A Google legújabb mesterséges intelligencia fejlesztése, a Whisk egy képalapú generátor, aminek célja, hogy kreatív eszközként hozzon létre vizuális ötleteket, amik alapján elindulhat az alkotás folyamata.

Az alapfelület egyszerű: a felhasználó három előre definiált stílus közül választhat, de egy haladóbb szerkesztői mód is elérhető, amelyben a felhasználók szöveges leírást vagy képet is használhatnak különféle kategóriákban.

A Whisk működése a Gemini nyelvi modellre épül, amely egy részletes leírást készít a feltöltött képről. Ezután a leírást az Imagen 3 képalkotó rendszer dolgozza fel, így a végeredmény egy olyan kép, amely Gemini szöveges interpretációjára épül, nem magára a forrásképre.

Jelenleg a Whisk kizárólag az Egyesült Államokban érhető el, és a Google Labs oldalán próbálható ki. Bár az eszköz korlátai nyilvánvalók, a Google ebben az esetben nem a kész tartalom előállítására, hanem a vizuális ötletelés és kreatív felfedezés támogatására helyezi a hangsúlyt.

Ez ígéretes eszközzé teheti mind a művészek, mind a tervezők számára, akik gyors koncepciókat szeretnének létrehozni – számolt be róla az Engadget.