Manapság egy szava nem lehet annak, aki szeretne beszerezni kiváló minőségű képszerkesztő szoftvert: egyszeri, jó árú befektetésként ott a professzionális Affinity Photo vagy Affinity Designer, esetleg a Pixelmator Pro, ha mélyebben is a zsebünkbe tudunk nyúlni, akkor ott az Adobe Photoshop és az Adobe Illustrator, ingyen pedig kiváló választás lehet a GIMP és a Krita. S ez a felsorolás csak apró töredéke a kínálatnak, amelybe akkor még bele sem vettük a Canva, Microsoft Designer vagy Adobe Express webes alkalmazásokat és azok hasonmásait. De mi van akkor, ha valaki egyáltalán nem szeretne elmerülni a képszerkesztő szoftverek eszköztárának használatában, viszont szüksége lenne rá olykor, hogy mondjuk egy fotón lecseréljen részleteket, vagy két fotóból egy új montázst alkosson. Esetleg szeretné berendezni virtuálisan egy újonnan megvásárolt lakás lefotózott szobáit. Nos, az a helyzet, hogy ma már ehhez nem kell elmerülni a Photoshop és társainak megismerésében. Ha valaha eldiskuráltunk valamelyik AI csevegővel, s pláne generáltattunk már valamelyikkel képeket szöveges leírás alapján, akkor hasonló módon elvégezhetjük a fent említett feladatokat is. Megmutatjuk, miként megy a képszerkesztés szöveges utasításokkal a Geminiben, amelyről előre ki merjük jelenteni, hogy ennél már tényleg nem lehet egyszerűbb a dolog.
Képszerkesztés szöveges utasításokkal a Geminiben
A Google Gemini az utóbbi időben meglehetősen rohamos tempóban fejlődik, a cég egyre több praktikus funkciót épít be, s ezek jó részét akár ingyen is elérhetővé teszi, legfeljebb mennyiségi korlátozásokkal ösztönözve a felhasználókat a Gemini Pro előfizetésre.
Ilyen például a képszerkesztési funkció is. A képek generálásának lehetősége ugyebár már nem újdonság a Geminiben, eddig is volt rá lehetőség, hogy erre utasítjuk a generatív mesterséges intelligenciát csevegés közben. Mostantól viszont bárki használhatja a képszerkesztési funkciót is, hasonló egyszerűséggel.
Ez annyit tesz, hogy Gemini felületén a Kép gombra kattintva nem csak vadonatúj képet generáltathatunk a Google modelljével, hanem meglévő képeket is átalakíthatunk. Feltölthetünk például egy portrét, s megkérhetjük a Geminit, hogy színezze át rajta a fotóalany hajszínét. Sőt, akár teljesen új frizurát is kérhetünk. Átszínezhetünk bármit, lecserélhetjük a képen a hátteret másik helyszínre, kérhetjük, hogy a feltöltött fotóból készüljön rajzolt kép, karikatúra stb. Szinte bármit megtehetünk vele, anélkül, hogy ecsetekkel, radírokkal, rétegekkel szenvednénk. A lényeg, hogy amennyire lehet, pontosan írjuk körbe, mit akarunk átalakítani és milyenné. Esetleg mi az, amit még elhelyeznénk pluszban a képen, vagy épp törölnénk róla. Szeretnénk mi is űrhajósok lenni? Semmi probléma, csak töltsük fel a portrénkat, majd kérjük meg a Geminit, hogy varázsoljon belőlünk asztronautát. Vagy szakácsot, hajóskapitányt, netán szamurájt. Tényleg csak a képzeletünk szab határt a dolognak.
De a dolog nem áll meg itt. Ha több képet töltünk fel, készíthetünk belőlük montázst, vagy épp egy feltöltött mintát textúraként használhatunk ruhadarabokon a szintén általunk feltöltött képen. Nem tudjuk, hogyan állna nekünk egy napszemüveg vagy egy adott ruhadarab? Nem gond, csak feltöltünk magukról egy fotót, plusz a szemüveg vagy az öltözék képét, s megkérjük a Geminit, öltöztessen át minket a képen.
S mivel pár napja tömött sorokban várakoznak sokan az első-lakásos hitelre, csak csendben megjegyezzük, hogy a megvásárolt lakást be is kell majd rendezni, amiben szintén segíthet a Gemini, igaz, csak virtuálisan: töltsük fel a szobákról, helyiségekről készült fotókat, majd írjük le, mit szeretnénk látni az adott szobában (a tervezett stílusú bútordarabokat, kiegészítőket), vagy épp milyen színű falra gondoltunk. A generatív mesterséges intelligencia pedig szorgalmasan elkészíti nekünk a látványtervet.
A háttérben: Nano Banana
A fentiek hátterében szorgoskodó, Nano Banana kódnevű megoldás a Gemini 2.5 Flash Image modellt takarja, amely a Google új fejlesztése és a képek létrehozása mellett a számos egyéb képességgel is rendelkezik. Többek között a képek szerkesztésének lehetőségével.
A Gemini 2.5 Flash Image ingyen és előfizetéssel egyaránt elérhető akár a Gemini alkalmazásban, akár a Google AI Studio felületén. Utóbbi esetben pedig természetesen a fejlesztők is kihasználhatják a tudását, API hívásokkal is.
Az egyetlen negatívumaként azt tudjuk felhozni, hogy jelenleg minden létrehozott vagy szerkesztett képet egy látható és egy láthatatlan SynthID digitális vízjellel lát el, amiből az előbbi sokak számára zavaró lehet (előfizetés birtokában pedig kifejezetten bosszantó, szóval lehet, hogy egy idő után lemond majd erről a Google). Ez a vízjel jelzi, hogy a képeket mesterséges intelligencia segítségével hozták létre, ami amúgy rendkívül hasznos dolog, de jó lenne, ha legalább az előfizetők esetében beérné a cég a rejtett vízjel használatával. Mondjuk utólag eltávolítani nem nagy kunszt, erre ma már szinte minden képszerkesztő alkalmazás kínál eszközt.
