谷歌Gemini安卓测试版升级 推出双模态AI图像局部编辑功能

2026年3月，谷歌推送Gemini安卓应用17.10.54.sa.arm64测试版，新增深度集成的标记界面与实时文本描述框，推出“视觉定位+自然语言”双模态AI图像编辑功能，解决此前AI图像二次创作中指令传递不准、操作链路断裂的痛点，局部修改指令理解精度大幅提升，后续还将上线尺寸调整、特效等相关功能。

3月18日，参与Gemini安卓应用17.10.54.sa.arm64测试版灰度测试的用户率先发现了这次功能更新：点击图像编辑栏新增的铅笔图标后，即可直接在生成图片的任意区域框选、涂鸦标记，同时底部弹出的文本框可同步输入修改需求，全程无需退出编辑界面跳转对话。

此前AI生成图像的局部修改一直是行业公认的体验短板：用户仅靠自然语言描述修改位置，很容易出现模型识别偏差，而部分平台提供的涂鸦标记功能，也需要用户退出编辑界面后再单独发送指令，操作链路断裂的问题十分突出。

此次Gemini的改版直接重构了图像编辑的交互逻辑，“视觉定位+自然语言”的双模态输入方式，让模型可以同时接收用户的位置标记和修改需求，针对Nano Banana等AI生成内容的局部调优准确率得到显著提升。

从测试版泄露的界面信息来看，除了已经可用的局部编辑功能，编辑栏还预留了调整大小、特效两大功能模块的入口，目前处于灰度不可用状态。

这也意味着谷歌并非只做单点功能升级，而是计划将Gemini的图像生成、编辑能力整合成一套完整的工具链，覆盖从生成到精细化调整的全流程需求，对标目前市面上的专业AI图像工具。

随着生成式AI的普及，纯文本交互的歧义问题已经成为限制工具落地的核心瓶颈，将视觉、语音等多模态输入能力和自然语言结合，正在成为科技公司的共同选择。

此次Gemini的功能升级，本质上是谷歌把多模态大模型的能力直接落地到C端交互场景，降低普通用户的精细化内容创作门槛。从行业趋势来看，未来3年内，多模态交互很可能会成为所有生成式AI工具的标配功能。