Whisk

Google Whisk 是 Google Labs 于 2024 年 12 月 16 日推出的一款基于浏览器的图像混合工具。大多数 AI 图像生成器都需要详细的文本提示词，而 Whisk 采取了不同的方法：用户最多可拖入三张分别代表主体、场景和风格的参考图像，系统便会生成一张融合这三者的原创图像。其处理流程使用 Google 的 Gemini 模型为每张上传的图像自动生成描述，将这些描述输入到 Imagen（已于 2025 年 5 月升级至 Imagen 4）中，并在几秒钟内输出结果。完全无需编写提示词，不过用户可以随时查看和编辑底层自动生成的提示词。

Whisk 的核心功能包括三槽位（主体/场景/风格）输入系统、2025 年新增的 Precise Mode（精确模式，可在多次生成中更好地保留面部特征和主体身份）、Whisk Animate（利用 Veo 2 将静态输出图像制作成 8 秒的视频片段），以及在单次会话中最多支持八张参考图像。它完全在浏览器中运行，只需一个 Google 账号即可使用，且在其生命周期内一直免费。在撰写本文时，Whisk 计划于 2026 年 4 月 30 日关闭，其核心混合功能将迁移至 Google Flow。

Whisk 在 2026 年 4 月的生成能力

在最后几周里，Whisk 使用 Imagen 4 后端生成分辨率高达 2K 的静态图像。其核心输出是一张捕捉了三个参考输入视觉“本质”的混合图像：该模型并不追求像素级的精确复制，而是进行创造性的合成。您可以在生成前调整宽高比，而开启 Precise Mode 则会指示系统赋予身份保留更高的权重，从而减少早期 Whisk 结果中那种不可预测的变异性。

Whisk Animate 功能可通过 Veo 2 将任何 Whisk 生成的静态图像转换为 8 秒的视频片段。免费账号每月可获得 10 个动画积分。除了基础的混合功能外，用户还可以直接完善底层由 Gemini 生成的提示词，从而有效地将图像驱动的输入与文本提示词控制结合起来。系统在单次生成中最多接受八张主体图像（一个场景，一种风格），允许通过多张参考照片进行复杂的角色融合。

Google Labs 于 2025 年在 X 上宣布了 Precise Mode 更新，这是对该工具最常见投诉的直接回应：“这项新功能让您在创作中能更好地控制面部特征、场景和风格的保留，”帖子中写道。Precise Mode 中的优化会通过 Gemini 2.5 Flash 进行最终的润色处理。

Whisk 与 Midjourney 和 FLUX Kontext 的定位对比

作为最广泛使用的付费图像生成平台，Midjourney 通过在 Discord 文本提示词后附加 --sref（风格参考）和 --cref（角色参考）URL 参数来处理风格和角色参考。--sw 参数在 0-1000 的范围内控制风格权重，用户还可以通过分配相对权重来混合多张参考图像（--sref urlA::2 urlB::3）。这赋予了 Midjourney 细粒度、可组合的风格控制能力，这是 Whisk 二元化的 Creative/Precise 模式切换所无法比拟的。机制上的权衡在于，Midjourney 要求用户熟练掌握 Discord 命令语法，且每月订阅费从 $10 起步；而 Whisk 只需要一个 Google 账号和拖拽操作。此外，Midjourney 生成的输出旨在作为最终资产；而 Whisk 则明确表示它是为构思而非生产而构建的。

Black Forest Labs 的 FLUX.1 Kontext 则完全基于不同的前提运行。其 12B 参数的生成流匹配架构接受一张参考图像加上文本指令，并执行上下文编辑：在保留其余部分的同时更改特定区域、应用风格迁移、在迭代编辑中保持角色身份而不降低质量。Whisk 是将三张独立的参考图像从头混合成一个新的输出，而 FLUX Kontext 则是根据指令修改现有图像。FLUX Kontext [dev] 采用 Apache 2.0 许可并支持自托管；Whisk 则是一个封闭的 Google 云服务。FLUX Kontext 适合迭代优化工作流；而 Whisk 适合在尚无图像时进行快速的初稿探索。

“我们构建它是为了快速的视觉探索，而不是像素级的完美编辑。”—— Google Labs，官方公告，2024 年 12 月

这种设计意图是关键的差异化因素。无论是 Midjourney 还是 FLUX Kontext 都没有被定位为“草图”工具。而 Whisk 则是，并且是有意识、明确地这样定位的。

运行 Whisk 的真实成本

Whisk 在其 Labs 生命周期内一直免费。唯一的条件是拥有一个 Google 账号。免费层用户每天有一定的生成额度（具体上限未公开），每月有 10 个 Whisk Animate 积分。Google One AI Premium 订阅者（约 $19.99/月）可获得更大的每月 AI 积分池，这些积分在 Gemini Advanced、Whisk、Veo 和其他 Google AI 服务之间共享。由于 Whisk 和 Flow 共享相同的积分后端，在 4 月 30 日 Whisk 关闭时持有的任何积分都将自动转移到 Flow，无需用户进行任何操作。

它没有 API 访问权限，也没有独立的移动应用程序。该工具完全在浏览器中运行。对于只需要偶尔生成概念图的用户来说，免费层已经非常够用了。但重度用户，特别是那些依赖 Whisk Animate 或每天为客户工作生成数十张图像的用户，报告称会在没有明确警告的情况下触及每日限制。

Whisk 的常见局限性

在所有评论中，最一致的抱怨是身份漂移。Whisk 的模型针对的是主体的“本质”而不是精确的复制品，这意味着生成的角色在身高、体重、发型或肤色上可能与参考图像有所不同。2025 年的 Precise Mode 更新减少了这个问题，但并未彻底消除。对于任何需要在多次生成中保持严格角色一致性的工作流，即使在 Precise Mode 推出之后，Whisk 仍然是一个不可靠的选择。

地域限制一直是一个持续存在的结构性缺陷。尽管在 2025 年 2 月扩展到了 100 多个国家/地区，但 Whisk 从未在欧盟、英国、印度或印度尼西亚提供服务。与 GDPR 和《欧盟 AI 法案》相关的监管延迟，使得一些最大的创意市场在该工具的整个生命周期内都被拒之门外。这些地区的用户不得不使用 VPN 来访问这款免费的 Google 产品，这一摩擦点在整个 2025 年的论坛中引发了持续的不满。

“当参考图像过于复杂或相互矛盾时，Whisk 可能会显得力不从心，要么过度强调某一个来源，要么将它们平均化成一种感觉很平庸的东西。”—— story321.com，Whisk AI 评测，2025 年

其他失败模式：具有多个相互竞争的视觉元素的复杂输入，往往会产生感觉像是平均合成的输出，而不是创造性的融合。单一场景/风格槽位限制（每次生成只能有一张场景图和一张风格图）阻碍了 Midjourney 的多 URL --sref 标志所能处理的那种多参考风格混合。该工具明确的“实验性”状态在其关闭前 16 个月的生命周期中得到了印证，这使得任何对基于 Whisk 的工作流的投入都成为一种经过计算的风险，而这种风险现在已经成为现实。

Whisk 适合谁，谁又该选择其他工具

Whisk 在那些抗拒编写提示词的视觉思考者中找到了最明确的受众。构建情绪板的概念艺术家、制作商品样式模型的产品设计师（珐琅别针、贴纸、数字毛绒玩具是发布时的常见用例），以及在不进行完整拍摄的情况下探索缩略图方向的社交媒体创作者，都从这种视觉优先的界面中受益。对于速度比精度更重要的早期构思阶段，Whisk 每张图像只需几秒钟的生成速度以及零提示词负担确实非常实用。

如果您需要最终的生产资产、品牌一致的角色输出、从欧盟或英国访问，或任何形式的 API 集成，请跳过 Whisk。由于 Whisk 将于 2026 年 4 月 30 日关闭，新用户应直接使用继承了核心混合功能的 Google Flow。对于需要 Whisk 风格构思且希望工具生命周期更长的用户，Adobe Firefly 的参考图像功能或带有 --sref 和 --cref 的 Midjourney 在生产级平台内提供了类似的视觉参考。当您希望通过精确的文本指令修改和完善现有图像，而不是将三个独立的参考混合成新内容时，FLUX Kontext 才是正确的选择。