“用嘴PS”的Gemini2.0五档难度实测！原生多模态做图像生成、修图、抠图、连续对话有多强？Google Gemini OpenAI没做出来的DALLE4被做出来了！ 这次我分五档难度、12个真实案例做了一套AI生图新测试： 1️⃣ 视频分镜创作：一键生成分镜脚本和图片，实现高一致性，并能针对具体某一分镜进行多次修改 2️⃣ 连续一致性：多轮对话中，模型对图片上下文的理解、记忆和一致性维护能力。 3️⃣ 复杂性与细节：模型处理复杂场景、精细物体、以及多重修改的能力。 4️⃣ 创造性与风格化：模型在不同艺术风格、设计理念下的创作能力。 5️⃣ 实用性与专业性：模型在专业领域（如物品设计、建筑设计）的辅助能力。 gemini2.0 X vidu2.0 Vidu AI 做出来的钢铁侠大战超人🦸‍♂️，烂番茄指数🍅99% （1/9）

又是爆肝的一天，求三连求一切，Gemini的Deep Search也是相当好用。 🔗

一星难度⭐️ 我们先来一个材质和光影的交互： 生成一个放在木桌上的玻璃球，让阳光透过窗户照在球上，产生折射和焦散效果。然后，把木桌换成大理石，并改变阳光的角度，让阴影更长。 从上到下可以感受到阳光亮度的提升、桌子材质变化以及阴影的拉长。而且局部的修改并不会影响图片整体的布局，而且基本都是一次过。 最6的是，桌子材质变化后，倒影还会发生变化。这语音理解能力和连续记忆能力之前也就 DALLE3 才能勉强及格了。 （2/9）

二星难度⭐️⭐️ 第二档我们试试看手绘稿的精细化渲染和风格指定： 基于我上传的手绘草图（一个未来城市景观），生成赛博朋克风格的渲染图，强调霓虹灯光和雨夜氛围。然后，将其转换为水彩/水墨/皮克斯/动漫/3D超写实风格，并保持构图不变。 虽然没有很赛博，但是第一次的上色效果还是很好的，建筑细节的蓝色灯光、街道的橙色灯光、彩色的云霞，而后面的多种风格里，水墨风居然是做的最好的。 而且从这次完整对话，我发现了 Gemini2.0 大概率应该是只有文本的连续对话记忆能力，图片只记录了上一轮的，从图片里的修改就可以看出来，特别是最后一轮我特意指定一开始的图片，但 Gemini2.0 输出的图片还是没摆脱上一轮图片的晕染开的缺点。 第二档难度还有进阶考核，来个多风格融合，还需要模型想象出一个不存在的事物。 设计一款未来概念汽车，融合跑车的流线型、越野车的粗犷感和飞船的科技感。生成三种不同配色方案：红黑、蓝白、银灰。然后，选择红黑方案，增加车身两侧的火焰喷射特效。 这车特里特气的，这个案例我尝试了一次性生成多张图片，生成多张图片之后还支持特定的一张来进行二次修改，制作的效率超级加倍。 （3/9）

三星难度⭐️⭐️⭐️ 第三档难度我们来一些 PS Things， PS 专属的 AI 抠图！ 在一张森林照片中抠出一个湖泊，并将其替换为沙漠中的绿洲，确保光影和环境的自然过渡。然后，在绿洲中添加一群骆驼，并给它们打上逆光效果。 由于难度已经到了三级，我不会再给 Gemini2.0 修改建议了，就用最难的甲方思路，我觉得这不行，你给我改改。 然后我们可以看到从湖泊改成沙漠绿洲的时候，过渡做的还可以，但是追加的几只骆驼就相当突兀，没有影子，感觉有种非常粗糙的拼贴感，即使后面想要再融合一下光影细节，也救不回这张图片。 （4/9）

四星难度⭐️⭐️⭐️⭐️ 第四档难度我们来考究Gemini2.0对动态场景连续变化的掌握程度了。 生成一个海滩日落的场景，随着时间推移，太阳逐渐落下，天空颜色从橙色变为紫色，海浪不断拍打岸边。然后，在沙滩上添加一对正在散步的情侣，他们的影子随着太阳位置变化。 可以看到一次性生成这8个镜头还是有难度的，尤其镜头3、6、7的场景紫得发黑，其中镜头3通过对话修改回来了，6、7还是老样子，而且对于提示语中的“时间变化”，Gemini2.0似乎并没有理解，只是一味的改变了颜色，看来这个难度确实高了一些。 （5/9）

五星难度⭐️⭐️⭐️⭐️⭐️（上) 五星难度意味着画面里的事物的数量要拉高了，我们要测试模型对超现实场景的想象力和构建能力，对不符合常规逻辑元素的处理能力，以及复杂场景细节构建 生成一个中世纪欧洲小镇广场的场景，包括市场摊位、来往人群、鸽子、以及远处的教堂。然后放大广场一角，仔细描绘一个正在卖艺的街头艺人和他的猴子。然后聚焦在猴子身上，给它换上马戏团小丑的服装。 基本上这个提示语就是考验 Gemini2.0 对于提示语中切换镜头的遵循。先不吐槽这个“中世纪欧洲小镇广场”跟异世界漫画长得一模一样，在中间那一张图里人消失的上半身、变异猴子，还有多翅膀的鸽子让我有点崩不住了，这啥啊这是？ 这一趴我只能给0.5分。 （6/9）

五档难度⭐️⭐️⭐️⭐️⭐️（下） 第五档难度理应有物品设计和建筑设计作为压箱底的试题，毕竟生图模型现在通过ComfyUI、SD WebUI、LoRA等早就搭建出了一个个专业的工作流。 Case1: 设计一款智能手表，要求具有圆形表盘、金属表壳和皮革表带。生成三种不同材质的表带：棕色鳄鱼皮、黑色小牛皮、蓝色帆布。然后，选择黑色小牛皮表带，将这个表戴着一个男生手上看看搭配效果。 这个设计图真的做的有模有样的，三视图都弄出来了，还做出了表带的侧视图，表冠的放大结构图。在生成表达的时候，用的都是展示手表的经典角色，还顺手给手表上个色。 当加入模特的手后，表现也很不错，感觉电商设计行业也要开始瑟瑟发抖了。 小物体测完了，马上来个大物件， Case2: 设计一栋现代风格的别墅，要求有落地窗、游泳池和花园。生成三种不同的外墙材料：白色石材、灰色混凝土、木质贴面。然后，选择灰色混凝土外墙，将屋顶改为斜坡，并在花园中添加一个凉亭。 显然这是一个非常为难模型的问题，但 Gemini2.0 还是接下了这个活，生成了鸟瞰图、立面图和平面布局概念图，不过有点小 bug，平面图跟立面图有点对不上。 我真没想到有一天我会在 AI 上完上贴瓷砖小游戏，选了三种不同外墙材料也能一次性生成。最后加上花园的大别野好看吗？ （7/9）

测起来实在太好玩了，根本停不下来，在五档难度下，我开始使用 Gemini2.0 玩游戏了， 这次我选择生成一个动漫人物的背影，随机跳出一只宝可梦，在我跟Gemini2.0的对话当中，我还可以投掷精灵球，完成收复！ 接下来我拿着这些图片去挨个滴滴深夜未睡觉的朋友们，有些还是UI、前端、设计，他们给出的终极打分是！（满分5分） •图片基础质量：3.5 •理解准确性：3 •连续性：4.5 •细节表现力：3.5 •创造性：3 •修改响应性：4 •逻辑性：4 当上面的分数优势，再加上 Gemini2.0 本身的生成速度、免费等优势，这些都结合在一起，我们可以得出结论，这个新工具好用！而且优势相当可观！ （8/9）

使用方法相当简单， 打开 AI Studio，右侧将模型切换到Gemini 2.0 Flash Experimental就可以直接开始对话了！ （9/9）

Sign up & create wholesome anime art on Moescape AI now!

@GeminiApp 好强