谷歌Nano Banana掀起的全球創(chuàng)作狂歡尚未消退之際，字節(jié)跳動又玩了把大的。近日，字節(jié)跳動開始內(nèi)測最新的豆包·圖像創(chuàng)作模型Seedream 4.0。與此前版本相比，Seedream 4.0首次支持多模態(tài)生圖，同一模型可以實現(xiàn)文生圖、圖像編輯、組圖生成，并在核心能力上迎來了顯著提升。

首先，主體一致性增強：無論是文本驅(qū)動還是圖像驅(qū)動，都能穩(wěn)健保持主體特征，避免“失真”與“錯位”。例如輸入提示詞：“將平視視角改為俯視視角，將近景改為中景，并把畫面比例改為 16：9?！盨eedream 4.0給出了如下圖這樣的效果：

其次，多圖靈活創(chuàng)作：支持文本、圖像的多維組合輸入，輕松實現(xiàn)參考生成、融合生成與編輯。例如輸入提示詞：“根據(jù)參考圖中兩個男生的形象，生成一組動作片分鏡，原比例?！鄙傻男Ч缦聢D：

再次，超高清、超高速直出：最高支持4K分辨率輸出，且推理效率大幅優(yōu)化，2K大分辨率圖像生成用時僅需數(shù)秒。

從更長遠的技術(shù)發(fā)展視角來看，多模態(tài)自由創(chuàng)作正成為大勢所趨。無論是文本驅(qū)動、圖像驅(qū)動，還是多圖融合，用戶都期待能以更自然、更隨心的方式與AI協(xié)作。

Seedream 4.0內(nèi)測一出，網(wǎng)友們就把它玩出了花。比如基于多圖融合能力，上傳兩張角色照片，再加上火柴人自拍動作，即可實現(xiàn)同框合影。輸入提示詞：“將圖1男子和圖2女子合進一張畫面，參考圖3姿勢?！毙Ч缦聢D：

或者動動嘴就能給模特一鍵換時尚穿搭，輸入提示詞：“給圖1模特穿上圖2的穿搭?！毙Ч缦聢D：

據(jù)了解，字節(jié)Seedream 4.0模型將很快在豆包、即夢全量上線，并通過火山引擎開放給企業(yè)客戶。

欄目編輯：張鈺蕓 題圖來源：采訪對象提供 圖片來源：采訪對象提供

來源：作者：新民晚報 金志剛