谷歌近期在Gemini安卓應用的測試版本中，推出了一項針對生成式圖像編輯的突破性功能升級。此次更新聚焦于解決AI圖像二次創作中的兩大難題：指令傳達模糊與操作流程割裂，通過深度整合標記界面與實時文本輸入框，顯著提升了用戶對生成內容（如示例中的“Nano Banana”圖像）的局部調整能力。
新版本的核心創新在于交互模式的徹底重構。過去，用戶需先在圖像上簡單涂鴉標記修改區域，再退出編輯界面通過對話形式向AI傳達指令，流程繁瑣且精度有限。如今，用戶只需點擊“鉛筆”圖標，即可直接在圖像特定位置進行高精度標記，同時在下方新增的文本框中輸入修改需求，實現“視覺定位+自然語言”的雙通道指令輸入。這種設計使模型對局部修改意圖的理解準確率大幅提升，例如將“讓香蕉彎曲度增加30%”或“調整背景色為暖色調”等復雜需求轉化為可執行的參數。
技術層面，谷歌通過優化多模態感知算法，使標記工具與文本描述形成動態關聯。當用戶在圖像上標記區域時，系統會自動分析該區域的色彩、形狀等特征，并在文本框中生成建議性描述模板，降低用戶輸入門檻。測試版還預留了“調整大小”和“特效應用”等擴展功能接口，暗示未來可能集成裁剪、濾鏡、光影調整等全流程編輯能力，推動Gemini從單一文生圖工具向綜合性數字創作平臺進化。
行業分析師指出，這一升級反映了生成式AI領域的競爭焦點正從“內容生成”轉向“精準控制”。谷歌選擇在移動端原生應用中嵌入專業級標記工具，旨在搶占移動AI創作市場的制高點。通過降低精細化編輯的技術門檻，普通用戶無需掌握專業軟件即可實現接近設計師水平的圖像調整，而專業創作者則能借助AI加速創意落地。
目前，該功能仍處于內部測試階段，尚未對公眾開放。但從代碼分析來看，其“即標即改”的實時反饋機制已具備商業化潛力。例如，用戶標記圖像中的人物面部后，輸入“消除皺紋并提亮膚色”，系統可在3秒內生成符合描述的修改版本。這種效率若能延續至正式版本，將極大縮短AI繪畫從概念到成品的周期，推動其從娛樂應用向商業設計、內容生產等場景滲透。
