ByteDance's Seedream 5.5 Launches on Doubao and Jimeng, Tested with 100 Rounds of Continuous Editing
English text is being prepared.
ByteDance's Seedream 5.5 has launched on Jimeng, Doubao, and Doubao Work, focusing on precise editing and multi-round consistency. In the author's tests, Seedream 5.5 maintained better fidelity than GPT-Image 2.6 in a 100-round continuous editing task, with the latter beginning to distort around the 10th round. According to official information, the Seedream 5.5 API continues the two-part billing of input images plus output images, with text tokens not billed; editing a single 2K square image costs about 0.28 yuan, less than half that of Seedream 5.0 Pro.
Why read this
AI score 65
The author conducted hands-on tests involving 100 rounds of continuous editing, multi-image composition, and layer separation, demonstrating the new model's performance in multi-round consistency and precise editing.
Topics
Body
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)……
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:
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:
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~
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:
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
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
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?
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!
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~
再来一起欣赏一些Seedream 5.5生成的惊艳图片吧:
AI Trends