背景
根據 Google 官方部落格平台 blog.google 標示為 2026 年 11 月 19 日的文章,Google Labs,即 Google 的實驗性產品團隊,社群負責人 Brianna Doyle 說明的重點並不是單一模型更新,而是 Google 如何把 Flow Sessions 與 Flow Music Sessions 當成產品回饋場域。Flow Sessions 可理解為 Google 與視覺藝術家共同測試創作工具的短期合作;Flow Music Sessions 則把相同做法帶到音樂人與製作人身上。兩者的共同目標,是讓工具在真實創作過程中被使用,從中找出哪些功能能進入作品,哪些仍需要調整。文章同時列出一批影像作品與音訊工具,並指出外界可以檢視成果、重混工具,藉此判斷這些資源是否適合自己的流程。
核心內容
最近一次 Flow Sessions 為期六週,藝術家使用 Google Flow 這個 AI creative studio,也就是以人工智慧模型支援影像與敘事創作的工作室,嘗試不同於傳統製作的流程。Google 在文中強調,這些創作者不只是被動試用,而是用各自風格檢驗最新模型如何支援個人創作。成果橫跨幾種典型型態:電視影集提案、動畫短片與個人敘事。這類範圍的意義在於,它們分別對應不同創作壓力。影集提案需要快速建立世界觀與視覺方向;動畫短片考驗角色、節奏與連續鏡頭的整合;個人敘事則要求工具能承接私密、明確而未必大眾化的表達。
視覺作品
文章列出的視覺專案包括 Matias Collado 的 A Lucky Greyhound、Siri Lee 的 Brood、River Davis 的 Roger & The Chicken、Jeehyun Kim 的 UNFIXED、Daniel Castro 的 MIA、Johana Kroft 的 Reality Drop、Luke Roberts 的 How to Crack an Egg、Ian Bradley 的 Starling,以及 Nate Talbot 的 The Catch。這些標題本身未附上劇情細節,因此合適的解讀方式,不是把它們當成已完成產業製品的展示櫃,而是看作六週內不同創作方向的樣本。Google 從中呈現的是工具能相容於多種視覺想像:有的偏向角色與敘事,有的偏向概念與形式實驗,有的則可能接近短片或提案素材。文章沒有提供每一件的製作流程或模型參數,這也讓這些成果更像方向性展示,而非可複製的技術案例。
音樂工具
在音樂面,Flow Music Sessions 聚焦 Spaces。Spaces 是 Google Flow Music 中的功能,用來建立自訂音訊工具、plugin 插件、迷你音樂應用程式、新樂器與數位物件。這裡的關鍵不只是「用人工智慧做音樂」,而是把生成能力收斂成可以被演奏、被調整、被放進既有工作流程的小工具。文章列舉的 Bloom Cycles 是一個人聲插件,透過 webcam 網路攝影機辨識手勢,即時改變聲音;Track Arranger 協助把短 loop 反覆音訊片段組織成具備 verse 主歌、chorus 副歌與 drop 情緒釋放段的歌曲結構;Mel’s Dreamscape Vocals 則是偏流行人聲處理器,搭配專業預設與較容易上手的調整工具。
技術或脈絡解讀
另外幾個作品顯示出 Spaces 的範圍不只落在聲音處理。Marble and Metal Visualisers 是 3D 互動視覺化器,能對即時音訊或上傳音樂產生動態圖形,讓聲音與畫面形成回饋關係。Tune Sampler 與 Mirage Sampler 都屬於取樣器一類工具;sampler 取樣器會把既有音訊片段當成可觸發、可變形材料,再塑造成新的質感或樂器。前者以 1990 年代 hip-hop 嘻哈器材為靈感,強調類比設備那種被稱為 analog warmth 的溫暖音色;後者主打拖放樣本,把材料快速翻成不同的聲音紋理與演奏方式。把這些工具放在一起看,可以發現 Google 想展示的不是單次生成結果,而是一種可反覆操作、可嵌入創作流程的元件化思維。
影響與限制
這些案例的實務意義,在於創作工具的角色從「產生答案」轉向「提供可修改的材料」。藝術家與音樂人把 Flow 和 Flow Music 放進自己的工作中,讓模型、插件與介面接受風格與節奏的檢驗;Google 則藉由直接對話理解創作者重視什麼,再回頭影響產品設計。外界可以檢視作品並重混音訊工具,這讓展示不只是成果公告,也成為另一種擴散方式:工具被改編後,使用情境可能比原始展示更為多樣。
不過,文章的邊界也必須說清楚。它提供的是六週合作後的成果概覽,不是完整產品評測,也沒有公開每一項作品的製作紀錄、模型設定、失敗案例或量化結果。視覺作品多數只列出標題與作者,音訊工具則以功能描述為主,讀者無法由此判斷穩定性、延遲、相容性或在大規模專案中的表現。頁面另外標示部分 AI 摘要與語音內容屬實驗性,這也提醒我們,自動生成輔助功能與創作者實際完成作品之間仍應分開看待。整體而言,這批資料最有價值的部分,是呈現生成式工具如何被放到真實創作現場;它不足以證明工具已適用於所有製作情境,但能清楚指出 Google 正把創作模型往工作流程、可重混工具與持續回饋的方向推進。
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。