上周我介绍了 gemini 生图模型，我觉得已经算是实用性很强了，但紧接着 Open AI 就卷起来了，也更新了一波图像生成模型，然后迅速在全网刷屏。那它的效果到底好不好用呢？是不是被吹的很厉害？我很好奇啊，所以周末赶紧深度实测了一波，先说结论：生成的图确实比 Gemini 的更好，但也并不完美。
ComfyUI 难度骤降一倍！揭秘谷歌Gemini 2.0 Flash的史诗级更新
最近，谷歌一口气对 AI 模型能力做了一次大升级，其中最吸引我的是 Gemini 2.0 Flash (Image Generation) ，这个模型对设计师来说，实用性很强。
阅读文章 >我用 GPT-4o 深度测评了 2 天，当它真的可以指哪打哪后，我实在是不知道怎么形容。这篇文章我先跟大家总结 10 个最好用的使用示例，向你证明它确实是太好用了！
先说明一下，有些人可能会发现不充会员也能用 GTP-4o，但出来的图效果完全不行。这是因为免费用户是用不了新的图像生成模型的，每天送的那 5 次用的其实是 Dall-E 模型，不是真正的新绘图模型。
充值后，选择更多中的“创建图片”用的才是全新的 GTP-4o 画图模型。
所以，我周末花费巨资，先是买了一张虚拟信用卡，然后又再充值了一个 plus 会员，很顺利的就用上了。注意咱们只需要花$20 买 plus 会员就够了，不用去买那个$200 每个月的，太浪费了。 从我使用的情况来看，plus 会员就能一直生图，我用了 2 天，没出现限制的情况。
我测试了以下 10 种场景，各个都非常惊艳！
注意：用的时候，记得先点更多，选择创建图片后再输出提示词，在提示词前面会有蓝色的“创建图片”，确保使用新模型且生效。
10 个最常用的使用场景案例
1. 生成组图
我测试的第一个生成图片，就是直接挑战高难度，让它在一个画面中同时生成一批带有对应特征的内容。这在目前其他 AI 生图能力上基本都超纲了，咱们直接上强度，看看它到底行不行？
提示词：一张正方形图片，包含一个 4 行 4 列的网格，网格上有 16 个图形，背景为白色，从左到右，从上到下。图形的风格请保持和参考图一致，列表如下：1、一块橙色的面包 2、一个白色的星巴克杯子 3、一个草莓蛋糕 4、一瓶牛奶 5、一瓶汽水 6、一杯奶茶 7、一张桌子 8、便利店 9、一只戴着帽子的狗 10、一辆红色的小汽车 11、一束玫瑰花 12、一把黑色雨伞 13、一双红色高跟鞋 14、几个包子 15、用草书写的“caiyun”16、办公楼
效果出来了，16 个元素，位置、内容完全正确，风格和细节程度还做到了统一，非常棒！
接着，我想把它的风格按我提供的参考图重新设计下，毕竟在实际项目里，需要的风格比较确定，风格要做到一致性。
提示词：参考这张图，把上面的图风格改成和参考图一致
这是生成后的效果，开始有一些错误了。所以，我不满足，让它继续改。
有一些修正，但也还是会有问题，所以我想把它改回来，看看有没有修正回来的可能性，就和在实际工作中指导实习生的感觉。
提示词：再仔细对照最初的参考图和设计要求，颜色没有这么多，有几个地方的内容出错了，第 2 个，第 7 个，第 10 个
最终改了几轮后，有些改回来了，但又出了新的错误，我打算就此打住。
虽然它的效果还不是很完美，但总体上拿来稍微改改其实就能用了，已经给了我不小的惊喜，因为我也同时把这个提示词问了谷歌 gemini，出来的图是这样的。
只能说，没有对比就没有伤害。
2. 风格转换
GPT-4o 有类似 ComfyUI 中的 ControlNet 的功能，可以完全复刻参考图中的人物姿势，或根据线稿生成指定风格的图像。
给大家看下我当时测试的一个例子。
提示词：把上图中的画面转换为 3D 风格
转换后的图，已经非常像了有没有，这还学啥建模啊？质量也太高了。
眼尖的你可能会发现，生成后的图和原图稍微会有点区别，但这其实是官方刻意为之，不是做不到。因为当我要求它跟原图一样时，就违反规定了。
可能大家在操作的时候，经常会出现一个限制提示，说你违反了他们的规定。OpenAI 的内容政策特别严格地限制“高度拟真人物”的图像生成，尤其是当提示词中涉及“肖像还原”“外貌匹配”等字样时，哪怕是你自己的照片，模型出于防止误用（例如深度伪造）的政策，也有可能拒绝生成。
所以当出现人物相关需求时，可以用回 comfyUI 或 Gemini，能解决问题。
此时，我已经不满足于把带人物的插画转成照片，我想把我觉得很美的插图壁纸也都转成照片了，那会是什么样的美景呢？咱们试试效果。
提示词：把这个场景变成一张写实照片
这是它生成出来的效果。
当我看到它生成出来的效果时，我真的是被惊艳到了，这效果还原的确实是有点太好了。
我在出这张图的时候已经是晚上 12 点多了，但我已经没了睡意，想赶紧多试试，这钱没白花呀。
我又找了另外一张我很喜欢的风景插图转换成了真实美景。
除了转成通用的卡通风格，还可以在提示词中加入指定的漫画家风格，使其更有对应风格的特点。比如我把上一篇文章中生成的美女图换成海贼王风格会是什么样的？
提示词：将参考图变成海贼王的画风
再转成乐高风格，提示词：将参考图变成乐高的画风
我还想把哪吒的 3D 图改为哆啦 A 梦的风格。
提示词：将参考图变成藤子不二雄风格
风格转换后，有点大雄的感觉啊，哈哈。
3. 生成海报
它能根据自身的知识库，生成符合用户意图的配图。
比如我希望它帮我生成一张宇宙百科示意图。
提示词：我需要给百科全书画一张插图，请帮我用矢量插图风格生成一张不同类型的星球插图，需要有对应星球的名字，一句话介绍，背景为白色
这是生成出来的效果，质量很高啊，文字也都是对的。这在之前的生图模型中，其实很难做到，现在居然这么准确了。
英文没问题，那中文如何呢？我又试了下
提示词：把图中的英文改成中文
发现基本都能对上，不过也有一些小瑕疵，比如错别字，笔画粗细之类的细节还有提升空间，不过基本上稍微改改就能用了。
然后我又觉得太背景太干，适当加多一些细节。
提示词：背景上需要加多一些设计感，能用在书籍的宣传插图
背景加的还可以，还能继续微调，就像在指导一位设计实习生一般，没有脾气，不会疲劳，可以一直改，就问老板们喜不喜欢？设计师们怕不怕！
4. 虚拟试穿
GPT-4o 能把提供的衣服、模特素材，直接合成想要的画面，完成电商里面经常用到的试穿效果图。这个能力其实在 comfyUI 和 Gemini 中都能做到，但我发现 GPT-4o 出来的效果似乎会更好。
提示词：把裤子，帽子，衣服穿到模特身上，并且走在街道上
出来的效果非常好，除了帽子 logo 那稍微有点瑕疵，其他几乎完全被复刻了过来。瞬间感觉用 comfyUI 搭建的工作流已经失去了意义。
5. 动漫设计
它可以一次性上传多个角色设定，然后要求 GPT-4o 转换视角和场景，生成全新的漫画设定，同时保留漫画角色特征。
提示词：让鸣人和路飞这 2 个角色在中忍考试的场景中激烈的战斗，画面中有相应角色的技能特效
直接这样会提示违规，猜测可能是有版权的问题。按它提示继续操作就可以了，依然能保持参考图的特征，绕过限制。
但在出来的图片这里，手臂是有点问题的，我们也可以用它的局部修改功能。怎么操作呢？
点击图片放大，然后点右上角有一个编辑图标
点完之后，可以看到一只画笔，然后把想修改的地方圈出来，写上提示词就可以了。
这是优化之后的，能看到还是有一些瑕疵，还可以继续优化，我这里就不演示了。
6. 改图标风格
在 UI 领域，也可以让它根据一种风格生成对应的图标。咱们设计师经常找参考图，做情绪版，不就是为了做好风格设计吗？这下 GPT-4o 也能搞了，而且还挺精细。
比如让它按找到的设计参考图，重新设计图标。
提示词：按照第 1 个风格图标重新设计第 2 张图中的图标
最后生成的效果，虽然图片还存在一定的瑕疵，比如透视关系不大对，但这个效果还是非常不错的。
一整套图标时也可以出效果
最后的效果也还不错，除了第一个图标有瑕疵。
7. 图像提取
GPT-4o 可以从图像中抠图，它还不是一种简单的抠图，而是扣出画面内容，然后帮你做高清修复。
比如我找到了这张图，水中的海豚其实已经很不清晰了，整个图片也不到 700px，要想抠出来完整细节挺不容易的。
提示词：帮我把画面中的海豚提取出来
看到了吗？它不是简单的抠图，而是把需要抠图的海豚完整的抠出，而且还自带了修复，并且还给了一张透明格式的图片！
8. AI 找图
它不仅能按提示词出图，还能根据它自己的知识库，根据我的一句话描述，直接把我想要的图“找”出来。
提示词：找一张火影里面的小樱的图
这是帮我找出来的图，质量非常高，几乎没有啥瑕疵。
9. 老旧照片上色
这个功能其实其他 AI 也有，只是我觉得 GPT-4o 出来的图更好，尤其是在那些细节还原度上，甚至景深那些都能比较好的复原。
比如我从网上找到这样一张照片，我觉得挺有质感的，咱们来实验一波。
提示词：为这个老照片变为彩色
这是修复后的照片，细节还原度拉满。
10. 一键修图
它的修图能力，感觉比 PS 还要强，一键就把画面中的人物全干没了。
提示词：修改图片，要求移除画面中所有人，完全保留画面中的其他实景细节
这是修完之后的效果，除了细微处还有点瑕疵外，乍一看，几乎挑不出毛病。
好了，以上就是我自己在测试中觉得最实用的 10 个使用场景，它还有更多其他用法等待大家去发现，留言区期待你的发现和分享。
当前这个模型也不是完美的，它也有一些做的没那么好的地方。比如对中文的生成还没那么好，对一些细节做迁移的时候会有一些瑕疵，限制比较多，出图速度上也比较慢，而且动不动还限速，挺麻烦的，然后它在一些出图的美感上也有点不太足，和 Midjourney 稍差一些。但我觉得，这些问题很快就会被迭代解决，毕竟 AI 领域的更新节奏实在是太快了。
从各家大模型卷的方向来看，都是先保实用性，再提升美感。这和咱们平时做产品的思路一样，先保证可用，再做到好看。
从天马行空的惊喜到精准可控的生成，这就是这次升级中最核心的升级内容。
最后说点心里话。
从最初 Midjourney 刚出的时候，就有一种声音在说设计师要下岗了，不再需要设计师了。但后面这种声音也随着实际项目中的应用情况而逐渐回归理性，设计师还是没法被取代。而到近期 GPT-4o 出来时，大家更能感觉到工具的好用，设计师下岗论似乎更加强烈。
但我觉得此时如果真的被取代的不是设计师，而是只会画图的美工，进而会进一步拉大初级和资深设计师之间的鸿沟。画图在实际项目中，只是设计师日程工作中的一部分，项目前期的需求沟通、概念策划、后期与开发的对接、还原走查、用户反馈后的分析、策略调整都是工作，而这个链路暂时都需要设计师的介入，没法完全实现 AI 代办。
虽然我觉得设计师完全被取代不大可能，但我隐约看到一种趋势：距离直接画图越近的设计师，越容易被取代。而在项目中做设计项目管理，做概念策划的人，负责节点较多的人会比较难被取代。原因是流程多，组织团队复杂，需要人的介入就更多，越不容易被 AI 自动化。
所以，苦心钻研技术可能并不会有出路，关键还是策略的思考。如果你想依赖学习到的技术做为壁垒，当你苦心学习了很多年的各种技能，结果被给 AI 说的一句话就打败了，想想还是有点悲哀的吧。
欢迎关注作者的微信公众号：「彩云译设计」
