Google-ը ներկայացրել է Whisk անունով նոր գեներատիվ AI գործիքը, որն ուղղված է ստեղծագործական ոլորտի մասնագետներին ու նկարիչներին։ Whisk-ը հնարավորություն է տալիս օգտատերերին ստեղծել և ռեմիքսավորել պատկերներ՝ օգտագործելով վիզուալ մուտքային տվյալներ, այլ ոչ միայն տեքստային նկարագրություններ։ Օգտատերերը կարող են ներբեռնել պատկերներ, որոնք ներկայացնում են առարկաներ, տեսարաններ կամ ոճեր, իսկ գործիքը համադրում է այդ տարրերը՝ ստեղծելով եզակի վիզուալ լուծումներ։
Գործիքի հիմքում ընկած է Google-ի Gemini մոդելը, որն ապահովում է պատկերների տեքստային ենթագրերի գեներացումը, ինչպես նաև Imagen 3 պատկերների գեներացման մոդելը, որն արտադրում է վերջնական արդյունքները։
Whisk-ը շեշտը դնում է ստեղծագործական որոնումների և փորձարկումների վրա՝ առավել արագ գաղափարներ ստեղծելու համար։ Գործիքը նախատեսված չէ բարձր ճշգրտության խմբագրման համար․ այն հիմնականում առանձնացնում է մուտքային պատկերների հիմնական բնութագրերը։ Արդյունքում, վերջնական պատկերները կարող են միշտ էլ ճշգրիտ չհամապատասխանել օգտատերերի ակնկալիքներին։ Այս խնդիրը հաղթահարելու նպատակով օգտատերերին հնարավորություն է տրվում դիտել և խմբագրել ստեղծված տեքստային հրահանգները, որպեսզի դրանք ավելի համապատասխանեցնեն իրենց գաղափարներին։
Whisk-ը ներկայում հասանելի է միայն ԱՄՆ-ում և համարվում է Google Labs-ի փորձնական նախագծերից մեկը։ Նախագիծը նպատակ ունի օգտատերերի կարծիքի հիման վրա կատարելագործել գեներատիվ AI տեխնոլոգիաները։ Վաղ փորձարկողները Whisk-ը նկարագրել են որպես ստեղծագործական նոր գործիք, այլ ոչ թե սովորական պատկերների խմբագրիչ։
Այս գործիքի գործարկումը վկայում է Google-ի՝ գեներատիվ արհեստական բանականության կիրառումները զարգացնելու և նորարարական գործիքների միջոցով ստեղծագործական հարթակներ տրամադրելու հանձնառության մասին։ Gemini և Imagen 3 մոդելների ինտեգրման շնորհիվ Whisk-ը ստեղծում է նոր վիզուալ արտադրության մոտեցում, որը կարող է հետաքրքրել արվեստագետներին, դիզայներներին և ստեղծագործական ոլորտի այլ մասնագետներին: