金磊 发自 凹非寺

量子位 | 公众号 QbitAI

连续改图100轮这种硬活，就算换成新出的GPT-Image 2.6来干，估计也得喊出那句“名言”：

我画地为牢啊，厉娜！

拿下面这张原图，我们先喂给了Image 2.6：

接着再把装了100轮任务的提示词一并丢进去。规则很简单：每轮让手表上的时间往前走1秒，且下一轮的输入就是上一轮吐出来的图。

听起来不难吧？可Image 2.6跑出来是这副样子（100张图被我们拼成了视频，方便看清变化）……

视频地址：
https://mp.weixin.qq.com/s/_OgVL6s3PIguqFN-WN1mhQ

肉眼可见，跑到第10轮上下，原图就已经开始走形，轮数越往后，失真越厉害。

搁到真实的工作场景里，这麻烦可就大了去了。

But！！！

偏偏有个新冒头的国产生图AI，把这活扛下来了。结果如下：

视频地址：
https://mp.weixin.qq.com/s/_OgVL6s3PIguqFN-WN1mhQ

后段轮次里，它生成的图同样有些变形，不过整体保真度比Image 2.6高出不少。

这个新国产生图AI，就是字节家的Seedream 5.5。

前面那项任务，是在豆包里调用新模型跑完的。

100轮编辑不崩，其实只是Seedream 5.5此次更新露出来的一角。往整体看，它的亮点还有这些：

• 真实感更强：人物、材质、光影都更接近实拍，几张图拼到一块也不容易露馅；

• 小字和多语言渲染：海报、标签、信息图上的字基本不出错，还能支持多种语言；

• 透明图生成与编辑：可以直接产出透明底图片（PNG），抠图这道工序省了；反过来也能把成图拆成图层，文案单独改，不同语言的版本单独出。

速度上，Seedream 5.5也比前代快了不少。另据官方信息，Seedream 5.5 API沿用“输入图 + 输出图”两段计费结构，文本 Token 不收费。拿2K方图编辑来说，单张成本约 0.28 元，不到 Seedream 5.0 Pro 的一半。

光说不练假把式，下面直接开测~

来一波“可劲儿造”的实测

更复杂的连续编辑

第一轮实测还是在豆包里做，这回的连续编辑任务更复杂。

前面那100轮，只盯着图里手表的时间改；这次我们拿一张写实客厅照片当底，对画面里各个细节连续下手：

为了更直观地比对效果，我们照旧把10张照片剪成了一段视频：

视频地址：
https://mp.weixin.qq.com/s/_OgVL6s3PIguqFN-WN1mhQ

这一轮真正考的是大模型记不记得住前面的改动。

每轮输入只有上一轮的输出，最初那张原图模型压根看不到。于是后面任何一步出岔子，误差就会一层层叠上去，一步错、步步错。

Seedream 5.5这回主打的精准编辑和多轮一致性，要应对的正是这个。

合成高端广告

第二轮实测，任务换成了更贴近工作的场景——把多张图合成一支广告。

我们事先备好了三张输入图：一张女模特、一张手袋，还有一张背景。

提示词写得也不复杂：

请将上传的三张参考图融合成一张高端时装品牌的手袋广告主视觉。输出一张16:9横向、尽可能高分辨率的超写实摄影作品。

1分钟刚过，一张高端商品广告大片就出来了：

三张输入图的拍摄条件差得很远：模特是影棚柔光，手袋是静物侧光，背景又是户外直射阳光。

多图融合难就难在，得让它们看着像同一次拍摄的产物。

成片里，模特由站姿变成坐姿，西装面料、手袋的斜翻盖和金属环提手都还在，手袋大小也合乎真实比例。

Seedream 5.5在多图融合上的升级正体现在这里：主体间的尺寸、透视和光照关系更协调了。

碰上半透明PNG素材，它现在的组合能力同样很稳。比如这次我们一口气传了5张PNG：

再配上这样一段Prompt：

把上传的5张透明PNG素材拿来拼合，再重新渲染成一张卡通果冻风格的主视觉成图，画幅16:9，分辨率3840×2160。画面主题定为“果冻水果漂浮乐园”，要有高品质动画电影里甜品世界宣传画的那种质感，整体清新、轻盈，构图清楚，空间层次分明。

半透明素材向来是生图模型的一道坎。

透明PNG的边缘一旦处理不好，白边、灰边就冒出来了；果冻这种材质还得顾及透光、折射和带颜色的阴影。

结果看下来，紫色圆环能透出后头橙子的颜色，地面阴影也各自带着对应素材的色调，前后遮挡关系清清楚楚。

还以为是电影截图

要说真实感，AI生成电影感镜头的能力也该拉出来测一测。

这回的提示词大致是这样的：

凌晨五点，冬季的

我们还试过让它一次吐出五张2K高清图，结果速度相当快，基本一分钟内就全部生成完毕。

一张图能不能让人看出电影截图的味道，光线的处理是第一关。

画面里同时存在两种光源。一种是窗外凌晨偏冷的天光，另一种是店内暖黄色的壁灯。人物脸部和大衣上的冷暖过渡看上去很自然。

再看细节：窗玻璃上隐约映出人物的影子，窗外街道和车灯都做了浅景深处理。皱纹、松开的围巾、带着点疲惫的神情，让这个人更像生活中真实存在的普通人。

放到影视行业里看，这种画面已经能拿去当前期概念图、分镜和氛围参考用了。

超多小字的海报也能稳稳拿下

光有真实感还不够。一款生图AI要算得上好用，还得把塞满小字的科学海报稳稳做出来。

于是我们给Seedream 5.5出了个题，主题选了最近挺火的“世界模型”：

海报的信息密度很高。主标题、模块标题、正文小字，再到页脚的资料来源，字号至少分了四五层。

就算放大到最小的那一层，字也依然清楚，几乎看不到乱码。

中英文之外，页脚还出现了一行日文“世界モデル”。公式里的上下标和变量说明都能一一对应；插画中A、B、C三条路径以及t1、t2、t3的标注，也和文字说明对得上。

这背后对应的是Seedream 5.5在小字渲染、多语言渲染以及图文排布上的能力。

看一遍动作就能“模仿”

Seedream 5.5这次升级还有个特点：面对复杂动作，它看上一眼就能学会。

我们找了一张最近挺火的闪身步照片，又准备了一张人物图像。

两张图一次性“喂”给豆包，再补一句简单的话：

让参考图里的人物，做原始动作图里人物的动作，输出16:9的图像。

动作迁移同样只花了一分钟就完成了：

这个任务的难处在于，动作要从第一张图里取，人物要从第二张图里取，两边的信息还不能互相串。

看结果，大跨步的站姿、重心偏移、手臂位置都搬了过来，连侧头的神态也跟上了。人物的长相、穿着和影棚背景则与原图保持一致，画幅也扩展成了16:9。

就算一次输入9个人的图像，Seedream 5.5也能按指定姿势把他们稳稳生成出来。

这靠的是Seedream 5.5对人体姿态的理解，以及保持人物一致性的能力。

拆分成可编辑图层

接下来这轮实测，走的是一波反向操作。

这轮实测先拿一张已经做好的成品图开刀，目的是把画面中的关键元素逐一拆解出来，再按需要改成不同版本。

拆分图层时用的Prompt是这样写的：

把这张香水广告成图拆成一个个还能接着改的图层，画布仍是 16:9，原本的构图、比例、颜色和物件摆放都别动。要用真正的图层拆分和文字识别来做，别拿“图层示意拼图”糊弄。

结果呢，Seedream 5.5按提示把商品图分成了一个个独立图层。

紧接着，我们让它继续做细节调整，改成面向英文市场的商品图。Prompt大致是：

这个市场版本要拿已经拆好层的原始广告项目来做，不能照着上一个市场版本一项项翻。交出来是一张 16:9、3840×2160 的完整广告成图，入口支持的话，可编辑项目也一并留着。

锁定背景、香水瓶、礼盒、佛手柑、雪松枝及其阴影图层，保持它们的位置、尺寸、透视、色彩、材质和光照不变。保留所有商品包装上的STILL、07、EAU DE PARFUM和50 mL，不翻译、不重新绘制包装标签。画面上的STILL字标、AUTUMN EDITION / 07、2026及底部EAU DE PARFUM也保持不变。

拆图层到底图什么？

过去AI出的图是“一整块”，改一句文案都得整张重来，或者交给设计师手动修。拆成图层就不一样了，改字只需动文字层，其余部分不受影响。

两张图摆在一起对比，背景、香水瓶、礼盒、佛手柑、雪松枝和光影都与原图对得上，包装上的STILL、07、EAU DE PARFUM同样原样未动。

真正变了的只有文案，而且不是逐字直译：“让日常，慢下来”换成了“A MOMENT, JUST FOR YOU.”，“探索香气”换成了“FIND YOUR SCENT”，字体也改成了适合英文的衬线体。

这一步靠的，就是Seedream 5.5的图层拆分与文字二次编辑能力。

对出海品牌而言，一套主视觉由此可以迅速衍生出多个市场的版本。

GIF这块，同样能玩

最后一项实测，是之前Image 2.6上很火的GIF玩法。

素材继续用刚才“闪身步”那个案例，这回让它动起来。Prompt如下：

在网上搜索一下“闪身步”完整的视频或GIF，用刚才生成好的人物和Seedream 5.5，制作一个GIF，16:9，大小不能超过10M，尽量保持高清。

一个达标的GIF就这么顺顺当当地出来了：

把整轮实测结果放在一起看，Image 2.6能做的，Seedream 5.5都能做；Image 2.6做不到的，Seedream 5.5也照样拿下。

香！

Seedream 5.5：不用画地为牢了，厉娜

说句实在话，如今生图这个圈子里，能出好看图片的AI早就不稀奇了。

真正缺的，是编辑、改动50次甚至100次之后还能保持稳定的那种AI。

这也是这次实测里，Seedream 5.5让人印象最深的地方。

改得准、改得稳，偏偏就是电商场景最看重的一点。

电商主图和商品图几乎天天要返工，换颜色、换衣服、换背景，有时还得改文案。这些操作如今能在同一张主图上连着做完，一张原图就能裂变出一整套SKU版本。透明图直出、图层拆分、多语言改字也一并支持，中间好几道工序直接省了。

影视和内容制作这块同样用得上。多图融合的时候，人物、道具、场景之间的尺寸、透视、光照都能对得上，参考图拿过来就能合成概念图和分镜。

想要巴黎咖啡馆那种真实感，也够格进前期视觉开发了。

设计和营销物料也吃这套。海报、信息图、活动页里最折腾人的就是小字，过去设计师得一个个补、一个个修。

现在密集文案和多语言文字可以直接排好。

价格方面前面已经提过，能力接近第一梯队，价钱却一路往下走。对每天要大量出图的中小商家和内容团队来说，这笔账不难算。

最后再回到开头那句“名人名言”。

100轮编辑这种最考基本功的任务，Image 2.6“画地为牢”了。Seedream 5.5则说明，国产模型在多轮编辑的稳定性上，已经跑到国际头部模型前头。

目前Seedream 5.5已在即梦、豆包和豆包工作上线，感兴趣的小伙伴可以自己去试试喽~

One More Thing

再来一起欣赏一些Seedream 5.5生成的惊艳图片吧：