Seedream 5.5对决MiniMax与Qwen:五种画风加三轮连改,谁更顺手?
最近,AI 画图模型又热闹起来了。 11 月 9 日,字节发布 Seedream 5.5;11 月 10 日,MiniMax 发布 H3-Image,还同步开源了模型权重。再加上阿里此前推....
这段时间,AI 绘图模型扎堆更新,场面又热了起来。
11 月 9 日,字节推出 Seedream 5.5;11 月 10 日,
MiniMax 发布
用 AI 画图,绕不开一个挺实际的问题:出图质量高不高,画面里的文字有没有写错、风格对不对路;而想只改局部、还要
于是这次测试把三家放到一块儿,五种绘画风格各跑一遍,再拿生成好的图做三轮连续修改,主要盯的是几家在
五轮生图下来,三家各有各的味道
参加测试的三家分别是:MiniMax 的
三家拿到的是同一套基础场景:雨夜,便利店门口,一个穿红雨衣的女孩,手里提一袋牛奶。接着分别让它们出写实摄影、儿童插画、盲盒手办、赛博朋克和扁平插画五种风格。每轮都重新开对话,提示词发出去以后不再纠偏、不再补话,平台参数按默认值和实际使用情况来。
另外,盲盒手办和赛博朋克这两轮的提示词里,我额外加了要求,画面中要出现“便利店 Convenience Store”这几个字。
第一轮:写实摄影
这一轮我更偏向 H3 的成品。女孩和便利店摆得都自然,看着像雨夜街头顺手拍下的一张照片,而且它是 4K 输出。
豆包的画面更往人物身上收,背景虚化得比较狠;千问走的是竖版构图,人和店招都在,只是画面比例跟另外两家对不上。
第二轮:儿童插画
豆包这轮画出了绘本的味道,雨水、灯光、便利店的环境都铺得挺满,是我个人比较喜欢的一张。
H3 的画面偏简单,手绘插画的感觉更重,可惜便利店被裁掉一截,场景交代得有点敷衍。千问这张国风味儿明显,细节下得很足,但离我想的那种普通儿童绘本还是差了点。
第三轮:盲盒手办
盲盒这轮,三家都把手办的人物效果做出来了。
豆包的画面元素最多,底座、店铺背景、周边展示的东西都齐;H3 整体走简洁路线;千问更把人物往前推,大眼睛和红雨衣很打眼,还在牛奶袋上添了草莓图案。
这轮要求出现的“便利店 Convenience Store”招牌文字,三家也都写全了。说不上谁明显赢,主要看你吃哪种呈现。
第四轮:赛博朋克
这一轮在我看来最有意思。
H3 的画面像雨夜街头的霓虹景,人和便利店的关系处理得自然。豆包把店铺内部和周边环境画得很满,同样是一张完整的雨夜街景。
千问这张未来城市的味道最浓,粉蓝霓虹、湿漉漉的街道、密密麻麻的招牌都挺有感觉,招牌上的中英文也都写对了。光看视觉冲击,这张确实抓眼,就我个人来说是最喜欢的一张。
第五轮:扁平插画
最后一轮,H3 的画面最简洁,色块和线条都干净,更贴近我想要的那种扁平插画。
豆包和千问都往画面里塞了更多光影与细节,画面更满,观感也更像立体感强的商业插画。豆包这张还把便利店画成了现实中的全家,招牌上带着品牌名和广告语,显得多余。
五轮跑完,没有哪一家每次都能明显领先。H3 偏规矩,豆包爱把画面做满,千问偶尔会给出意料之外的结果。
生图只是第一步。真正值得继续比的,是接下来的改图环节。
连续改图,差距就出来了
改图测试直接拿第四轮的赛博朋克图片接着操作,没有重新上传。随后连续提出三个要求:
1. 把女孩手里的牛奶袋换成雨伞。
2. 把红色雨衣改成黄色。
3. 在便利店招牌上增加发光的“24 小时”字样。
每一步之后都没有补充其他说明,也没有重新生成整张图的提示词,只观察各家能否在原图基础上按要求继续修改。
先看豆包。
三个要求都完成了。
第一步换雨伞:牛奶袋变成雨伞,女孩的站位、便利店、雨夜和地面积水反光都留了下来。
第二步改雨衣:红色变黄色,画面其他地方没有明显变化。
第三步加字:招牌上多了“24 小时”发光字,位置稍挤,压在原有招牌上方,原来的招牌内容没被破坏。
单看编辑本身,豆包这三轮确实做到了改哪里、动哪里。
这也和 Seedream 5.5 发布时强调的
再看 H3。
H3 同样完成了三次修改。
第一步,牛奶袋换成一把收拢的雨伞,女孩、店面和红色雨衣都保留。第二步,雨衣改成黄色,雨伞没有消失。第三步,招牌上多了“24 小时”霓虹字,位置在原有招牌下方,没有盖住原来的字。
关键在于这三步是连续的:第三步是在黄色雨衣那张的基础上接着改,并非每次从头重画。从构图、人物站位到雨夜氛围,三轮下来都没有明显漂移。
再把原图 4K 版本里的招牌位置放大来看,上面的字仍然清晰、没有缺损。H3 这回直接输出 4K,来回改了几轮,画面细节也没怎么掉。
最后看千问。
千问的表现让人绷不住了。
第一次要求把牛奶袋换成雨伞,它给出的结果直接变成雨伞近景,原来的女孩和便利店场景没有保留下来。
第二次要求把红色雨衣改成黄色,结果画面又变成一个走廊和衣帽架,和原来的雨夜便利店已经没什么关系了。
到这一步,第三轮我直接不试了。
在同一段对话里连续改图,这次测试中它没能把原图改成功。跟另外两家一比,差距摆在那儿。
其他几个小发现
画面和改图之外,这一轮测试还有几处细节值得说一下。
先看提示词处理。H3 和千问在生成前都会自动扩展提示词,千问界面上有个开关,默认是开着的。这算不上作弊,平台本身的能力,本来就该算进测试里。
比例这块,豆包两种路子我都试过:生成前在配置里选 4:3,五轮出图全都稳稳的;把比例写进提示词再跑一遍,出来的图同样正常。配置和提示词两条路,它都接得住。
千问和 H3 则是真会照着提示词里的比例去改。千问把画幅改了回来,H3 连参数调整都会主动讲明理由。
出图规格也不一样。H3 全程 4K 输出,另外两家出的图尺寸小不少,放大看细节都没问题。
千问的平台还能一次出多张图,尺寸和张数在输入框里就能设,一次最多直接出 6 张。这次测试每家每轮只跑一张,这个功能没用上,不过对想一次多挑几张的人来说,确实很实用。
再看生成速度。豆包这次大多十几秒就出图,千问大约一分钟,H3 在部分测试里接近一分半。当然,这只是我这次测试时的感受,实际快慢还跟任务和平台状态有关。
最后说水印。豆包和千问生成的图片带平台水印,H3 这次没有。
说下感受
整轮测下来,三家的生图效果都不差,差别更多在画面风格和细节处理上。
可要是生成之后还得反复改,H3 和豆包这次明显更让我放心;千问的生图效果有亮点,偏偏连续改图这块没达到预期。
让我给三家各找一个适合的场景:经常要连续改图的,豆包和 H3 这次都比较可靠;对画面比例、清晰度和提示词执行有明确要求的,H3 更有优势;主要用来出单张图、基本不需要后续修改的,千问表现也不错。
这次对比只是拿同一套提示词做的小试验。但在我看来,AI 画图行不行,不只看第一张图漂不漂亮,还得看它能不能顺着我的意思接着改。