测试 Seedream 5.5 的稳定图像编辑与会说话的头像

发生了什么

Baoyu 通过生成一个会说话的卡通头像，并反复编辑一张细节丰富的游客照片，测试了字节跳动的 Seedream 5.5。在头像测试中，11 张编辑后的图像均符合作者的像素差异标准；在照片测试中，10 轮里有 8 轮未改动区域与上一张图像的像素完全一致。文章还报告了混合语言文本效果参差不齐、透明背景图像中的玻璃不透明，以及姿势参考测试成功。

接下来读什么

• 今日还有哪些重要变化Google DeepMind 推出 Gemini 4 Hydrogen，加速智能体工作流

这件事到目前为止

字节跳动发布了 Seedream 5.5，这是一款图像生成与编辑模型，目前正通过即梦、豆包、豆包工作台和火山引擎 Ark 陆续开放；开发者可在 Ark 上以 Doubao-Seedream-5.5 的名称试用。字节跳动称，该模型在最多 100 轮编辑中能以像素级精度保留图像中未更改的区域，并可生成带透明背景的原生 RGBA 图像。Pro 版本计划推出。 在测试中，宝玉发现，对一张游客密集的照片进行 10 轮编辑后，其中 8 轮的未修改区域与前一张图像逐像素完全相同；对一款会说话的卡通头像进行的 11 次编辑也都符合他的像素差异标准。他还报告称，多语言文本和透明背景图像中的不透明玻璃效果表现参差不齐。字节跳动报告称，严重文本错误率为 0.4%，低于上一代的 2.8%；并表示编辑真实感比 Nano Banana 2.1 低约 6%。 据报道，编辑 2K 方形图像的成本约为每张 0.28 元，不到 Seedream 5.0 Pro 成本的一半。按 API 定价模式，文本 token 不收费。