100轮图像编辑这道「毙刷题」，新出的Seedream 5.5稳上来了！

金磊 发自 凹非寺
量子位 | 公众号 QbitAI

说真的，即便强如新出的GPT-Image 2.6，遇到连续编辑100轮图像这种高压任务，也得大喊那句“名人名言”：

我画地为牢啊，厉娜！

例如我们先给Image 2.6输入下面这张原始图片：

然后再把包含100轮任务的提示词丢进去，每一轮就是让手表里的时间增加1秒钟，并且把上一轮生成的图片作为下一轮的输入：

但看似非常简单的任务，Image 2.6生成的结果却是这样的（为了方便看变化，我们把100张图做成了一个视频）……

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

可以明显地看到，其实在第10轮左右，原始图片就开始发生了畸变，而且越往后，图片失真程度就越严重。

这要是放到真实工作场景里，那简直就是大大大大麻烦了。

But！！！

一个新出的国产生图AI，却能hold住这个高压任务！来看下结果：

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

虽然在后期的轮数中，依旧是存在一些畸变的情况，但整体却要比Image 2.6要保真得不少。

而这个新国产生图AI，正是来自字节的Seedream 5.5。

上面的任务，便是在豆包里调用新模型来执行的。

不过，100轮编辑不崩，还只是Seedream 5.5这次更新的一隅。整体看下来，它的亮点还包括：

• 真实感提升：人物、材质和光影更像真实拍摄的，几张图拼在一起也不容易穿帮；
• 小字与多语言渲染：海报、标签、信息图里的字基本不会写错，还支持多种语言；
• 透明图生成与编辑：能直出透明底的图（PNG），省掉繁琐的抠图；也能把成图拆回图层，单独改文案、出不同语言的版本。

不仅如此，Seedream 5.5现在生成的速度也比之前的版本要快上不少；与此同时，据官方信息，Seedream 5.5 API延续“输入图 + 输出图”两段计费结构，文本 Token 不产生费用。以2K方图编辑为例，单张成本在 0.28 元左右，不到 Seedream 5.0 Pro 一半。

光说不练假把式，那么接下来，一波深度实测走起~

来一波“可劲儿造”的实测

更复杂的连续编辑

第一轮实测，我们就在豆包里，再来一波更复杂的连续编辑任务。

刚才的100轮编辑，只是针对图片里手表的时间来展开；而这一次，我们基于一张写实的客厅照片，对各个细节内容做连续编辑：

为了方便看效果的对比，我们依旧是把10张照片做成了视频：

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

这一轮考验的正是大模型的记忆力。

因为每一轮的输入都只是上一轮的输出，模型看不到最初的原图，所以后边的步骤，若是一步错，便会步步错，误差是会累积的。

而这正是Seedream 5.5这次主打的精准编辑与多轮一致性。

合成一张高端广告

第二轮实测，我们来一个贴近工作场景的任务——多图合成广告。

为此，我们提前先准备好了三张输入图片，分别是一张女性模特图、一张包包图，以及一张背景图：

然后提示词也是比较简单：

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。

仅仅1分钟后，高端商品广告大片就做好了：

这三张输入图的拍摄条件完全不同：模特是影棚柔光，手袋是静物侧光，背景则是户外直射阳光。

而多图融合的难点，就在于要让它们看起来像是同一次拍出来的。

从成片来看，模特从站姿换成了坐姿，西装面料、手袋的斜翻盖和金属环提手都保留了下来，手袋的大小也符合真实比例。

这正是Seedream 5.5在多图融合上的升级：主体之间的尺寸、透视和光照关系更协调。

包括一些半透明的PNG素材，Seedream 5.5现在的组合能力也是相当之稳。例如我们这次直接上传5张PNG：

然后附上这样的Prompt：

使用上传的5张透明PNG素材，组合并重新渲染为一张完整的卡通果冻风格主视觉。画幅16:9，分辨率3840×2160。主题为“果冻水果漂浮乐园”，像高品质动画电影的甜品世界宣传画，清新、轻盈、有明确构图和空间层次。

半透明素材，一直是生图模型的难点。

因为透明PNG的边缘处理不好，就会出现白边、灰边；而果冻这类材质，还要处理透光、折射和带颜色的阴影。

从结果来看，紫色圆环能透出后面橙子的颜色，地面阴影也带着各自素材的色调，前后遮挡关系也很清楚。

还以为是电影截图

说到真实感，就不得不测一下AI生成电影感镜头画面方面的能力了。

这一次大致的提示词如下：

凌晨五点，冬季的巴黎，一家尚未营业的老咖啡馆内，一位四十岁左右的女性独自坐在临街窗边，身穿深灰色羊毛大衣，围巾松开，双手自然围住桌上的白瓷咖啡杯……

虽然我们让Seedream 5.5一口生成五张2K高清图片，但速度可以说是极快的，几乎就是在1分钟内 完成：

判断一张图像不像电影截图，首先要看光。

这张图里有两种光源：窗外凌晨偏冷的天光，和店内暖黄色的壁灯，人物脸上和大衣上的冷暖过渡得很自然。

细节上，窗玻璃上有人物淡淡的倒影，窗外的街道、车灯做了浅景深处理；人物的皱纹、松开的围巾和略显疲惫的神情，也更像真实的普通人。

对影视行业来说，这样的画面已经可以用于前期概念图、分镜和氛围参考。

超多字的海报轻松hold住

除了真实感之外，好的生图AI还得是能稳稳拿捏超多小字的科学海报的。

为此，我们就让Seedream 5.5围绕最近比较火的“世界模型”来做一张：

这张海报的信息密度非常高，从主标题、模块标题、正文小字到页脚的资料来源，至少有四五层字号。

即便放大看最小的那一层，文字依然清晰，几乎没有乱码。

除了中英文，页脚还有一行日文“世界モデル”，公式里的上下标、变量说明也都一一对应；插画里A、B、C三条路径和t1、t2、t3的标注，也和文字说明对得上。

这对应的正是Seedream 5.5的小字与多语言渲染，以及图文排布能力。

看一眼动作就能“模仿”

这次升级后的Seedream 5.5还有一个特点，那就是它对于复杂动作是可以做到看一眼就会的。

例如我们准备了一张最近比较火的闪身步照片，以及一张人物图像：

我们把这两张图一次性“喂”给豆包，然后简单来一句：

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。

同样是仅耗时1分钟，动作就直接迁移好了：

这个任务的难点在于动作要从第一张图里拿，人物要从第二张图里拿，两边的信息还不能串。

从结果来看，大跨步的站姿、重心偏移、手臂的位置都迁移了过来，连侧头的神态也跟上了；而人物的长相、穿着和影棚背景，都和原图保持一致，画幅也扩展成了16:9。

而且即便是一口气输入9个人的图像，Seedream 5.5依旧能把他们按照指定的姿势稳稳地给生成出来：

这背后，便是Seedream 5.5对人体姿态的理解，以及对人物一致性的保持。

拆分成可编辑的图层

下面的实测，是一波反向操作。

我们先准备了一张成品的图像，目标是先把图里的各个关键元素给拆出来，然后再按需编辑成不同版本。

拆分图层的Prompt是这样的：

请将这张香水广告成图拆分为可继续编辑的图层，保持原画布16:9、原始构图、比例、色彩和物体位置。使用实际图层拆分与文字识别功能，不生成“图层示意拼图”。

可以看到，商品图已经被Seedream 5.5按照要求拆分成了不同的图层。

接下来，我们就继续让它做细节的调整，变成适合英文市场的商品图。Prompt大致如下：

基于已经完成拆分的原始广告项目制作本市场版本。不能依次翻译上一市场版本。输出一张16:9、3840×2160的完整广告成图，并在入口支持时同时保留可编辑项目。
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。

为什么要拆图层？

因为以前AI生成的成图是“一整块”，哪怕只改一句文案，也得整张重新生成，或者让设计师手动修。而拆成图层后，改字就只动文字层，其他部分原封不动。

对比两张图可以看到，背景、香水瓶、礼盒、佛手柑、雪松枝和光影都和原图一致，包装上的STILL、07、EAU DE PARFUM也一个字没动。

变的只有文案，而且并不是逐字直译：“让日常，慢下来”变成了“A MOMENT, JUST FOR YOU.”，“探索香气”变成了“FIND YOUR SCENT”，字体也换成了适合英文的衬线体。

这一步用到的，正是Seedream 5.5的图层拆分与文字二次编辑能力。

对出海品牌来说，这就意味着一套主视觉，可以快速做出多个市场的版本。

GIF？当然也可以

最后，我们来实测一下之前Image 2.6火爆的GIF玩法。

图片还是直接沿用刚才“闪身步”的那个案例，这一次我们让它动起来。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。

然后，一个符合要求的GIF，就这么水灵灵地诞生了：

所以，从整体实测结果来看，Image 2.6能做到的，Seedream 5.5也能做到；Image 2.6做不到的，Seedream 5.5还是能做到。

香！

Seedream 5.5：不用画地为牢了，厉娜

有一说一，现在生图圈子里，真的已经不缺能出好看图片的AI了。

缺的是在编辑、改动50次，甚至100次的时候，还能保持稳定的那种AI。

这其实也是在这次实测过程中，Seedream 5.5让我们印象最深的一点。

而改得准、改得稳，恰恰是电商场景最需要的。

商品图、电商主图几乎每天都要二次修改，换个颜色、换套衣服、换张背景，或者改句文案。现在这些都能在同一张主图上连续完成，一张图就能衍生出一整套SKU版本；再加上透明图直出、图层拆分和多语言改字，中间好几道工序都能省掉。

影视和内容制作同样能用上。

因为多图融合时，人物、道具和场景之间的尺寸、透视和光照都能对得上，参考图就可以直接合成概念图和分镜；而像巴黎咖啡馆那样的真实感，也足以进入前期视觉开发。

设计和营销物料也是如此。

海报、信息图和活动页里最磨人的就是小字，以前设计师还得一个个补字、修字，现在密集文案和多语言文字可以直接排好。

再加上前面提到的价格优势，能力接近第一梯队，价格却在往下走，对每天要大量出图的中小商家和内容团队来说，这笔账很好算。

最后，再回到开头那句“名人名言”。

在100轮编辑这种最考验基本功的任务上，Image 2.6“画地为牢”了，而Seedream 5.5则证明了，国产模型在多轮编辑稳定性上，已经走到了国际头部模型的前面。

目前，Seedream 5.5已经在即梦、豆包和豆包工作上线，感兴趣的小伙伴可以亲自试试喽~

One More Thing

再来一起欣赏一些Seedream 5.5生成的惊艳图片吧：