A Google Labs lançou uma nova experiência de inteligência artificial generativa, a que chamou Whisk. Trata-se de um modelo que troca as habituais prompts de texto por imagens arrastadas para criar cenários com o estilo gráfico que desejar. Basicamente, só têm de selecionar as imagens, arrastá-las para a composição e deixar a IA gerar o resultado final.

Para que o Whisk comece a gerar o resultado, só é preciso introduzir uma imagem para o sujeito, uma para a cena e outra para o estilo artístico. Depois é pedir ao modelo para misturar e criar algo totalmente novo. O objetivo é facilitar e ajudar quem tem maiores dificuldades em descrever as cenas que pretendem, recorrendo dessa forma a imagens. Pode ver os exemplos partilhados pela Google daquilo que é possível fazer.

Veja na galeria imagens do modelo:

Por trás do modelo está o Gemini, que automaticamente identifica as imagens e gera as respetivas prompts de texto com detalhe. Essas descrições alimentam o seu mais recente modelo Imagen 3, para gerar as imagens. A Google explica que o processo capta a essência do sujeito e não uma réplica exata. Dessa forma, pode facilmente remisturar todos os sujeitos, cenas e estilos em algo novo.

Considerando que o Whisk extrai apenas algumas características-chave das imagens introduzidas pelo utilizador, o resultado pode não ser o esperado. Por isso, o modelo permite que sejam alteradas a imagem, editando as prompts geradas pelo sistema.

Veja o vídeo explicativo:

A Google afirma que este modelo foi construído como uma ferramenta criativa, para ajudar a explorar rapidamente ideias e não um editor de imagens tradicional. “É para explorar ideias em formas novas e criativas, permitindo trabalhar em dezenas de opções e fazer download daquelas que gosta”, aponta no seu blog.

Para já, apenas os utilizadores dos Estados Unidos podem começar a experimentar este novo modelo.