Google presenta Whisk, una nuova tecnologia di intelligenza artificiale che affronta uno dei principali ostacoli nella generazione di immagini: la necessità di scrivere prompt testuali perfetti. A differenza dei sistemi attuali, infatti, Whisk permette agli utenti di generare immagini caricando riferimenti visuali invece di descrizioni elaborate.
Il funzionamento è innovativo: l’utente carica tre immagini – una per il soggetto, una per la scena e una per lo stile. Il sistema, successivamente, basato su Imagen 3, analizza questi elementi e crea una nuova composizione combinandoli naturalmente. Gli utenti possono poi modificare l’immagine con comandi semplici come “togli i fiori” o “cambia lo sfondo”, mantenendo l’identità degli elementi originali.
Alla fine di questo processo, tutte le creazioni vengono salvate in una libreria personale, consentendo di riprendere esperimenti precedenti e generare infinite variazioni. In base ai primi utilizzi, è emerso come Whisk, rispetto a strumenti simili come Apple PlayGround, si distingua per un’interfaccia più intuitiva, avvicinandosi a fornire una soluzione concreta al problema iniziale.
Sebbene non ancora disponibile in Italia, Whisk rappresenta il tentativo di Google di recuperare terreno nel campo dell’intelligenza artificiale, dove aziende come Midjourney hanno già stabilito standard elevati per quanto concerne la generazione delle immagini. Pertanto, l’obiettivo non è tanto competere con questi strumenti esistenti, quest’innovazione si offre come un’alternativa più accessibile a un pubblico più ampio.
Leggi l’articolo Whisk, l’AI generativa di Google che usa immagini invece di prompt testuali su Il Corriere della Sera.
Immagine generata tramite DALL-E.
