100轮图像编辑这道「毙刷题」，新出的Seedream 5.5稳上来了！

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 100轮图像编辑这道「毙刷题」，新出的Seedream 5.5稳上来了！ 十三 2026-11-10 10:48:22 来源： 量子位 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