給大家介紹一下，這是我家一位練習(xí)時(shí)長(zhǎng)四年半的小狗：
我一直很喜歡這張照片，因?yàn)樗浞终宫F(xiàn)了家里所有人對(duì)它的嬌寵。
前兩天我拿到了豆包的Seedream4.0的內(nèi)測(cè)碼。
操作流程很簡(jiǎn)單：“打開(kāi)豆包App對(duì)話框→點(diǎn)擊【AI 生圖/生視頻】→點(diǎn)擊輸入框→選擇上傳參考圖→輸入文字指令”。
很多人跟我說(shuō)，這是中國(guó)的Nano Banana，尤其在精準(zhǔn)指令編輯方面，它經(jīng)常表現(xiàn)得甚至更加出色。我剛好在整理舊手機(jī)的相冊(cè)，準(zhǔn)備以除舊迎新的積極態(tài)度迎接果年春晚（不一定真買(mǎi)），于是干脆把這張照片扔給了Seedream4.0，并對(duì)它說(shuō)：
“給它戴上好看的華麗的豐富的首飾?！?/p>
這個(gè)prompt是我瞎想的，細(xì)究起來(lái)甚至是有點(diǎn)語(yǔ)病的。我想起現(xiàn)在網(wǎng)上到處都是教人寫(xiě)，像小作文一樣長(zhǎng)的Nano Banana的prompt，這樣去折騰內(nèi)測(cè)碼，其實(shí)是有點(diǎn)慚愧的。
然后Seedream4.0給我生成了一張毫無(wú)違和感的圖。
我立馬就不困了，因?yàn)檫@個(gè)照片還原度實(shí)在是太高了。
最絕的是，這狗雖然全身是珠寶，但珠寶都不亮，所有的反光都很克制——可以說(shuō)是完美地還原了北京老破小房間里的黯淡。
可不能就這么委屈了這滿(mǎn)身的珠寶。于是我對(duì)Seedream4.0說(shuō)，“將它置身于一個(gè)舞廳里?！?/p>
Seedream4.0不僅選了一個(gè)跟珠寶配色很搭的場(chǎng)景環(huán)境色，連珠寶的飽和度和亮度也明顯提高了，首飾的色澤跟隨環(huán)境的變化明顯更鮮艷了，毛發(fā)邊緣的光線散射也發(fā)生了變化，仿佛它真的穿越到了那個(gè)舞廳里。
它的還原度如此之高，以至于Seedream4.0簡(jiǎn)直變成了一種賽博阿拉丁神燈。
養(yǎng)過(guò)狗的人大概都知道，狗狗的表情很豐富，而且有一個(gè)完整屬于自己的世界。這件事情的副作用是，鏟屎官抓拍的表情經(jīng)常是懸浮于環(huán)境和場(chǎng)合的。但有了Seedream4.0的驚艷表現(xiàn)，我決定嘗試給不同的小狗表情配上不同的場(chǎng)景。
操作步驟與第一張圖的流程一樣，先換一身衣服，再換背景。這樣prompt的成功率很驚人，只要想好人物與場(chǎng)景的關(guān)系，幾乎沒(méi)有出現(xiàn)過(guò)因?yàn)樘卣髋で鴮?dǎo)致的廢片。
背景替換不是一個(gè)今天才有的功能，但Seedream4.0讓人驚艷的有兩點(diǎn)：
第一，它兼具精準(zhǔn)指令編輯能力與高度特征保持能力
你不希望它改變的地方，它都能完整保留下來(lái)。無(wú)論是照片里的水汽，還是毛發(fā)與皮膚的紋路，幾乎都沒(méi)有發(fā)生任何一眼可見(jiàn)的變化。
在圖片中，你看不到任何AI油光水滑的油膩感，或者自動(dòng)加噪引發(fā)的真實(shí)感，每一張圖片都是自然的。
第二，在“第一”的基礎(chǔ)上，它呈現(xiàn)了一定的世界觀的能力
比如，在酒店當(dāng)迎賓員的小狗，陽(yáng)光角度近似但不同，在脖子上留下的陰影角度也隨之有了細(xì)微的變化；叼著煙的牛仔，他的面部溝壑有輕微的加深；在航天飛船里，人的手臂也跟著小狗多出了一截太空服。
這些都不是簡(jiǎn)單的環(huán)境色渲染的結(jié)果，它們意味著模型已經(jīng)有了很實(shí)打?qū)嵉膶?duì)現(xiàn)實(shí)理解能力，只是它很克制，但你仔細(xì)看就能發(fā)現(xiàn)它無(wú)處不在。
為了進(jìn)一步探索模型對(duì)現(xiàn)實(shí)的理解和推理能力，我做了更多的嘗試。
這是我從unsplash下載的一張圖，圖里是一塊老式的俄制的老式指針式直流電流表。
我對(duì)Seedream4.0說(shuō)，“將指針移動(dòng)到右邊?！?/p>
說(shuō)實(shí)話我當(dāng)時(shí)有點(diǎn)驚訝，它對(duì)“右”的理解很精準(zhǔn)。在這張圖里，“右”不是一個(gè)橫向水平的正東的朝向，而是在20刻度線偏右一點(diǎn)的位置上，這與人們的日常經(jīng)驗(yàn)是完全符合的。
我繼續(xù)試驗(yàn)了一下文本推理能力，同樣是unsplash上隨機(jī)找到的一張訓(xùn)練圖。
我告訴Seedream4.0，將球衣數(shù)字換成“梅西在美國(guó)大聯(lián)盟的球衣號(hào)碼”。
Seedream4.0 自己確認(rèn)了準(zhǔn)確地球衣號(hào)碼，找到了球衣數(shù)字，再替換了球衣數(shù)字，甚至連球衣上的紋理都做了還原。
我在圖庫(kù)里剛好看到一道被故意算錯(cuò)了的數(shù)學(xué)題。
于是我讓seedream4.0將答案修改正確。
從以上圖片編輯的效果來(lái)看，Seedream4.0的文字編輯能力是很驚艷的。而在實(shí)測(cè)中，它甚至可以改變大段的文字。所以，你甚至可以在這個(gè)自然語(yǔ)言生成圖像的工具里，直接通過(guò)自然語(yǔ)言修改字幕了。
甚至你可以讓Seedream4.0嘗試更高階的玩法，讓它直接翻譯圖片里的中文。它在翻譯過(guò)程中，依然能保證畫(huà)面和文字的質(zhì)感是穩(wěn)定不跳脫的，上下的字體也都維持了原來(lái)的樣子。
只要你曾經(jīng)用過(guò)AI生圖工具，就會(huì)知道這件事情有多夸張。在此之前，只有nano banana算做到了這件事情。
測(cè)到這里，我想所有人腦子里都會(huì)自然而然地跳出，“這不就是中國(guó)的nano banana”。
所以我決定直接測(cè)一些nano banana的熱門(mén)demo。
比如，將之前的狗狗照片生成“手辦”圖。
還有許多人關(guān)注的OOTD（今日穿搭），我想在你們看到這篇測(cè)評(píng)的時(shí)候，OOTD已經(jīng)被不少同行給玩透了。所以我結(jié)合這次的圖片修復(fù)功能，為OOTD功能整一些不一樣的花活。
首先，我們請(qǐng)出學(xué)神愛(ài)因斯坦老師。這是它一張不多見(jiàn)的全身照。
然后我們告訴Seedream將它修復(fù)。
我從巴黎世家的官網(wǎng)找到了衣服、褲子和鞋子，于是有了一個(gè)跨越時(shí)空的穿搭。
可以看到Seedream4.0對(duì)整體產(chǎn)品的還原度都是在線的，褲子的做舊細(xì)節(jié)和鞋子的紋路都實(shí)現(xiàn)了還原。
（不過(guò)Seedream對(duì)合規(guī)的審核很?chē)?yán)格，名人穿搭不太容易過(guò)審，經(jīng)常會(huì)被ban，大家可以謹(jǐn)慎嘗試）
在文字直接生成圖片方面，Nano Banana 官方前段時(shí)間曾開(kāi)放了六個(gè)示例，涉及到了不同的能力側(cè)面。我想，谷歌方面試圖從這六個(gè)示例，以完整呈現(xiàn)其在不同場(chǎng)景的生圖能力。而且為了輔助用戶(hù)上手，Nano Banana 還貼心地給了prompt提示詞和對(duì)應(yīng)的生圖節(jié)奏。
對(duì)于一家AI媒體來(lái)說(shuō)，或許很難找到比這六個(gè)示例更能直觀展現(xiàn)Seedream4.0和Nano Banana的能力與風(fēng)格對(duì)比了。
因此我將這六個(gè)示例的prompt都導(dǎo)入了內(nèi)容，左邊是Nano Banana，右邊是Seedream4.0。Seedream 4.0有時(shí)會(huì)生成多張圖，考慮到Nano Banana提供的是官方示例，我也會(huì)選擇多張圖中自認(rèn)為最好的那一張。如果生成水平差不多，我就默認(rèn)選擇第一張。
示例一
A photorealistic close-up portrait of an elderly Japanese ceramicist with deep, sun-etched wrinkles and a warm, knowing smile. He is carefully inspecting a freshly glazed tea bowl. The setting is his rustic, sun-drenched workshop. The scene is illuminated by soft, golden hour light streaming through a window, highlighting the fine texture of the clay. Captured with an 85mm portrait lens, resulting in a soft, blurred background (bokeh). The overall mood is serene and masterful. Vertical portrait orientation.一幅逼真的特寫(xiě)肖像，描繪了一位年長(zhǎng)的日本陶藝家。他臉上布滿(mǎn)深深的、被陽(yáng)光刻蝕的皺紋，露出溫暖而洞悉一切的笑容。他正仔細(xì)端詳一只剛上釉的茶碗。場(chǎng)景設(shè)定在他那間質(zhì)樸、陽(yáng)光充足的工作室里。柔和的黃金時(shí)刻光線透過(guò)窗戶(hù)灑入，照亮了陶土細(xì)膩的紋理。作品由 85 毫米人像鏡頭拍攝，背景呈現(xiàn)柔和的虛化效果（焦外成像）。整體氛圍寧?kù)o而盡顯大師風(fēng)范。肖像采用豎版構(gòu)圖。（豆包翻譯）
相比于Nano Banana，Seedream4.0對(duì)“85 毫米人像鏡頭”的把控更好，鏡頭虛化效果的還原度更高，面部溝壑更自然。在前文提及的世界觀方面，Seedream4.0的陽(yáng)光感更好，一看就是夕陽(yáng)“黃金時(shí)刻”的陽(yáng)光，在房間里光漫射效果也很到位。
總體來(lái)說(shuō)，Nano Banana的AI感更強(qiáng)，屬于一眼AI圖；但Seedream4.0乍一眼，真的會(huì)以為是一張照片。
不過(guò)豆包似乎對(duì)“ freshly glazed ”的理解不太一樣，因此陶瓷的釉面沒(méi)有上完。因此，這個(gè)示例算平手。
示例二
A kawaii-style sticker of a happy red panda wearing a tiny bamboo hat. It's munching on a green bamboo leaf. The design features bold, clean outlines, simple cel-shading, and a vibrant color palette. The background must be white.一張可愛(ài)風(fēng)格的貼紙，上面是一只開(kāi)心的小熊貓，它戴著一頂小小的竹帽，正在啃一片綠色的竹葉。設(shè)計(jì)采用鮮明清晰的輪廓、簡(jiǎn)單的賽璐珞 shading 技法和鮮艷的色彩搭配。背景必須是白色的。（豆包翻譯）
都很可愛(ài)，個(gè)人喜歡banana的風(fēng)格，但Seedream4.0似乎更符合prompt里“vibrant color palette”的設(shè)定。
示例三
Create a modern, minimalist logo for a coffee shop called 'The Daily Grind'. The text should be in a clean, bold, sans-serif font. The design should feature a simple, stylized icon of a coffee bean seamlessly integrated with the text. The color scheme is black and white.為一家名為 “The Daily Grind” 的咖啡店設(shè)計(jì)一個(gè)現(xiàn)代簡(jiǎn)約風(fēng)格的標(biāo)志。文字部分采用簡(jiǎn)潔、粗體的無(wú)襯線字體。設(shè)計(jì)中需包含一個(gè)簡(jiǎn)約的、風(fēng)格化的咖啡豆圖標(biāo)，與文字無(wú)縫融合。配色方案為黑白兩色。（豆包翻譯）
Seedream的設(shè)計(jì)很不錯(cuò)，但banana更有巧思，banana勝。
示例四
A high-resolution, studio-lit product photograph of a minimalist ceramic coffee mug in matte black, presented on a polished concrete surface. The lighting is a three-point softbox setup designed to create soft, diffused highlights and eliminate harsh shadows. The camera angle is a slightly elevated 45-degree shot to showcase its clean lines. Ultra-realistic, with sharp focus on the steam rising from the coffee. Square image.一張高分辨率的工作室燈光產(chǎn)品照，主體是一只啞光黑色的簡(jiǎn)約陶瓷咖啡杯，放置在拋光混凝土表面上。燈光采用三點(diǎn)柔光箱設(shè)置，旨在營(yíng)造柔和、漫射的高光，消除生硬的陰影。拍攝角度為稍高的 45 度角，以展現(xiàn)杯子流暢的線條。畫(huà)面超寫(xiě)實(shí)，清晰聚焦于咖啡升起的熱氣。
這個(gè)提示詞的難度有點(diǎn)高，Seedream沒(méi)有理解三點(diǎn)柔光箱設(shè)置。所以我重新強(qiáng)調(diào)了，不要讓光源出現(xiàn)在圖片里。
雙方都是高度寫(xiě)實(shí)場(chǎng)景。但seedream4.0都符合了prompt的要求，角度抬高了45°，只是光源最后也沒(méi)有處理好。這一題就先放過(guò)。
示例五
A minimalist composition featuring a single, delicate red maple leaf positioned in the bottom-right of the frame. The background is a vast, empty off-white canvas, creating significant negative space for text. Soft, diffused lighting from the top left. Square image.一幅極簡(jiǎn)構(gòu)圖的作品，一片纖薄的紅色楓葉置于畫(huà)面右下角。背景是一片開(kāi)闊空曠的米白色畫(huà)布，形成大片可供添加文字的留白。光線從左上角柔和漫射而來(lái)。圖片為正方形構(gòu)圖。（豆包翻譯）
這張照片我仔細(xì)看了原圖，banana的官圖白色畫(huà)布也沒(méi)有出現(xiàn)“Soft, diffused lighting from the top left.”，在圖中，光線唯一的表現(xiàn)方式其實(shí)只有樹(shù)葉的陰影。
示例六
A single comic book panel in a gritty, noir art style with high-contrast black and white inks. In the foreground, a detective in a trench coat stands under a flickering streetlamp, rain soaking his shoulders. In the background, the neon sign of a desolate bar reflects in a puddle. A caption box at the top reads"The city was a tough place to keep secrets." The lighting is harsh, creating a dramatic, somber mood. Landscape.一幅漫畫(huà)單格，采用粗獷的黑色電影藝術(shù)風(fēng)格，以高對(duì)比度的黑白墨水繪制。前景中，一名穿風(fēng)衣的偵探站在一盞閃爍的街燈下，雨水浸濕了他的肩頭。背景里，一家荒涼酒吧的霓虹燈招牌倒映在水洼中。頂部的說(shuō)明框?qū)懼骸斑@座城市藏不住秘密。” 光線強(qiáng)烈，營(yíng)造出戲劇化的陰郁氛圍。畫(huà)面為橫版構(gòu)圖。（豆包翻譯）
雖然在谷歌官方的prompt提示詞示例里，的確是有“l(fā)anscape”和“荒涼酒吧倒影在水中”的要求，但示例卻沒(méi)有出現(xiàn)。而且Banana的光源也遠(yuǎn)談不上漫畫(huà)中“harsh”的要求。
Banana的構(gòu)圖更幽深，有藝術(shù)氣息，像電影的海報(bào)；但 Seedream對(duì)prompt的還原度更高，像電影里一段劇情開(kāi)始的第一幀。
整體來(lái)看，nano banana 和 Seedream4.0的效果各有千秋。
Nano banana像一個(gè)很有自己頭腦的藝術(shù)生，它似乎會(huì)選擇性地忘記一些指令，來(lái)達(dá)成一個(gè)在它看來(lái)可能更美的構(gòu)圖。但Seedream4.0則會(huì)認(rèn)認(rèn)真真完成prompt里的所有指令，完成度明顯更好。
而且這還是在英文語(yǔ)境下，豆包的語(yǔ)義理解有可能會(huì)吃虧的情況下完成的。更不用說(shuō)，以上都是谷歌的官圖，而我只是拿內(nèi)測(cè)版自己跑的圖。
在審美方面，Seedream4.0的成像效果明顯更加真實(shí)，有時(shí)甚至能達(dá)到讓人愣一下神，懷疑這究竟是不是AI生成的程度。而Nano banana的性能雖然強(qiáng)大，但依然有一種AI式的精致感，仿佛畫(huà)面抹上了一層AI的亮油。
結(jié)語(yǔ)
很多人將nano banana稱(chēng)之為生圖界的ChatGPT3.5時(shí)刻。
因?yàn)檫^(guò)去模型只能生成一些天馬行空的東西，但由于缺乏一致性，很難凝聚成有效的生產(chǎn)力。用戶(hù)花費(fèi)大量的token，才能撞出幾張有用的，最后生成一堆廢圖，費(fèi)電費(fèi)算力。
但Seedream4.0和nano banana這樣生圖模型，做到了精準(zhǔn)指令編輯、高度特征保持和深度意圖理解，不僅大大降低了普通用戶(hù)使用的門(mén)檻，也會(huì)極大提升創(chuàng)意人士的使用效率。
你可能也看出來(lái)了：相比于生成，我在使用Seedream4.0最快樂(lè)的時(shí)候永遠(yuǎn)是改圖。
因?yàn)樽層脩?hù)在照片上進(jìn)行修改，其實(shí)永遠(yuǎn)更符合人類(lèi)對(duì)空間和視覺(jué)的直覺(jué)的。
比如，我們想象一個(gè)阿拉丁神燈、一個(gè)無(wú)所謂不能的魔法師，它可以在這個(gè)世界里變出任何怪誕驚奇的玩意兒。但我們感受到“驚奇”的前提，首先是我們腳下的世界或者我們眼前的人是穩(wěn)定的。有了一個(gè)注意力的錨點(diǎn)，再去添加和改變新的元素，這才會(huì)有魔術(shù)師的視覺(jué)效果。
因此，在生圖領(lǐng)域，Seedream4.0和nano banana絕對(duì)是劃時(shí)代的產(chǎn)品，肯定會(huì)引發(fā)創(chuàng)意行業(yè)的新革命。
而且人與AI的關(guān)系也不再是博弈，而是合作。人的創(chuàng)意落地門(mén)檻會(huì)更低，一個(gè)好的想法、一個(gè)轉(zhuǎn)瞬即逝記錄下來(lái)的細(xì)節(jié)，都可以被AI放大成一個(gè)作品。
這里唯一的區(qū)別是，從GPT3.5出現(xiàn)，到DeepSeek V3，我們花了兩年時(shí)間。但從nano banana正式發(fā)布，到Seedream4.0上線，總計(jì)只有20天。
而且如前文所述，從許多體驗(yàn)和生圖效果上，Seedream4.0的體驗(yàn)其實(shí)比nano banana還要完美。
比如，在交互上，Seedream4.0表現(xiàn)得更加用戶(hù)友好。
這次官方內(nèi)測(cè)的平臺(tái)是豆包。有時(shí)用戶(hù)輸入一些非常簡(jiǎn)單的prompt時(shí)，豆包會(huì)主動(dòng)幫助補(bǔ)齊一些要求，比如“保持某某其他元素保持不變”、“保持原比例”；如果你故意輸入一些倒裝句，豆包也會(huì)在生圖時(shí)將句子改成規(guī)范的表達(dá)；如果你用模糊指向的詞語(yǔ)描述prompt，豆包也會(huì)在轉(zhuǎn)述時(shí)使用更加準(zhǔn)確的表達(dá)。
所以在拿豆包與Seedream4.0交互時(shí)，會(huì)時(shí)刻感覺(jué)到有一個(gè)小助手在邊上，幫你優(yōu)化向模型傳達(dá)的指令。用戶(hù)不用有任何的“prompt羞恥癥”，擔(dān)心自己的prompt不夠好，而導(dǎo)致效果不好——可以說(shuō)是非常“vibe”了。
此外，Seedream4.0在畫(huà)面生成的語(yǔ)言遵從能力也更強(qiáng)，也展現(xiàn)了驚人的世界理解與預(yù)測(cè)能力。
它不會(huì)放過(guò)一段冗長(zhǎng)prompt中的任何一個(gè)內(nèi)容，光線變化一定帶來(lái)畫(huà)面漫反射與影子的變化，有倒影就一定會(huì)出現(xiàn)倒影，提出了光線的方向就一定會(huì)呈現(xiàn)。
當(dāng) AI 真的可以See Dream了，人與夢(mèng)也就更近了。
如果Dream是人人都有的，那么人人也都可以成為創(chuàng)意者。
（本文來(lái)源：日照新聞網(wǎng)。本網(wǎng)轉(zhuǎn)發(fā)此文章，旨在為讀者提供更多信息資訊，所涉內(nèi)容不構(gòu)成投資、消費(fèi)建議。對(duì)文章事實(shí)有疑問(wèn)，請(qǐng)與有關(guān)方核實(shí)或與本網(wǎng)聯(lián)系。文章觀點(diǎn)非本網(wǎng)觀點(diǎn)，僅供讀者參考。）
