字節圖像模型接受百輪連續編輯測試

100輪圖像編輯這道「斃刷題」，新出的Seedream 5.5穩上來了！十三 2026-11-10 10:48:22 來源：量子位 速度提了，API價格降了 金磊 發自 凹非寺 量子位 | 公眾號 QbitAI 說真的，即便強如新出的GPT-Image 2.6，遇到連續編輯100輪圖像這種高壓任務，也得大喊那句“名人名言”： 我畫地為牢啊，厲娜！例如我們先給Image 2.6輸入下面這張原始圖片： 然後再把包含100輪任務的提示詞丟進去，每一輪就是讓手錶裡的時間增加1秒鐘，並且把上一輪生成的圖片作為下一輪的輸入： 但看似非常簡單的任務，Image 2.

6生成的結果卻是這樣的（為了方便看變化，我們把100張圖做成了一個視頻）…… 視頻地址： https://mp.weixin.qq.com/s/OgVL6s3PIguqFN-WN1mhQ 可以明顯地看到，其實在第10輪左右，原始圖片就開始發生了畸變，而且越往後，圖片失真程度就越嚴重。這要是放到真實工作場景裡，那簡直就是大大大大麻煩了。But！！！一個新出的國產生圖AI，卻能hold住這個高壓任務！來看下結果： 視頻地址： https://mp.weixin.qq.com/s/OgVL6s3PIguqFN-WN1mhQ 雖然在後期的輪數中，依舊是存在一些畸變的情況，但整體卻要比Image 2.

6要保真得不少。而這個新國產生圖AI，正是來自字節的Seedream 5.5。上面的任務，便是在豆包裡調用新模型來執行的。不過，100輪編輯不崩，還只是Seedream 5.5這次更新的一隅。整體看下來，它的亮點還包括： 真實感提升：人物、材質和光影更像真實拍攝的，幾張圖拼在一起也不容易穿幫； 小字與多語言渲染：海報、標籤、信息圖裡的字基本不會寫錯，還支持多種語言； 透明圖生成與編輯：能直出透明底的圖（PNG），省掉繁瑣的摳圖；也能把成圖拆回圖層，單獨改文案、出不同語言的版本。不僅如此，Seedream 5.5現在生成的速度也比之前的版本要快上不少；與此同時，據官方信息，Seedream 5.

5 API延續“輸入圖 + 輸出圖”兩段計費結構，文本 Token 不產生費用。以2K方圖編輯為例，單張成本在 0.28 元左右，不到 Seedream 5.0 Pro 一半。光說不練假把式，那麼接下來，一波深度實測走起~ 來一波“可勁兒造”的實測 更復雜的連續編輯 第一輪實測，我們就在豆包裡，再來一波更復雜的連續編輯任務。剛才的100輪編輯，只是針對圖片裡手表的時間來展開；而這一次，我們基於一張寫實的客廳照片，對各個細節內容做連續編輯： 為了方便看效果的對比，我們依舊是把10張照片做成了視頻： 視頻地址： https://mp.weixin.qq.

com/s/_OgVL6s3PIguqFN-WN1mhQ 這一輪考驗的正是大模型的記憶力。因為每一輪的輸入都只是上一輪的輸出，模型看不到最初的原圖，所以後邊的步驟，若是一步錯，便會步步錯，誤差是會累積的。而這正是Seedream 5.5這次主打的精準編輯與多輪一致性。合成一張高端廣告 第二輪實測，我們來一個貼近工作場景的任務——多圖合成廣告。為此，我們提前先準備好了三張輸入圖片，分別是一張女性模特圖、一張包包圖，以及一張背景圖： 然後提示詞也是比較簡單： 請將上傳的三張參考圖融合成一張高端時裝品牌的手袋廣告主視覺。輸出一張16:9橫向、儘可能高分辨率的超寫實攝影作品。

僅僅1分鐘後，高端商品廣告大片就做好了： 這三張輸入圖的拍攝條件完全不同：模特是影棚柔光，手袋是靜物側光，背景則是戶外直射陽光。而多圖融合的難點，就在於要讓它們看起來像是同一次拍出來的。從成片來看，模特從站姿換成了坐姿，西裝面料、手袋的斜翻蓋和金屬環提手都保留了下來，手袋的大小也符合真實比例。這正是Seedream 5.5在多圖融合上的升級：主體之間的尺寸、透視和光照關係更協調。包括一些半透明的PNG素材，Seedream 5.5現在的組合能力也是相當之穩。

例如我們這次直接上傳5張PNG： 然後附上這樣的Prompt： 使用上傳的5張透明PNG素材，組合並重新渲染為一張完整的卡通果凍風格主視覺。畫幅16:9，分辨率3840×2160。主題為“果凍水果漂浮樂園”，像高品質動畫電影的甜品世界宣傳畫，清新、輕盈、有明確構圖和空間層次。半透明素材，一直是生圖模型的難點。因為透明PNG的邊緣處理不好，就會出現白邊、灰邊；而果凍這類材質，還要處理透光、折射和帶顏色的陰影。從結果來看，紫色圓環能透出後面橙子的顏色，地面陰影也帶著各自素材的色調，前後遮擋關係也很清楚。還以為是電影截圖 說到真實感，就不得不測一下AI生成電影感鏡頭畫面方面的能力了。

這一次大致的提示詞如下： 凌晨五點，冬季的巴黎，一家尚未營業的老咖啡館內，一位四十歲左右的女性獨自坐在臨街窗邊，身穿深灰色羊毛大衣，圍巾鬆開，雙手自然圍住桌上的白瓷咖啡杯…… 雖然我們讓Seedream 5.5一口生成五張2K高清圖片，但速度可以說是極快的，幾乎就是在1分鐘內 完成： 判斷一張圖像不像電影截圖，首先要看光。這張圖裡有兩種光源：窗外凌晨偏冷的天光，和店內暖黃色的壁燈，人物臉上和大衣上的冷暖過渡得很自然。細節上，窗玻璃上有人物淡淡的倒影，窗外的街道、車燈做了淺景深處理；人物的皺紋、鬆開的圍巾和略顯疲憊的神情，也更像真實的普通人。

對影視行業來說，這樣的畫面已經可以用於前期概念圖、分鏡和氛圍參考。超多字的海報輕鬆hold住 除了真實感之外，好的生圖AI還得是能穩穩拿捏超多小字的科學海報的。為此，我們就讓Seedream 5.5圍繞最近比較火的“世界模型”來做一張： 這張海報的信息密度非常高，從主標題、模塊標題、正文小字到頁腳的資料來源，至少有四五層字號。即便放大看最小的那一層，文字依然清晰，幾乎沒有亂碼。除了中英文，頁腳還有一行日文“世界モデル”，公式裡的上下標、變量說明也都一一對應；插畫裡A、B、C三條路徑和t1、t2、t3的標註，也和文字說明對得上。這對應的正是Seedream 5.

5的小字與多語言渲染，以及圖文排布能力。看一眼動作就能“模仿” 這次升級後的Seedream 5.5還有一個特點，那就是它對於複雜動作是可以做到看一眼就會的。例如我們準備了一張最近比較火的閃身步照片，以及一張人物圖像： 我們把這兩張圖一次性“喂”給豆包，然後簡單來一句： 讓參考圖裡的人物，做原始動作圖裡人物的動作，輸出16:9的圖像。同樣是僅耗時1分鐘，動作就直接遷移好了： 這個任務的難點在於動作要從第一張圖裡拿，人物要從第二張圖裡拿，兩邊的信息還不能串。

從結果來看，大跨步的站姿、重心偏移、手臂的位置都遷移了過來，連側頭的神態也跟上了；而人物的長相、穿著和影棚背景，都和原圖保持一致，畫幅也擴展成了16:9。而且即便是一口氣輸入9個人的圖像，Seedream 5.5依舊能把他們按照指定的姿勢穩穩地給生成出來： 這背後，便是Seedream 5.5對人體姿態的理解，以及對人物一致性的保持。拆分成可編輯的圖層 下面的實測，是一波反向操作。我們先準備了一張成品的圖像，目標是先把圖裡的各個關鍵元素給拆出來，然後再按需編輯成不同版本。

拆分圖層的Prompt是這樣的： 請將這張香水廣告成圖拆分為可繼續編輯的圖層，保持原畫布16:9、原始構圖、比例、色彩和物體位置。使用實際圖層拆分與文字識別功能，不生成“圖層示意拼圖”。可以看到，商品圖已經被Seedream 5.5按照要求拆分成了不同的圖層。接下來，我們就繼續讓它做細節的調整，變成適合英文市場的商品圖。Prompt大致如下： 基於已經完成拆分的原始廣告項目製作本市場版本。不能依次翻譯上一市場版本。輸出一張16:9、3840×2160的完整廣告成圖，並在入口支持時同時保留可編輯項目。

鎖定背景、香水瓶、禮盒、佛手柑、雪松枝及其陰影圖層，保持它們的位置、尺寸、透視、色彩、材質和光照不變。保留所有商品包裝上的STILL、07、EAU DE PARFUM和50 mL，不翻譯、不重新繪製包裝標籤。畫面上的STILL字標、AUTUMN EDITION / 07、2026及底部EAU DE PARFUM也保持不變。為什麼要拆圖層？因為以前AI生成的成圖是“一整塊”，哪怕只改一句文案，也得整張重新生成，或者讓設計師手動修。而拆成圖層後，改字就只動文字層，其他部分原封不動。

對比兩張圖可以看到，背景、香水瓶、禮盒、佛手柑、雪松枝和光影都和原圖一致，包裝上的STILL、07、EAU DE PARFUM也一個字沒動。變的只有文案，而且並不是逐字直譯：“讓日常，慢下來”變成了“A MOMENT, JUST FOR YOU.”，“探索香氣”變成了“FIND YOUR SCENT”，字體也換成了適合英文的襯線體。這一步用到的，正是Seedream 5.5的圖層拆分與文字二次編輯能力。對出海品牌來說，這就意味著一套主視覺，可以快速做出多個市場的版本。GIF？當然也可以 最後，我們來實測一下之前Image 2.6火爆的GIF玩法。

圖片還是直接沿用剛才“閃身步”的那個案例，這一次我們讓它動起來。Prompt如下： 在網上搜索一下“閃身步”完整的視頻或GIF，用剛才生成好的人物和Seedream 5.5，製作一個GIF，16:9，大小不能超過10M，儘量保持高清。然後，一個符合要求的GIF，就這麼水靈靈地誕生了： 所以，從整體實測結果來看，Image 2.6能做到的，Seedream 5.5也能做到；Image 2.6做不到的，Seedream 5.5還是能做到。香！Seedream 5.5：不用畫地為牢了，厲娜 有一說一，現在生圖圈子裡，真的已經不缺能出好看圖片的AI了。

缺的是在編輯、改動50次，甚至100次的時候，還能保持穩定的那種AI。這其實也是在這次實測過程中，Seedream 5.5讓我們印象最深的一點。而改得準、改得穩，恰恰是電商場景最需要的。商品圖、電商主圖幾乎每天都要二次修改，換個顏色、換套衣服、換張背景，或者改句文案。現在這些都能在同一張主圖上連續完成，一張圖就能衍生出一整套SKU版本；再加上透明圖直出、圖層拆分和多語言改字，中間好幾道工序都能省掉。影視和內容製作同樣能用上。因為多圖融合時，人物、道具和場景之間的尺寸、透視和光照都能對得上，參考圖就可以直接合成概念圖和分鏡；而像巴黎咖啡館那樣的真實感，也足以進入前期視覺開發。

設計和營銷物料也是如此。海報、信息圖和活動頁裡最磨人的就是小字，以前設計師還得一個個補字、修字，現在密集文案和多語言文字可以直接排好。再加上前面提到的價格優勢，能力接近第一梯隊，價格卻在往下走，對每天要大量出圖的中小商家和內容團隊來說，這筆賬很好算。最後，再回到開頭那句“名人名言”。在100輪編輯這種最考驗基本功的任務上，Image 2.6“畫地為牢”了，而Seedream 5.5則證明了，國產模型在多輪編輯穩定性上，已經走到了國際頭部模型的前面。目前，Seedream 5.

5已經在即夢、豆包和豆包工作上線，感興趣的小夥伴可以親自試試嘍~ One More Thing 再來一起欣賞一些Seedream 5.5生成的驚豔圖片吧： 版權所有，未經授權不得以任何形式轉載及使用，違者必究。