KeyFrame內部研究專用

Grok's Image Generation is Scary Good! 15 Case Studies of the New "Imagine 2.0": How Grok Outpace...

欸那個AJ17 min中文
觀看原始影片

三句話摘要

Grok 推出 Imagine Image 2.0,以區段編輯、中文精準生成與代理模式解決 AI 圖片生成的實際痛點。 Grok Imagine Image 2.0 透過區段編輯、繁體中文精準度與代理自動化,將專業級 AI 圖片生成民主化為人人可用的工具,特別適合電商、房仲、內容創作者與行銷人員快速產出高品質視覺素材,成本效益革命級提升。 區段編輯革新了修改流程——使用者滑鼠懸停時系統自動偵測圖片中的物體(腳踏車、建築、背景),點選後用自然語言直接修改(如「紅色重型機車」),精準度遠高於過往需要複雜提示詞的方式。

重點整理

  1. 區段編輯革新了修改流程——使用者滑鼠懸停時系統自動偵測圖片中的物體(腳踏車、建築、背景),點選後用自然語言直接修改(如「紅色重型機車」),精準度遠高於過往需要複雜提示詞的方式。

  2. 繁體中文字體品質大幅提升,四格漫畫、菜單、海報等中文內容生成不再出現亂碼,字體有質感且排版工整,適合社群行銷與商業應用。

  3. 人物一致性與比例靈活性強——上傳人物照片後,系統可維持臉部、衣著、姿勢的一致性進行多場景生成;支持 Outpainting 動態調整長寬比(16:9、1:1、9:16、3:2 等),適合電商模特照、社群貼文、表情包等不同平台需求。

  4. 代理模式利用 AI 機器人自動分析使用者意圖,將複雜需求轉譯為精準指令進行批次生成——製作簡報系列圖、Single Page 網頁排版、複雜商品海報時,只需提供內容大綱,系統自動化執行。

實用技巧與重點

  • 模型與入口
  • 模型:Imagine Image 2.0(XAI/Grok)
  • 網址:grok.com
  • 登入方式:Google 帳號
  • 模型版本:Quality 2.0(最新)
  • 付費等級:Super Grok
  • 核心功能
  • 區段編輯(Segment):滑鼠選物體,自然語言修改
  • 精準筆刷模式:塗抹區域修改內容
  • 搜尋參考(Search Grounding):生圖前搜尋網站內容作參考
  • 代理模式(Agent Mode):自動化批次生成
  • Quick Animate:快速生成影片
  • Spicy Mode:18+ 內容模式
  • Outpainting:擴展圖片尺寸
  • 支持長寬比
  • 16:9(簡報、寬螢幕)
  • 1:1(社群正方形)
  • 9:16(手機直式)
  • 3:2(其他動態調整)
  • 應用場景與提示詞類型
  • 電商:產品包裝圖、模特穿搭、商品海報
  • 房仲:平面圖轉實景多角度照片
  • 內容創作:四格漫畫、表情包(9x9 搞笑風格)、LINE 貼圖
  • 行銷:社群話題海報、模擬截圖(PTT/Thread/Instagram 對話)、懶人包圖卡
  • 餐飲:日本深夜食堂風格菜單(繁體中文字體)
  • 簡報:Storyboard 系列圖、Single Page 網頁排版風格

結論

Grok Imagine Image 2.0 透過區段編輯、繁體中文精準度與代理自動化,將專業級 AI 圖片生成民主化為人人可用的工具,特別適合電商、房仲、內容創作者與行銷人員快速產出高品質視覺素材,成本效益革命級提升。

完整解析

Grok 在 8 月悄然推出 Imagine Image 2.0,針對過往 AI 圖片生成的兩大痛點提供了革命性解決方案。首先是每次微調圖片就導致整體風格改變的問題——許多使用者曾在其他平台經歷過改一個細節結果全圖重繪的挫折。其次是中文生成亂碼問題,這對台灣與華語系創作者造成實際困擾。新模型在這兩方面都獲得顯著改善。

新模型最核心的創新是區段編輯功能。這個功能運作方式相當直觀:使用者將滑鼠移到圖片上時,系統會自動偵測並邊框標示出各個元素——腳踏車、街道名稱、路邊物品等。選中任何物體後,使用者只需用自然語言說明想要的變更,比如「把腳踏車換成紅色重型機車」,系統就會精準地替換該物體,其他區域毫髮無損。這比傳統方式簡單得多——過去必須撰寫超級複雜的提示詞,或者使用精密的控制工具才能做到類似效果。此外還有筆刷模式,讓使用者可以塗抹指定區域來修改內容,例如將圖片中的某區域全部換成泡麵。

Grok 同時徹底解決了中文生成的品質問題。影片中展示的四格繁體中文漫畫、日本深夜食堂風格的中文菜單、社群貼文圖卡,字體精準度都遠超過往平台。這使得創作者可以輕鬆製作需要繁體中文排版的各類內容。搜尋參考(Search Grounding)功能增強了應用的真實性——系統在生圖前會搜尋網站內容,確保生成的視覺內容基於實際資料而非純幻覺,適合行銷人員製作基於官網文章的圖卡時使用。

針對複雜場景,代理模式展現了自動化的威力。簡單來說,代理模式內建了一個 AI 機器人,它會分析使用者的具體需求,自動將其轉譯為更精準、更詳細的執行指令。舉例來說,若要製作簡報風格的四頁系列圖片,使用者不必手動逐張調整,只需提供內容大綱,系統會自動為每一頁生成相應的視覺設計、維持風格一致性。類似應用還包括生成 Single Page 網站排版(可向下滑動的連續圖片)、複雜商品海報等批次內容。

實際應用面相當廣泛。電商業者可上傳產品照,系統自動合成宣傳圖卡;房仲業者可輸入房間平面圖,快速生成多角度實景照片供客戶參考;內容創作者可製作虛擬論壇截圖(如 PTT、Thread、Instagram 的模擬對話),用於社群話題行銷;餐飲業者可自動生成菜單;行銷人員可利用上傳的真人照片生成多場景穿搭拆解圖或表情包。系統還支持 Outpainting,可將原有圖片擴展至不同比例——例如將方形圖片擴展為 9:16 的手機直式版本,無需另行生成。人物一致性的維持也相當出色,即便要求改變角度、增加背景、變更衣著,系統仍能保持臉部、身形的連貫性。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。