前幾天，AI 創(chuàng)作者海辛在 X 上發(fā)了一個(gè)巨物寶可夢(mèng)的視頻，播放量 120W+，爆火了。

網(wǎng)上好多人模仿，也有很多人好奇這種視頻怎么做的。

我嘗試做了幾個(gè)視頻，實(shí)現(xiàn)思路：用 AI 出圖，再用 AI 以圖生視頻。關(guān)鍵是生成的圖片效果要好。

之前的 AI 生圖工具，想生成這樣效果的圖片，對(duì)提示詞要求很高，效果還不穩(wěn)定。

能快速模仿，正是用了 Whisk 生圖，再用可靈 AI 生成視頻。

我體驗(yàn)發(fā)現(xiàn)，Whisk 實(shí)在太好玩了，操作簡(jiǎn)單、效果好，連提示詞都可以不用寫，產(chǎn)品設(shè)計(jì)還特別值得學(xué)習(xí)，趕緊跟你們分享。

先看看 Whisk 怎么玩？

打開 Whisk 首頁(yè)，你只需上傳一張圖片，或拖拽頁(yè)面上的圖片到主題框里，不到 1 分鐘即可看到效果。

Whisk 提供 3 種默認(rèn)風(fēng)格：貼紙、琺瑯別針和毛絨玩具。

你看，提示詞都不用寫，直接出圖，效果不錯(cuò)吧？用頭像生成毛絨玩具，幾乎可以直接定制自己的公仔了。

這，只是 Whisk 的簡(jiǎn)化模式。

如果你想做一張更好玩的圖片，點(diǎn)擊在工具中打開或從頭開始進(jìn)入完整模式。

界面非常簡(jiǎn)潔，重點(diǎn)在左邊，可以分別上傳主題、場(chǎng)景和風(fēng)格 3 種圖片。

你可以只上傳 1 或 2 張圖，也可以在每個(gè)主題同時(shí)選多張圖片，非常靈活、可玩性很高。

比如，我讓小火龍給可達(dá)鴨燒烤鴨吃。

如果你不知道做啥，可以點(diǎn)擊擲骰子，Whisk 隨機(jī)出一些圖片，幫你找靈感。

我特別喜歡可達(dá)鴨和皮卡丘，先拿它們做巨物寶可夢(mèng)的視頻。

你看，只用 2 張圖 + 簡(jiǎn)單的提示詞，效果還行吧？

當(dāng)然，AI 生圖挺像開盲盒，不滿意就調(diào)整提示詞，多生成幾次，整體感覺(jué) Whisk 生成效果比別的 AI 生圖工具好，也快很多。

生成滿意的圖片，再用可靈 AI 根據(jù)這張圖，與提示詞描述，生成視頻。

最終成品，看下可達(dá)鴨跳舞如何：

再看看皮卡丘在干嘛：

正如 Whisk 的 slogan ：prompt Less，Play More（少寫提示詞，多玩），谷歌做到了。

那 Whisk 怎么實(shí)現(xiàn)的呢？

Whisk 為了讓我們少寫提示詞，用 Gemini 模型的多模態(tài)能力識(shí)別圖片，再用谷歌最新的圖片生成模型 Imagen 3 生圖。

我們上傳的圖片，會(huì)被自動(dòng)識(shí)別并生成詳細(xì)的描述，然后這些描述會(huì)給到 Imagen 3 出圖。

也就是說(shuō)，Whisk 并不是直接拿我們上傳的圖去融合，而是先轉(zhuǎn)為文本描述提示詞。

比如，我上傳了一張金字塔的場(chǎng)景，出來(lái)的提示詞老長(zhǎng)了。不得不佩服 Gemini 的多模態(tài)識(shí)別能力。

更有意思的是，Whisk 不是精確地復(fù)制圖片，而是抓住圖片的特點(diǎn)，提取關(guān)鍵特征。

這樣生成的圖片，既能限度保留圖片原有特點(diǎn)，又能發(fā)散出更多的創(chuàng)意。

生圖環(huán)節(jié)，Whisk 結(jié)合「圖片轉(zhuǎn)成的描述提示詞」 + 「用戶寫的提示詞」，產(chǎn)生一個(gè)新的提示詞，來(lái)生成最終效果圖。

點(diǎn)擊每張生成的圖片，可以看到提示詞，也可以自行修改。

這個(gè)轉(zhuǎn)換的過(guò)程，用戶完全無(wú)感知。對(duì)用戶來(lái)說(shuō)，只需要做 2 步或 3 步操作，但 Whisk 在背后做了大量的處理工作。

我畫個(gè)簡(jiǎn)單流程對(duì)比，給你感受下。

Whisk 給產(chǎn)品經(jīng)理有什么啟示？

第一，產(chǎn)品要解決用戶核心問(wèn)題。

Whisk 憑借谷歌自家 Gemini 和 Imagen 3 模型的硬實(shí)力，生成圖片效果驚艷，能幫用戶生成高質(zhì)量、有創(chuàng)意、好玩的圖片，形成核心優(yōu)勢(shì)。

第二，Whisk 沒(méi)有走 AI 生圖工具的老路，讓用戶寫復(fù)雜的提示詞，而是讓用戶以上傳圖片為主，去表達(dá)想要圖片的效果。

要知道，寫好提示詞，對(duì)大多數(shù)人來(lái)說(shuō)太難了。反過(guò)來(lái)，讓用戶去找圖片卻容易得多。

我們想做某種圖片，往往是看過(guò)某些喜歡的圖片風(fēng)格，希望模仿并改成自己的。

這說(shuō)明 Whisk 把握用戶實(shí)際的使用場(chǎng)景和痛點(diǎn)非常準(zhǔn)。

第三，Whisk 設(shè)計(jì)一個(gè)簡(jiǎn)化模式，讓用戶先快速上手，感受生圖效果，而不是直接讓用戶進(jìn)入完整模式。

用戶體驗(yàn)到產(chǎn)品操作簡(jiǎn)單、效果好，才會(huì)繼續(xù)用。這種方式，降低用戶的使用門檻，體驗(yàn)非常好。

做產(chǎn)品，把功能全塞給用戶，是滿足自己；只給用戶所需的功能，才是有用戶思維。

看完覺(jué)得寫得好的，不防打賞一元，以支持藍(lán)海情報(bào)網(wǎng)揭秘更多好的項(xiàng)目。

標(biāo)簽： 標(biāo)簽 內(nèi)容 隨筆