如题，我最近看到了这么个视频：AI听歌时在想啥？我们想办法让AI画出了它听到的歌。【差评君】 
那么我就在想啊，视频发布的时候不行，不代表现在不行啊，尤其是Gemini最近一直在宣传多模态，都能原生生成图像和音频了（虽然现在还在ppt上），说不定可以了呢。 
于是，赶紧就来试试看了，直接上成果： 
 [image] 
[image] 
[image] 
[image] 
[image] 
其中第一首是纯音乐《Flora》，第二首是用日语和少量英语演唱的歌曲《Sunny Rain》 //来自KiraraMagic，都很好听哦~ 
我在上传时特别确保了无包含歌曲内容信息的metadata，所以这些都确实是Gemini自己听到的~ 
对于以上内容，佬友们感觉怎么样？ 
对比：ChatGPT 
 [image] 
[image] 
只会在那里用代码分析工具（甚至不会语音识别读歌词），两次得到的信息...