以蓝色点缀，推动着比萨斜塔。Snorlax的脸很安详，闭着眼睛，微笑着。 

而将把角色图作为风格参考，Whisk 将会描述这张图的色彩、光线、线条。

那在这样的情况下，我用卡比兽作为主要角色图，然后用可达鸭作为风格图的话，会发生什么呢？

那就是……

卡比兽变色啦！

(部分摘要)以饱和的黄色为主色调，用细微的阴影来暗示其纹理。以产品为中心，色调有限，突出了 “橘子 ”饱和的黄色。

对比上面生成的卡比兽，这次的卡比兽变得更黄了一点，这抹黄就是可达鸭带来的！

看到这个效果，是不是能够理解一点这其中的生成逻辑了呢？

小遗憾的是，

也因为 Whisk 是先通过 Gemini 理解，再由 Imagen3 生成，这不可避免的带来一定的信息损失，

如果用真人当作主体输入的话，

你会发现人脸跟原图不太一致，都变成了别的脸

马斯克和奥特曼的脸都变了

而上述这一系列生成图片的操作，我们几乎没有用过对主体的描述性提示词。

也就是说，在whisk中，我们不再需要告诉它我要的这个人物长相如何，穿着如何，年龄如何，也不需要在赘述在一个什么季节，什么地点什么氛围的环境中。只要我们有参考图，这一切的一切都可以被省略。

我的双手又一次的被解放了。

 写在最后 

AI绘图这个领域，到目前为止，相对比其他AI创作领域，是发展时间较长的一类了。

但似乎，有很长的一段时间，

都很少看到有更新鲜有趣的新功能出现。

直到，whisk的出现。

我们都知道，做同类型功能的迭代其实并不容易，功能需要越来越强，效果需要越来越好。

但在所有人都做同样的东西时，

创意就显得尤为重要。

那将激起摇摇欲坠的创作希望，

将引领一众鲜活的、热血的作品出现，

那是，一切的基石，

就像，AI刚刚开始那样。

文章来自于“卡尔的AI沃茨”，作者“卡尔 & 阿汤”。