模型：Nano Banana 2
费用：Gemini 免费版 5 小时限额消耗 100%
成品一：
成品二：
这是我第一次尝试 Gemini 软件的图片生成功能。
我一边操作 Gemini，一边用隐私浏览器将我看到的效果与疑问描述给另一个 Google AI 搜索窗口，由其向我解释 Gemini 的逻辑。
下文“电脑”指代 Gemini / Nano Banana 2，“教官”指代 Google AI 搜索。
我说：请将自行车扶起来。
电脑回复：自行车已经扶起，可是图片还是倒在地上的自行车。
我又说：自行车还是倒在地上？
电脑这才将自行车扶起，并撑好脚撑。
而且，电脑查阅了自行车的品牌型号，展示的自行车与真的完全一样。
上传这张自拍的同时，我说：请让男孩上自行车。
这一步电脑产生的结果让我叹为观止：
据教官解释，电脑可以理解男孩想要骑自行车。
因为骑自行车需要双手握把，所以行李袋就被装入了车篮。
输入二里背包的主体并不可见，所以电脑脑补了棕色背包。
我上传输入三时说到：行李式样请参看此图。
结果，电脑完全忽略了前面的场景，直接把我的两只包包从椅子上丢到了地上，然后画了一把空空的椅子。
跟随教官指引，我告诉电脑，请忽略航站楼背景、将背包画进自行车场景。
电脑这才听话，不过它在行李袋上画满了极具特色的商标。
据教官解释，电脑识别到世界知名商标后，独特文字的权重相当大，所以导致输出的每一面都出现商标。
我尝试多次，才让商标位置恢复正常。
我还发现，电脑对于“左”、“右”等方位词存在误解，难以理解我说的“左”是指自行车的左侧、还是图片的左侧。
教官建议，我要么说清“自行车的左侧”，要么使用“把手”、“前轮”等更加特定的词语来描述位置。
电脑对于背包的颜色、式样也存在巨大的困难。
虽然我给出了背包的确切型号，但是电脑画出的背包颜色始终不对劲。
如果我要求“蓝色 MOLLE loops”（背包正面用于悬挂小物件的尼龙缎带），拉链也会变成蓝色；如果我要求拉链变回黑色，缎带也会随之变色。
更有甚者，当我表示“拉链不是蓝色的”，整个背包都变成了蓝色，只剩一条黑色的拉链。
这个问题我没有找到解决方案，所以最终只能选择整体黑色的背包。
我注意到中间结果里，男孩的眼眶特别深，眼镜的镜片偏小，而且黄色的镜架装饰片不见了。
所以我特意选择了一张脸部微侧的自拍，并写道：脸部与眼镜参看此图，但是注意镜片不应该变色。
之后的输出，眼眶全部恢复自然，而且镜架的装饰片也出现了。
教官赞扬了我的操作。
电脑起初选择了对着左侧的自行车，需要男孩的侧面像。
可是，输入二的脸部只有正面，所以电脑难以知道眼眶深度。
虽然镜架的黄色装饰片在输入二中可以看见，但是电脑为了节省计算成本，不得不忽略了这个细节。
因为我决定上传电脑缺少的信息，所以生成质量大大提升。
我再向电脑描述了运动鞋的型号：Pegasus 41 Arizona Wildcats。
虽然网上有大量 Pegasus 41 产品图片，但是亚利桑那大学专属版本并不多见，所以电脑在鞋子上画出了大量白色色块。
在教官的建议下，我又描述了鞋子的颜色，这才出现满意的结果。
这一步的结果就是成品一。
但是，不知是何原因，电脑将 4:3 的长方形图片改成了 1:1 的正方形图片。
在教官的建议下，我让电脑生成了日落的场景。
然后我又突发奇想，写道：下大雨了，男孩的衣服都湿透了。
电脑相当理智，自动删除了太阳，而且天空布满了乌云。
但是，电脑并没有把上衣的帽子竖起来，而是任由我的头发在风中凌乱。
而且，眼镜直接换了一副，而且之前生成的背景中的公园长凳也挪动了位置。
据教官解释，虽然正常人都会在下雨时拉起帽子，但是电脑并没有这种生活常识。
对于电脑而言，一套服装就是一张粘纸。
而且，因为我从未在文字里提到镜架上的黄色装饰片，所以电脑已经遗忘了这个细节。
我又幽幽的说，处于安全考虑，骑车应该戴头盔呢。
电脑直接给加上了灰色的头盔。
我上传了输入五，并说：头盔式样参照此图。
这就是产生了成品二。
电脑画出的头盔与实际相符，湿透的服装也相当贴切。
至此，5 小时 token 额度用完，实验结束。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。