昨天看到小互、宝玉等朋友评测 Seedream 5.5 ，都提到多轮编辑稳定性超牛逼。
今天 X 刷到个对比测试视频，才发现是真强！
对比的是 GPT Image 2.5和2.6，每次生图基于上一张，预测下一秒样子，迭代100 轮。
没想刚过 10 轮，Image 2.5 和 2.6 生图已经开始包浆了...
Seedream 5.5 只有手表走秒，其他画面一点没动，看下面视频，更直观。
按住画面移动小窗
小互的测试也很直观，GPT Image 给模特换装，也是 10 轮后脸就开始崩坏。
而 Seedream 5.5 在几十轮编辑后，人物主体形象几乎没有任何变化。
还有个豆姐的Seedream 5.5 官方宣传视频。
按住画面移动小窗
这次模型更新这么强？ 我也来试试，哈哈哈。
多轮编辑一致性
小互推荐用即梦画布模式体验，非常爽，我主打一个听劝。
体验入口：打开即梦官网->创作->画布
输入提示词
一个长黑发的年轻漂亮北京摇滚圈妹子，在电梯镜子前自拍。穿黑色骷髅印花露肩超短上衣，露出肚脐和细腰，配低腰破洞牛仔裤和马丁靴，表情超酷。右手举手机挡着半张脸。皮肤白皙自然，手机随手拍，竖构图，人像模式，真实感强。
妹子都挺好看的，但后两张空间狭窄，选第一张输入提示词，比如“形态不动，换一套衣服” 和“主体不动，换一套差异大的衣服”。
合成 gif 动画如下，除个别服装画面抖动外，人脸和背景几乎不动，多轮编辑一致性真的非常好。
老黄最近在风口浪尖，一提到就想到皮衣形象，也给他换几套衣服。
看看不同装扮的老黄，会不会比一直穿皮衣更帅。
以前觉得图片生成模型总在卷真实性、美感、4K 高清输出。
一直没有解决可控编辑、多轮编辑一致性这个最大的痛点。
Seedream 5.5 这次更新，竟一下攻克了，进步巨大，多轮编辑一致性达到 SOTA 。
SOTA 是 State of the Art 的缩写，直译为“艺术的巅峰”或“最高水平”，在人工智能、机器学习、计算机视觉及各类科研技术领域中，意为“当前最佳的”、“最先进的”。
这个能力对电商、短剧、影视和商业广告相当实用。
保持局部不变，像手术刀一样精准修改，搁两年前真的不敢想，AI 发展速度果然是指数级的。
真实性提升
除了连续编辑一致性，真实性也很关键，尤其因为生图是制作视频的基础。
现在大家都爱看红果短剧，除了《持械入宋》、《归墟》等AI 短剧追求真实感，其他还是漫剧居多。
是不想吗？我感觉还是技术问题，生图的真实性、物理合理性还不太够。
哪怕大家一致好评的《持械入宋》，有些人物角色也有明显有塑料感，只是剧情、台词、场面精彩，被大家慢慢忽略了。
所以，生图真实性改善，对 AI 短剧创作、影视、广告行业也大有裨益。
随便测试了几张图，感觉是有明显提升。
最近北京和天津都下雪了，雪景会让人心情愉悦，试着生成一张老北京胡同的雪景：
手机随手拍，超真实，北京一个胡同，下雪了
画面能看到细碎的正在下落的雪花，北京常见的塑料垃圾桶、老旧房外加装的管道、摆在外面的凳子，相当逼真。
尤其垃圾桶，演的好！
再来个提示词：手机随手拍，北京五环外，环卫工人在扫雪，超真实
远处看不清的公司招牌，下雪后车辆压过的路面，扬起来的雪。不说的话，还以为是北京电视台拍的新闻照片...
前天回天津，也下雪了，生成一张海河边的雪景。
手机随手拍，超真实，天津海河边，下雪了
只说海河边，Seedream 5.5 竟给画面加上了天津的标志建筑之一：天津之眼。
我怕它骗我，从维基百科找了一张实拍照片，发现造型跟真的几乎完全一样，震惊！
小互猜 Seedream 5.5 的基础模型绝对升级了。
我感觉也是，如果没有丰富的世界知识，不可能只提天津，就能把天津之眼生成的这么真实。
现在生图模型都会对原始提示词做 PE 加工（Prompt Engineering）。
GPT 和 Gemini 系列也是，生成过程都有推理，理解你实际想要什么，加工提示词后给模型生成。
这就很考验语言基模能力，如果是真的，那么意味着字节豆包大模型也有显著进步？
透明图编辑
最近乔帮主开发了一个录屏软件叫 Capwise，想平替每年 108 美元订阅费的 Screen Studio。
开源后，得到不少好评，想好好打磨下。
比如，现在软件 Logo 是用 lucide 图标让 AI 调整生成的。
我感觉倒还行，但评论区有人说跟他的软件 Logo 长的一模一样，估计 Codex 偷懒找了一样的图标，哈哈哈！
上传原 Logo 图，输入提示词： 为我们录屏软件设计 10 种不同风格的 icon
上面有几个我觉得不错，但为了增加选择，不给参考图，也生成 10 个：
为一款名叫 Capwise 的录屏软件设计 10 种不同风格的 icon，扁平风格，顶级水平
像素风和透明玻璃风格，看起来都很有趣。
这里有个小技巧， 用即梦 Seedream 5.5 生图，可选择“透明背景”，直接生成透明图。
不是透明图，也能图层拆分取出一张图中的多个图标，图标设计筛选效率大大提升。
任意一张图标集，点图层分离，每个 icon 会被分离出来成为透明图层，操作演示如下。
如果觉得图标不够大，用扩图功能提升就行。
这个用法可以迁移到更多场景，一次性出多个设计方案比较，非常直观。
选中某个方案，只需拆出透明图，就能继续加工或导入 PS 深度编辑。
参考图生成
实在是太喜欢《持械入宋》这个 AI 短剧了，第四季 50 集后渐入佳境。
里面人物形象都很有辨识度，AI 建模也很用心。
比如有个角色叫“李清棠”，是参考史上著名女词人李清照的画像艺术加工出来的。
好奇搜了下李清照画像如下：
以这张图为参考图，输入提示词：生成正面真人图
和剧照对比下，果然有几分神似。
终极挑战来了，搜罗剧中角色不同分辨率形象，让它参考姿势图生成一个杀青合照。
姿势参考到位，但是发现人物形象多了以后，面部多少还是有一些飘移。
如果做 AI 短剧，还是要尽量控制场景中主角数量，避免过多依赖参考生图。
文本渲染
听好友玉伯说，他们的产品 Youmind ，很多人每周做很多图片PPT 和信息图。
一开始他以为这些用户职业需要经常汇报，访谈用户后才发现，很多人就是为了自己阅读学习方便。
果然一图胜千言啊！
最早带来这个玩法可能性的是谷歌。
从 Nano Banana 1.5 开始，模型就能生文字了，但主要是英文，中文基本不太行，经常画鬼符。
直到 GPT Image 2.0 中文质量开始变好，2.5 就更没问题了。
那时，跟橘子、归藏等几个朋友聊天感慨，为啥生成中文质量最好的反而是海外的模型。
直到这次Seedream 5.5更新，中文字生成终于问题不大了，连小字生成的都很不错。
质量碾压 Nano Banana 2.1，和GPT Image 2.6 最好的Sunburst模型不相上下。
提示词：生成一张高信息密度的中文信息图，介绍李清照
左图是 Seedream 5.5，右图是GPT Image 2.6 Sunburst
从信息密度看，Seedream 5.5 更高，且版式 AI 味更小。
GPT Image 2.6 Sunburst 中文字偏大沾了光，只有“凄凄惨惨戚戚”的这句戚戚看不是很清楚。
而 Seedream 5.5 放大 3 倍查看，除“戚戚”不是很清晰外，“只恐双溪舴艋舟，载不动许多愁”中的“舴艋”也不清楚。
不过，能达到这种质量已经相当不易，必须鼓掌。
再比下谷歌目前最好的生图模型，左图是 Seedream 5.5，右图是谷歌 Nano Banana 2.1
都不用放大，一眼看谷歌的生图文本就不行，太拉胯了。
修改提示词生成英文信息图，左为 Seedream 5.5 ，右边是 GPT Image 2.6 Sunburst
不知道是模型偷懒还是怎么回事，GPT Image 的文本内容更少了。
Seedream 5.5 生图放大后，让谷歌翻译：Be a hero in life, a mighty soul in death。
没错！就是 “生当作人杰，死亦为鬼雄。”
可惜，我手头没 GPT Image 2.5 Sunburst 模型对比。
不过从小互、宝玉等朋友测试看， 都是 Seedream 5.5 中文小字出错率更小。
字节官方博客说，严重文字错误率从上一代的 2.8% 降到 0.4%，也与其他生图模型做了对比，详见：
https://seed.bytedance.com/zh/blog/more-realistic-images-more-stable-editing-across-100-rounds-introducing-seedream-5-5
写在后面
Seedream 5.5 昨天已经全量开放。
即梦、豆包或者豆包工作都能选择 Seedream 5.5 生图了，朋友们赶紧体验。
测评下来，有点超出预期。
原以为只是一次常规迭代，没想到多轮编辑一致性这个难题，竟然直接打穿解决了。
透明图支持、图层分离都是实在的提效工具，普通小白也不用 PS 抠图了，利好电商、游戏、影视创作等很多行业。
文本渲染把文本转换成图片 PPT 或信息图，成了一种相当便捷的学习工具。
总的来说，Seedream 5.5 这次更新，在几个生图模型关键维度上都有突破：
多轮编辑一致性达到 SOTA，真实性和文本渲染也达到业界顶流水平，整体能力跃上了一个新台阶。
我现在很期待 API 在火山引擎上线，第一时间接入我的 Obsidian 插件中。
能读到这儿的都是乔帮主铁杆，求一键三连！