一次免费AI文字生图经历

我不属于追赶AI浪潮的人，确实心态不同于20岁时。个人聚焦比较单一，主要关注AI在二进制逆向工程方向的助力效果。像AI文字生图这种事儿，我是真没太多兴趣，也用不起。

关于AI，日常比较关注「宝玉」、「黄健楸」二位。啥东西都是术业有专攻，AI我是超级小白，又不欲被各种营销号带沟里去，关注几个在此领域靠谱、诚信之人，很重要。bluerust倒是靠谱、诚信，但他缺乏降维科普的心，你以AI小白身份问他一个问题，他能给你输出十倍的每个字你都认识但整到一起不明所以的回答，毕竟他智商和动手能力高我一个维度，我受不住这种打击。但前二位不一样，时不时会降维科普一下，注重小白实操性，这点对我很重要。

最近在宝玉的日常分享中看到两则消息。

(1) Gemini有几个模型可以总结YouTube视频

Gemini 2.0 FlashGemini 2.0 Flash Experimental

在aistudio中选中这两个模型之一，输入YouTube视频URL，提问

Summarize this video用中文概述此视频

可分别得到英、中两版概述。

(2) Gemini另有模型可以文字生图

Gemini 2.0 Flash Experimental

在aistudio中选中该模型，输出格式选"Images and text"，然后发Prompt让它画图。有个优势是，可对已输出的图片多次对话修正，不是一锤子买卖。

(3) image-fx

我没有作画的本事，用Gemini文字生图后，颇为失望。黄健楸说，免费文字生图工具推荐用Google家另一款工具

https://labs.google/fx/tools/image-fx

他建议向Gemini 2.0 Flash Thinking Experimental或其他模型提问，生成英文版提示词，再贴到image-fx中。

Seed可以锁定，以便生成风格类似的图片。可以选16:9。

不过，知易行难，我并没有得到自己想要的图。作为失败案例，展示一下效果。

向Gemini 2.0 Flash Thinking Experimental或DeepSeek提问生成英文版Prompt:

帮我写一段文字生图的英文版Imagen3 Prompt

画三匹落日下草原上奔弛的骏马。

关于落日下的草原，参照83版射雕英雄传剧照效果。

关于奔弛的骏马，参照草原上野马奔跑的风格，时速60到80km/h，四蹄腾空、四肢舒展，用技术参数具体描述一下骏马奔跑的姿态。

三匹马不要重叠，彼此之间拉开距离。需要远景，从透视原理上看，马不要离我太近，要在大草原的深处、远处。

不要有人出现在马背上或背景中。

超长焦镜头，16:9，远景中骏马从左向右水平奔弛。

整体画风是，广阔的草原，地平线上中间偏右的落日，疾风、追逐、肃穆、萧瑟感。

前两张图是Gemini生成的，第三张图是image-fx生成的。image-fx好像不能多次对话修正？

这些图都不是我想要的。我也不知该如何改进了，整个过程并不丝滑，挫败感强烈。还好，我只是过路的妖精，不是常驻的。

再说个不强相关但也相关的事，ZYP发过一段:

原来老夫说过，但凡可以提升工作效率的东西，最终都是不利于“牛马”的。目前爆火的 AI 也不能例外。同样都是面对DeepSeek，有的人三言两句可以问出结果来，而你可能花了一上午，还在奇怪为什么它根本不明白你在问什么。发现了吗？根源其实在你。作为一个独立个体，你有自己的输入输出系统，这两个系统的KPI分别叫做理解能力和表达能力。在你和AI系统沟通的过程中，你的表达能力和AI的理解能力给最终沟通成效奠定下了基调，也决定了天花板。敞开了想一想就会知道，你平时开个会，跟其他人是不是经常扯不清楚？其实一样的，换个AI，你跟它照样扯不清楚。

我作画失败的主要原因正是，我的表达能力与AI的理解能力不在一个段位上，我太low了。

文生图这个事，肯定有很多成熟的AI方案，上面说的是不限量免费方案，限量免费或付费方案就别来跟我杠了，对我没意义。

再推荐一下aistudio，里面的各种Gemini模型，整体上属于不限量免费方案。较真的话，会限频率，但对普通用户日常使用，相当慷慨。这与当下百舸争流、千帆竞发的局面有关。不知，当局面渐渐明朗时，还会不会有这么多慷慨之事。

马斯克的Grok3也不错，可以联网，我问它github上某个具体py，它回显代码并详细解释，没有幻觉，Grok3是aistudio的有效补充。再次强调，这里说的都是免费方案。

"Gemini 2.0 Flash Thinking Experimental" vs Grok3，不知如何？

早上在朋友圈看到TopGun的一段文字，也FYI一下吧。