谷歌出的Whisk还挺好玩，背后基于的是Gemini根据图片生成描述，然后再用Imagen 3生成图片，可以把主体、场景、风格整合到一张图片中。不具备保持角色一致的能力，只是能识别主体是什么。
使用地址：https://t.co/9SSVWlGzUQ