Google Ads 近期對 Asset Studio 進行了重大更新，將生成式 AI 深度整合進廣告素材的開發流程中。對於工程師或行銷技術人員來說，這不僅是增加幾個 AI 繪圖工具，而是將原本碎片化的素材生產線，轉化為一個由 AI 驅動的自動化工作流。
理解 AI 驅動的素材生成
在傳統的廣告製作流程中，設計師需要根據行銷簡報（Marketing Brief）手動製作多組圖片或影片，再針對不同平台調整尺寸。Asset Studio 現在引入了生成式 AI，使其能夠理解品牌指南（Brand Guidelines）、官方網站內容以及具體的行銷目標。
這意味著 AI 不再是隨機生成圖片，而是將品牌色彩、語調與產品特性作為約束條件。系統會根據這些輸入，瞬間產生多個不同主題的素材組合。這種做法解決了規模化生產（Scaling）的痛點，讓品牌能快速產生大量且符合品牌形象的素材，而不需要對每一張圖進行繁瑣的手動調整。
自然語言精煉與多模態能力的整合
Asset Studio 引入了自然語言交互界面，讓使用者能以對話方式對素材進行微調。例如，如果你覺得圖片的色調不夠明亮或構圖需要調整，直接用文字描述即可完成修改，而不需要重新提交設計需求。
更核心的技術升級在於 Gemini Omni 的整合。Gemini Omni 是一個多模態模型（Multimodal Model），意指它能同時處理文字、圖像、音訊與影片等多種不同類型的數據。這項能力的引入，讓 Asset Studio 能將影片素材的製作也整合在同一個平台內。從單純的靜態圖生成，演進到能理解視覺邏輯並產出動態影片，大幅縮短了從創意構思到最終成品的時間成本。
數據驅動的優化路徑
有了高效的生成能力後，接下來面臨的是如何驗證這些 AI 素材是否真的有效。Asset Studio 提供了 1-Click A/B Testing 功能。
A/B 測試是指將兩種不同的素材版本（版本 A 與版本 B）隨機分配給目標受眾，透過追蹤點擊率或轉換率等數據，來決定哪一個版本表現較好。透過一鍵式測試，系統能快速反饋哪些 AI 生成的視覺風格最能吸引用戶，讓團隊能根據真實數據而非主觀感覺來優化廣告內容。
總結與實務影響
Asset Studio 的演進將廣告製作流程從 構思、設計、調整、測試 的線性循環，轉變為一個高度整合的閉環。對於技術實作端而言，這代表著廣告投放的重心將從 素材產出 移向 素材策略與數據分析。AI 承擔了重複性的執行工作，而人類則專注於定義品牌指南與分析測試結果。
來源：blog.google
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。