看图写作的 ai 看图写作的 ai 哪个好用？2023 高评分工具推荐
说真的，每次甲方甩过来一张图，配上一句“你懂的，感觉要高级”，我就想把键盘砸了。什么叫“懂的”？什么又是“高级感”？空气里弥漫的都是“预算有限”和“马上要”的混合味道。以前，这种时候只能靠咖啡、红牛和半夜三点钟的灵感苦熬。但现在，时代变了，朋友们。我们有了新式“外挂”——看图写作AI。
但这玩意儿，就跟雨后的蘑菇一样，蹭蹭地往外冒，哪个是能吃的香菇，哪个是送人上西天的毒蘑菇？得亲自尝尝。我这一年，基本上把市面上叫得上号的都玩了个遍，从付费到免费，从惊艳到惊吓，算是踩了不少坑，也挖到了一些宝。今天就掏心窝子聊聊，到底哪几个家伙是真能帮你干活，而不是给你添乱的。
文艺到让你怀疑人生的艺术家：Midjourney /describe
先说个有点“偏门”但又绕不开的。很多人都知道Midjourney是画画的，但它的一个神仙指令 /describe，简直是被埋没的金子。你丢给它一张图，它不会像个老实巴交的秘书那样告诉你“图里有一个杯子，桌子上”，不，它不会。
它会甩给你一串加了滤镜的诗句。
我试过扔给它一张傍晚城市天际线的照片，它返回的描述里有“golden hour casting long shadows”、“cinematic view”、“in the style of cyberpunk realism”这样的词条。你看，它给的不是一篇完整的文案，而是一堆充满画面感和风格定义的灵感炸弹。它就像一个刚从艺术学院毕业，满-脑-子都是蒙太奇和后现代主义的文艺青年，你让他描述一下你家猫，他可能会给你一段关于“在慵懒午后阳光下流淌的金色生命力”的散文，而不是“一只橘猫在睡觉”。
所以，Midjourney的/describe 适合谁用？
- 广告创意、文案策划：当你脑子空空，需要一些高级的、有格调的词汇来打破僵局时，它就是你的灵感缪斯。
- 摄影师、设计师：想给自己的作品配一段有逼格的描述，或者寻找一种风格的精准定义，用它，绝了。
但它的缺点也同样要命：它太不接地气了。你让他给你写个卖货文案？算了吧，它会把你的产品描述得像个艺术馆里的展品，顾客看完心潮澎湃，就是不知道这玩意儿是干嘛的，怎么买。所以，它是个顶级的灵感催化剂，但不是一个能直接交稿的打字员。
务实到骨子里的全能打工人：Claude 3 (Opus/Sonnet)
如果说Midjourney是艺术家，那Claude 3，特别是它的“大杯”Opus和“中杯”Sonnet，就是那个你最想要的“靠谱同事”。今年Claude 3开放了图片识别能力（Vision）之后，整个世界都清净了。
这家伙强在哪？两个字：理解。
你丢给它一张复杂的图，比如一张包含图表、文字和产品的海报。它不只是“看”到了，它是真的“读懂”了。我曾经拿一张我们内部做的市场分析报告截图（带数据图那种）喂给它，要求它“用口语化的方式，总结这张图的核心观点，并写一段吸引潜在客户的社交媒体文案”。
结果……我当场就想给它加薪。
它不仅准确地提取了图表里的数据和趋势（比如“用户增长率在第三季度达到峰值”），还理解了图片旁边小字标注的“目标人群：Z世代”，然后，它生成的文案是这样的：“还在为增长焦虑？看看这份数据！我们发现Z世代用户最吃这一套……想知道秘诀吗？点进来聊聊！”
看到了吗？逻辑、提炼、转化，一气呵成。它知道这张图是给谁看的，目的是什么。这种对“商业意图”的揣摩能力，简直恐怖。
Claude 3 的应用场景就太广了：
- 电商运营：直接扔产品图，让它生成详情页描述、卖点提炼、小红书种草笔记。它甚至能根据图片风格，调整文案的语气，是沙雕风还是ins风，它都拿捏得住。
- 新媒体小编：海报、信息图、新闻配图，扔给它，快速生成摘要、导语、微博文案。效率直接起飞。
- 市场分析：各种竞品广告截图、数据图表，让它帮你做初步的解读和总结，省下大量的人工整理时间。
当然，它偶尔也会“过于务实”，少了一点点惊艳的灵气。但对于90%的商业场景来说，稳定输出比偶尔的灵光一现重要得多。它就是那种平时默不作声，但你把活儿交给他，总能放心下班的顶级打工人。
博学但有点“书呆子”气的万事通：GPT-4V
说到AI，怎么能不提OpenAI家的GPT-4V（带视觉功能的GPT-4）。这家伙给我的感觉，就像一个知识渊博但有点社交恐惧的学霸。
它的知识储备和细节识别能力是顶级的。你给它一张非常冷门的博物馆藏品的照片，它可能连这玩意儿是哪个朝代、什么工艺、背后有什么典故都给你扒得一清二楚。我试过给它一张建筑的局部照片，它能准确识别出那是“哥特式建筑的飞扶壁结构”，并且还能延伸讲解其力学原理。
这种能力，在某些特定领域，简直是降维打击。
但是，让它写一段富有感染力的、煽动性的营销文案，它就有点……端着。它写出来的东西，常常逻辑严谨、信息准确，但就是少了一点“人味儿”，有点像在念教科书。你需要花更多的心思去引导它（也就是我们说的Prompt Engineering），告诉它“别那么严肃，假装你是一个刚毕业的大学生在跟朋友安利这个东西”。经过一番调教，它也能做得很好，但相比Claude那种“天生我材为营销”的劲儿，GPT-4V更像一个需要你循循善诱的理科生。
所以，GPT-4V 的最佳使用姿势是：
- 知识科普类内容创作：需要对图片内容进行深度、准确解读的场景，比如做历史、艺术、科技类的视频稿或文章。
- 图像信息提取：从复杂的文档、票据、手写笔记图片中精确提取文字和信息。
- 特定领域的专业写作：比如，给一张医疗影像图片写初步的观察报告草稿（当然，不能作为诊断依据！），或者为一张复杂的工程图纸撰写解释性文字。
怎么选？别做选择题，做连线题！
聊了这么多，你可能会问，所以到底哪个最好？
小孩子才做选择。成年人，当然是“我全都要”。
现在我的工作流，早就不是依赖某一个工具了。这更像是指挥一个各有所长的团队：
- 脑暴阶段，卡壳了？ 把图扔给 Midjourney
/describe，让它那些天马行空的词句给你来一场头脑风暴，炸开思路。 - 有了方向，要出稿了？ 把图和从Midjourney那里偷来的灵感关键词一起打包，喂给 Claude 3，告诉它：“用这些风格，围绕这张图，给我写一篇500字的小红书爆款笔记，记得加emoji！”
- 文案里需要硬核知识点？ 截图，甩给 GPT-4V，问它：“图里这个标志是啥牌子？有什么历史？给我来段100字的简介。”然后把这段“干货”无缝衔接到Claude生成的文案里。
看明白没？未来的工作模式，根本不是“AI替代你”，而是“你驾驭AI”。这些工具，再牛，也只是工具。它们没有审美，没有情感，没有对一个项目从头到尾的责任心。它们能给你珍珠，但串成项链的那根线，始终握在你手里。
别再傻傻地问“哪个AI好用”了。真正要问的是，“我，怎么把这些AI用好？”
去试，去玩，去把它们当成你的免费实习生，不断地给它们提要求、挑毛病。很快你就会发现，那个所谓的“高级感”，那个虚无缥缈的“感觉”，开始变得具体、可控。而你，就成了那个手握魔法棒的人。
你的审美和指令，才是那根真正的魔法棒。
