2025年12月18日 — Apple 研究團隊公開咗叫做 UniGen 1.5 嘅新系統，目標係將圖像嘅「睇、造、改」能力集中喺一個單一模型入面。研究人員喺論文同示範中展示咗呢個模型點樣喺同一套權重下完成文字引導生成（text‑to‑image）、基於掩碼嘅局部編輯（inpainting、outpainting）同埋圖像理解任務（例如描述生成同內容定位），減低以往需要多個專門模型串連嘅複雜度。
UniGen 1.5 嘅核心亮點係統一架構：研究團隊透過多模態預訓練同任務混合訓練，令模型喺唔同任務之間共享表示。示範片段顯示，用戶只要畀一句簡單文字提示就可以生成高保真圖像；對已有相片施加局部掩碼後，模型能根據上下文同文字指令完成自然銜接嘅編輯——例如將日間場景改做夜間，或者將人物服裝局部換成指定風格，邊緣過渡同光影處理都保持連貫。
論文同示例強調咗數據策略同訓練細節：團隊使用多源圖像‑文字對、合成樣本同任務特定嘅標註數據做混合訓練，以提升模型喺罕見指令同局部編輯場景下嘅魯棒性。研究者仲展示咗模型喺圖像理解任務上嘅表現，包括對複雜場景嘅語義描述同區域級嘅響應，令 UniGen 1.5 唔止能「創造」同「修改」，仲可以輸出解釋性結果畀人機互動使用。
喺可用性同部署方面，Apple 嘅研究文件提到咗效率優化方向：透過模型蒸餾、量化同架構層面嘅計算裁剪，團隊正探索將呢類統一模型以較低延遲同能耗帶到手機或邊緣伺服器嘅可行路徑。不過研究者未有公佈具體商品化時間表，重點係證明單一模型能夠覆蓋多種視覺任務嘅技術可行性。
喺技術外延上，UniGen 1.5 對創意工作流程同應用生態有直接吸引力：內容創作者可以用同一個模型完成由概念草圖到精修圖像嘅閉環操作，應用開發者亦可以藉此減少後端模型管理成本。惟研究者喺論文入面都提醒咗潛在嘅濫用風險同安全問題，建議結合過濾器、溯源機制同版權識別方案以降低生成內容被誤用嘅可能。
對用戶嚟講，UniGen 1.5 嘅示範帶來咗更直觀嘅想像空間：喺手機或者桌面端用一句說話同一個簡單選區，就可以做創意迭代同場景重塑，與而家需要喺多個工具之間切換嘅流程形成對比。Apple 呢一步唔單止追求視覺質素，仲係探索點樣將多任務能力壓縮到更簡潔嘅交互範式入面。
總結嚟講，2025年12月18日公布嘅 UniGen 1.5 代表咗 Apple 喺多模態圖像 AI 研究上嘅一次整合同嘗試：將理解、生成同編輯三類功能合併喺一套模型入面，既有助降低系統複雜度，亦為未來喺移動端實現更連貫嘅創作體驗打開大門。但由研究到商品化仲需要時間，效能、安全同私隱治理將係後續能否落地嘅關鍵。
▶️ 鍾意呢篇內容？創作真係好辛苦！
歡迎關注我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚、訂閱同分享，係對我哋最大嘅支持！🙏
更多 AI 新聞請到：https://www.airosetta.com