Gemini 的個人化 AI 影像生成功能現已對符合資格的美國用戶免費開放 — 擴大存取與功能
目錄
你可能想知道
• Gemini 如何在不要求使用者明確描述偏好的情況下，產生個人化影像？
• 使用者對 Gemini 用於建立那些個人化影像的資料有什麼控制權？
主要議題
Google 宣布，透過 Nano Banana 模型驅動的 Gemini 應用程式個人化影像生成功能，現在對所有符合資格的美國用戶免費開放。這項先前僅限於 Plus、Pro 與 Ultra 等付費方案訂閱者的個人化影像功能，現已開放給更多使用者，讓他們能在不必在提示中詳述每個細節的情況下，建立反映其品味與偏好的影像。
這種個人化是由 Gemini 的「個人智慧」功能實現，該功能會彙總來自使用者 Google 帳戶連線的訊號。這些來源可能包括 Gmail、Google 相簿、YouTube 與搜尋，幫助 Gemini 建立對使用者喜好的情境性理解。此理解使像「幫我和我喜歡的東西畫張插畫」這類請求，能產生包含 Gemini 從使用者活動與儲存內容推斷出元素的影像。
值得注意的是，Gemini 也能在取得使用者許可的情況下存取儲存在 Google 相簿中的實際照片，這表示使用者不必手動上傳自己的照片，模型即可生成包含其肖像的視覺內容。這簡化了製作個人化影像的流程，並利用現有帳戶資料來產出更連貫、相關的結果。
個人智慧為選擇性啟用功能。使用者明確選擇 Gemini 可存取的應用程式與資料來源。啟用後，該功能會成為提示的預設輸入情境，但使用者仍保有在單一提示或全域層級關閉它的能力。Google 在工具選單中新增了一個切換，可讓使用者在不希望助理使用其帳戶衍生情境時停用個人智慧。
今年早些時候，Google 更廣泛推出了個人智慧，並在三月對美國用戶普遍開放。公司一直在逐步擴大該功能的地理可用性，最近新增對印度與日本用戶的支援。這種分階段推出反映了 Google 在監測各地區的效能、使用者控制與隱私考量下，擴展個人化 AI 能力的做法。
除了影像生成功能更新外，Google 還概述了對 Gemini 應用程式的其他增強項目。計畫更新包括新的「每日簡報」功能，旨在為使用者彙整相關資訊；改良的使用者介面以提升導覽與可及性；提供 AI 視頻模型 Gemini Omni 以獲得更豐富的多媒體體驗；以及名為 Gemini Spark 的個人 AI 代理。這些新增項目顯示出一項更廣泛的策略，旨在深化 Gemini 的功能並提供更具整合性的個人 AI 體驗。
這個關鍵見解對理解個人化 AI 有重大影響： 透過讓由 Nano Banana 驅動的影像生成功能對符合資格的美國用戶免費開放，並將其與選擇性啟用的個人智慧連結，Google 同時簡化了個人化創作工作流程，並強調使用者對構成這些輸出的資料所擁有的控制權。
從使用者角度來看，這項更動降低了建立自訂影像的障礙，並展示了帳戶連結情境如何取代在提示中冗長明確的描述。例如，使用者不必列舉特定的嗜好、興趣或視覺偏好，就能依賴 Gemini 的情境模型來生成與觀察到的偏好一致的插畫，從而節省時間並產出更量身訂做的結果。
同時，此功能也帶來關於隱私、同意與透明度的實務考量。由於個人化依賴像 Google 相簿與搜尋等服務的資料，使用者應該了解哪些連線已啟用以及 Gemini 可以存取哪些內容。Google 的選擇性啟用模式與提供停用個人智慧的切換是重要的保障措施，但這也使使用者有責任檢視並配置設定，以符合其對資料分享的接受程度。
從技術面來看，這次推出凸顯了帳戶層級訊號與生成式模型之間的緊密整合，如何在減少使用者撰寫詳盡提示負擔的同時，產生更相關的結果。它也說明了消費者 AI 的一項趨勢：將多模態資料（文字、影像、活動訊號）與像 Nano Banana 這類專用模型結合，以打造具有個人策展感的體驗。
最後，這項擴展強調了 Google 在 AI 領域的更大雄心。今年早些時候 Gemini 已達到數億月活躍用戶，擴大像個人化影像生成功能這類專用功能的存取，加強了 Gemini 在競爭激烈的 AI 市場中的地位，並顯示公司專注於建構既有用且可在不同用戶等級間擴展的功能。
關鍵見解表
| 面向 | 描述 |
|---|---|
| 關鍵事實 1 | Gemini 由 Nano Banana 驅動的個人化影像生成功能，現在對符合資格的美國用戶免費，先前僅限付費訂閱者。 |
| 關鍵事實 2 | 個人化使用來自 Google 帳戶連線的資料（Gmail、相簿、YouTube、搜尋），採取選擇性啟用，並提供停用切換。 |
後續⋯⋯
展望未來，有數個技術與研究領域值得探索，以負責任地推進個人化生成式 AI。持續在隱私保護技術方面的工作——例如裝置端處理、聯邦學習與差分隱私——可在維持個人化效益的同時，降低對集中式資料的依賴。更好的透明工具，包括清楚的來源、說明哪些資料影響輸出以及健全的同意流程，將有助於使用者在分享帳戶衍生情境前做出明智選擇。
跨平台的互通性與標準化控制也將有利於依賴多項服務的使用者。對多模態模型中偏見緩解與表徵公平性的研究，對確保個人化輸出不放大刻板印象或產生誤導性描繪至關重要。最後，探索為即時低延遲個人化設計的輕量多模態模型，能在降低計算成本與環境影響的同時，擴大存取範圍。
透過專注於隱私、透明度、公平性與效率，生態系可以建立既強大又符合使用者期望與社會價值的個人化 AI 功能。