1分钟生成巨物宝可梦，这个AI生图神器太好玩了

前几天，AI 创作者海辛在 X 上发了一个巨物宝可梦的视频，播放量 120W+，爆火了。

网上好多人模仿，也有很多人好奇这种视频怎么做的。

我尝试做了几个视频，实现思路：用 AI 出图，再用 AI 以图生视频。关键是生成的图片效果要好。

之前的 AI 生图工具，想生成这样效果的图片，对提示词要求很高，效果还不稳定。

能快速模仿，正是用了 Whisk 生图，再用可灵 AI 生成视频。

我体验发现，Whisk 实在太好玩了，操作简单、效果好，连提示词都可以不用写，产品设计还特别值得学习，赶紧跟你们分享。

先看看 Whisk 怎么玩？

打开 Whisk 首页，你只需上传一张图片，或拖拽页面上的图片到主题框里，不到 1 分钟即可看到效果。

Whisk 提供 3 种默认风格：贴纸、珐琅别针和毛绒玩具。

你看，提示词都不用写，直接出图，效果不错吧？用头像生成毛绒玩具，几乎可以直接定制自己的公仔了。

这，只是 Whisk 的简化模式。

如果你想做一张更好玩的图片，点击在工具中打开或从头开始进入完整模式。

界面非常简洁，重点在左边，可以分别上传主题、场景和风格 3 种图片。

你可以只上传 1 或 2 张图，也可以在每个主题同时选多张图片，非常灵活、可玩性很高。

比如，我让小火龙给可达鸭烧烤鸭吃。

如果你不知道做啥，可以点击掷骰子，Whisk 随机出一些图片，帮你找灵感。

我特别喜欢可达鸭和皮卡丘，先拿它们做巨物宝可梦的视频。

你看，只用 2 张图 + 简单的提示词，效果还行吧？

当然，AI 生图挺像开盲盒，不满意就调整提示词，多生成几次，整体感觉 Whisk 生成效果比别的 AI 生图工具好，也快很多。

生成满意的图片，再用可灵 AI 根据这张图，与提示词描述，生成视频。

最终成品，看下可达鸭跳舞如何：

再看看皮卡丘在干嘛：

正如 Whisk 的 slogan ：prompt Less，Play More（少写提示词，多玩），谷歌做到了。

那 Whisk 怎么实现的呢？

Whisk 为了让我们少写提示词，用 Gemini 模型的多模态能力识别图片，再用谷歌最新的图片生成模型 Imagen 3 生图。

我们上传的图片，会被自动识别并生成详细的描述，然后这些描述会给到 Imagen 3 出图。

也就是说，Whisk 并不是直接拿我们上传的图去融合，而是先转为文本描述提示词。

比如，我上传了一张金字塔的场景，出来的提示词老长了。不得不佩服 Gemini 的多模态识别能力。

更有意思的是，Whisk 不是精确地复制图片，而是抓住图片的特点，提取关键特征。

这样生成的图片，既能限度保留图片原有特点，又能发散出更多的创意。

生图环节，Whisk 结合「图片转成的描述提示词」 + 「用户写的提示词」，产生一个新的提示词，来生成最终效果图。

点击每张生成的图片，可以看到提示词，也可以自行修改。

这个转换的过程，用户完全无感知。对用户来说，只需要做 2 步或 3 步操作，但 Whisk 在背后做了大量的处理工作。

我画个简单流程对比，给你感受下。

Whisk 给产品经理有什么启示？

第一，产品要解决用户核心问题。

Whisk 凭借谷歌自家 Gemini 和 Imagen 3 模型的硬实力，生成图片效果惊艳，能帮用户生成高质量、有创意、好玩的图片，形成核心优势。

第二，Whisk 没有走 AI 生图工具的老路，让用户写复杂的提示词，而是让用户以上传图片为主，去表达想要图片的效果。

要知道，写好提示词，对大多数人来说太难了。反过来，让用户去找图片却容易得多。

我们想做某种图片，往往是看过某些喜欢的图片风格，希望模仿并改成自己的。

这说明 Whisk 把握用户实际的使用场景和痛点非常准。

第三，Whisk 设计一个简化模式，让用户先快速上手，感受生图效果，而不是直接让用户进入完整模式。

用户体验到产品操作简单、效果好，才会继续用。这种方式，降低用户的使用门槛，体验非常好。

做产品，把功能全塞给用户，是满足自己；只给用户所需的功能，才是有用户思维。

看完觉得写得好的，不防打赏一元，以支持蓝海情报网揭秘更多好的项目。

标签： 标签 内容 随笔