字节Seedream5.5模型实测：把商用生图门槛打到了地板上
sina qqZone renren ydCloud 0
最近，字节跳动旗下的豆包发布了Seedream5.5 新的生图模型。现在这个新模型已经接入了豆包，豆包工作、即梦， 火山方舟的 API 也在陆续开放。模型名是豆包 Seedream 5.5，距离上一个版本（也就是 7 月 8 号的 Seedream 5.0 Pro）只隔了 4 个月。我们是在网页版的豆包当中直接对这个模型进行测试，已经可以开放使用了。
我们公司的设计师小伙伴第一时间冲进去，对它进行了一番饱和轰炸式的测试。
图｜网页版的豆包可以调用Seedream5.5模型了
测试前我们先看了一些官方介绍，说这个模型的主要特点是改图能力特别强，能够做到“精准局部编辑”，这倒是击中了设计师的一些痛点。因为现在用 AI 生图，其实各个模型都很快，但是还处于抽卡的模式。
很多时候只是改局部即可，但是没法保证改完之后，其他地方还能保持原样，所以设计师只能是配合一些人工修改才能完成工作。如果Seedream5.5真的可以做到精准局部编辑，确实解决了一大痛点。
那么接下来我们就用日常工作当中的几个典型作图场景例如电商做海报，还有做文创产品等，来测试一下Seedream5.5这个模型到底作图能力怎么样。
测试 Seedream5.5局部精准修改能力
我们用设计师日常都要处理的工作测试，包括电商海报制作、文创IP产品设计、以及商品图生成等。目的是要像周扒皮一样狠狠的压榨Seedream5.5，看看它到底能不能做到。
第一组测试，是一张李宁运动外套的电商海报。
原图是一张米色棚拍照片，模特穿白红拼色外套，左上角是品牌 Logo，旁边八个字：“简约短款 利落有型”。
图｜某电商平台上下载的李宁电商原图
设计师下指令：“给上图模特衣服调整颜色，白色部分改成浅蓝色，红色部分改成橙色。”
模型回复：“只改服装色块：白色转浅蓝、红色转橙色，其余人物、Logo、文字和背景保持不动。”然后生成了下面这张图：
图｜Seedream5.5改完后的效果
要求基本都实现了。外套的白色部分变成浅蓝色，红色变成橙色，袖子上的黑色拼接、下摆的松紧带这些细节都没变化。模特的五官、发色、帽子上的 LA 标，以及左上角的李宁 Logo 和那文字全部保持原样。
然后把同一张图把棚拍换街景，试试Seedream5.5在复杂环境下的表现。
设计师下指令：“北京改成城市背景。”这里设计师敲错了字，“背景”写成了“北京”，但Seedream5.5显然是理解到位了，给出了换了背景的新的图：
图｜米色棚拍换成北京街景
模型把米色背景换成了玻璃幕墙、行人、地砖都齐全的街景，傍晚的暖光从侧面打过来。蓝橙外套、黑色帽子、裤子上挂的钥匙扣，全被保留。
设计师继续下指令：“改成户外北京，干净简约。”很明显设计师又敲错字了，但模型还是识别到了意图：
图｜我将严查设计师的文化水平
背景换成开阔广场，远处是 CBD 的高楼和中国尊，人物比例、站姿、衣服褶皱没有明显漂移。同一张图连续改了三轮，换衣服颜色、街景、换户外场景，还真是说改哪就改哪，不用重复抽卡了。
官方说可以改100轮都能保持精准局部修改，我们没测到那么多。但至少在前几轮里，没有出现那种越改越离谱的情况。
测试Seedream5.5的多图理解和融合能力
第二组测试，试试Seedream5.5的多图参考理解和融合能力，我们尝试让他做一组军事文创冰箱贴。
设计师给了三张参考图：一张迷彩底盘的导弹运输车照片，一张三亚灯塔的金属珐琅冰箱贴，一张拉着巨型原木的卡通卡车。
指令是：“参考图 2 冰箱贴，制作图 1 车的冰箱贴，把车上导弹桶改为图 3 中的木头，角度不改变。”
图｜给的需求说明
模型先复述了一遍理解：“我会以图 1 的车辆角度为构图锚点，参考图 2 的冰箱贴工艺与吊饰结构，把导弹桶替换成图 3 的巨型木头。”
图｜Seedream5.5第一轮回答做的冰箱贴，已经很到位了，如果没有右下角的水印，没人能看出来是AI生成的
制作的冰箱贴，车辆角度、迷彩涂装、驾驶室比例来自图 1；金边、珐琅填色、底部吊牌来自图 2；整体梗图设计，来自图 3。
结果没有明显的透视错位，完整的理解到了设计师的创意想法，最有意思的是，模型还有自己的想法发挥，弄了一个树木的金色小吊牌，给这款冰箱贴增色不少。渲染的光影质感非常真实，其实这张图已经到可以直接打样做产品的程度了。
设计师继续提出加上文字梗的需求：“加上不明所以的林业部门，这句话。”
这时候Seedream5.5在语义理解和文字处理方面的短板就出现了，没有一键生成想要的效果，不过经过4轮对话后还是得到了想要的效果：
在这个环节，Seedream5.5在生图能力本身展现出顶级的水平，但是在语义理解方面距离Open AI的image2.0有一定差距，一般image2.0可以在第一轮就领会到加文字梗的意思。
测试RGBA透明输出能力
第三组测试，我们测试新的RGBA透明输出能力。
所谓的RGBA 透明输出，就是生成的图片可以自带透明背景。 比如只留下冰箱贴本身，周围没有白底，方便直接放进其他设计里。
RGBA 指的是图片里的四个通道：RGB指的是红绿蓝，用来记录颜色，A则是用来记录透明度，可以完全透明，也可以半透明。
这次设计师拿了小米澎程N70的图片来测试，先让 Seedream 5.5 把它改成插画，要求用极细的黑色线条勾边，采用赛璐璐上色，保留汽车的细节结构。
图｜Seedream 5.5出的线稿插图转绘图细节质感非常到位，能直接拿去做图书插画的程度
接着再提出更明确的要求，要求“去掉背景抠图，保留 png 图片。”这次模型直接将图片背景变成了透明，直接拖入photoshop就可以继续当png素材使用了：
图｜透明的背景可以随意替换，主图可以直接做为素材元素使用，常用ps的朋友们肯定懂的
不过在后续的持续测试中，还是发现了Seedream5.5在处理有较多文字，尤其是小字的图片的时候，准确度依然没有那么高。
比如出图书的场景图。设计师给了原图和两张新封面，指令为：“把图 1 中图书封面右侧改为图 2，左侧改为图 3。”
图｜左右封面被替换，人物没有变化
结果里，父子俩的姿势、表情，客厅的沙发、落地灯、地毯褶皱，全都保持原样。只打开的书换成了我们最近出版的《中国高端制造知识图解》。
不过书的封面和封底，这里面有许多小字，让豆包给图稍微换一些角度和场景，有时候封面上的小字，还是会发生变形情况。
目前看来Seedream 5.5搭配豆包工作，则有更大的想象空间。
我们以新媒体（微信公众号、抖音号等）等工作流为例，豆包工作负责策划、文案、脚本、方案梳理与Agent任务编排，Seedream 5.5则依托稳定图生图迭代、透明PNG输出、小字排版可控、主体不易崩图的优势，完成封面插图、分镜、概念草图、信息图、IP素材等视觉自动产出。你可以训练一个自己的Agent ,做到一套规范持续迭代同系列视觉资产，不用反复在多个工具之间来回切换，适合批量、标准化的内容生产。
使用成本
按目前公布的 API 计费信息，Seedream 5.5 采用输入图、输出图分开计费的方式，文本 Token 不收费。以编辑一张 2K 方图为例，单次成本大约 0.28 元，不到上一代 Seedream 5.0 Pro 的一半。
按这个单价粗算，改三轮大约八毛四，改五轮一块四，生成一百张图也就是二十八块钱。当然，这是按同一规格估算的 API 费用，多张参考图、不同输出规格还要另算。
AI生图领域的第一波高峰来自于 Midjourney , 这一波主要替代的是想象力，就是用户可以用文字天马行空的出创意图，但是实际上对于大部分商家的实际用途帮助没有那么大。
图｜Seedream 5.5的交付率已经非常高
豆包的Seedream 5.5 主打的是“交付图”，例如电商图、门店海报、图书封面等。这类商业图片，9成都是带文字的，所以对于出图中的文字准确度要求很高。本次Seedream5.5 在图片中文字准确度上有了较大改进，对于AI生图的实用性有了很大提升。
尤其是，这类商用图从出草图到最后能用，中间往往要经历多轮修改，这次字节的Seedream5.5把改图的门槛进一步降到了地板上。
这个模型出来后，对于电商美术、平面设计美工的杀伤力是很大的。过去一个美工要忙一整天的修图任务，AI可能半小时内就做完了。看来又有一批美工要失业了。
AI生图的大规模商用时代，真的要到来了。
▲星海情报局 AI重构世界专栏
