谷歌“香蕉”火了没多久，字节豆包就想让它“凉凉”

华语天空

 该图片属于AI生成

作者 | 阿虎 石濑编辑 | Kino



AI生图界，最近真是要过年了。


谷歌Nano Banana模型还没玩够，字节最新图像创作模型Seedream 4.0又来了。该模型的核心亮点是首次支持多模态生图，同一模型可以实现文生图、图像编辑、组图生成等多种任务。


简单来说就是，无论是用AI“无中生有”，还是用AI实现精准P图，Seedream 4.0都比以往版本的模型体验更丝滑、更可控。


更让我们期待的是，或许Seedream 4.0可以解决Nano Banana中文字生成不稳定、图片比例不可控等问题。对国内大多数用户来说，Seedream 4.0如果在性能上能打，那以后也不必大费周章非要用Nano Banana了。


目前，Seedream 4.0模型已陆续全量上线即梦、豆包App和扣子空间。我们第一时间上手，设计了几个贴近日常使用场景的实测案例，让Seedream 4.0和Nano Banana来了场PK，下面一起来看看“豆包大战香蕉”，谁会是新的P图之王？

连续修改同一张图人物保持不变




我们先是把一张马斯克的图片“喂”给了豆包和Nano Banana，让它们更换原图背景的同时保持人物表情不变。


原图：

背景图：

提示词：把图1背景换成图2。

可以看到，两个模型都遵循了提示词的要求。不过，左边豆包生成的图片色彩饱和度更高，右边Nano Banana更为严谨地引用了用户上传的参考图。


接着我们试着调整了一下图中马斯克发型和妆造。

提示词：把他的发型换成摇滚长发男，加上烟熏妆。

Nano Banana

 该图片属于AI生成

豆包

有一说一，豆包生成的摇滚长发男还真是那个味儿，虽然提示词里没有要求更改衣服和面部装饰，但它生成的图片确实更符合我们预期的想要生成的形象。


在创意发挥上，豆包更胜一筹，能举一反三生成更符合摇滚氛围的整体形象；而在指令的精准遵循上，Nano Banana的表现则更为严谨。但总的来说，AI生图模型在人物一致性方面确实保持得越来越好了。

生成真实感自拍图

提示词：请画一张极其平凡无奇的iPhone自拍照，没有明确的主体或构图感，就像是随手一拍的快照。照片略带运动模糊，阳光或店内灯光不均导致轻微曝光过度。角度尴尬、构图混乱，整体呈现出一种刻意的平庸感，就像是从口袋里拿手机时不小心拍到的一张自拍。主角是水豚（卡皮巴拉），背景是大学校园的宿舍里。

左边为Nano Banana；右边为豆包生成

豆包和Nano Banana都精准生成了水豚、宿舍等样式，还成功复刻了国内外大学寝室之间的差异性。


值得一提的是，实测过程中我们发现，Nano Banana支持基于上下文的多轮图片编辑，但豆包需要再次上传图片、下达新指令，体验稍显繁琐。

基于参考图生成宠物手办


另外，我们可以上传单张或者多张图片，再加上具体的指令，进行任何形式的图片编辑。

提示词：基于参考图，将角色转换为1/6比例的高完成度PVC静态手办的图片，图片中该角色置于手中，手办背后是一只较大的手办品牌开窗盒，正面透明塑料窗可看见同款手办的本体和配件。室内暖色灯光，柔和的45°主光+顶补光；单反摄影质感，50mm镜头，f/2.8，浅景深，真实PVC/ABS塑料反射，喷涂阴影、细微合模线与微划痕，桌面反射与颗粒感，背景轻微散景。

从左至右，分别是参考图、豆包生成、Nano Banana生成

米其林级别的可视化食谱

提示词：参照这张图的展示风格，把丝瓜汤的制作步骤变成可视化食谱

优雅，太优雅了。在这一轮的比拼中，两者可以说是棋逢对手，都生成了质感高级、菜谱清晰、风格统一的图片。有趣的是，在豆包的概念中，丝瓜汤是一定要配鸡蛋的，符合中式大厨的习惯偏好。


接着，我们再试试豆包和Nano Banana生成组图的能力，举个例子，我们只给一道菜名，看看AI是不是能生成前后相符的关联性图像，把整个制作过程“想象”出来。

提示词：手绘风格，做出一张丝瓜汤的制作步骤完整教程的长图，步骤说明要中文

豆包生成了4张连续图片

Nano Banana生成图片

在生成连续长图方面，两个模型都还有待完善，豆包还无法将整个制作过程完整地展示在一张长图上，而Nano Banana生成中文的能力依然是短板。


但让我们惊喜的是，豆包对漫画风格的一致性“拿捏”得很好。对于有分镜制作需求的漫画师、导演、创作者来说，它或许会是一个“好帮手”，更好地帮助你发散灵感。


最后，再给你们开开眼，当豆包家族“玩梗”丝瓜汤：

提示词：帮我生成图片：风格不变，把图中的女生变成老奶奶的样子，手里端着一碗绿色的丝瓜汤，下方写着文字“喝点丝瓜汤降降火”。比例 1:1。

帮我生成图片：风格不变，把图中的男生变成老大爷的样子，戴着老花眼镜，用手指着镜头，下方写着文字“那你错了”。比例 1:1。

提示词：让这四个人围坐在一个饭桌前，桌上摆满了用丝瓜做成的菜，背景是家里的餐厅，比例16:9

 该图片属于AI生成

话说回来，自从前两周Nano Banana掀起生图热潮以来，网友们发掘出了成百上千个AI生图的“邪修玩法”，甚至有报道直言“属于AI生图的ChatGPT时刻来了”。


从我们的实测来看，这场对决没有绝对的赢家，更像是两位高手过招。尽管两者在细节上仍有所欠缺，但两者的价值或许不在于一时的技术比拼，而是在一次次技术进步中，用越来越低的门槛，推动我们迈向一个AI生图的新时代。

咖啡豆

字节Seedream 4.0功能更全，AI生图竞争推动技术进步

superjiaming

Seedream 4.0多模态生图就像瑞士军刀，文生图到组图一把抓，虽然豆包组图连贯性还差些，但创意发挥比Nano Banana强多了，这迭代速度真香

诛仙九妹

豆包迭代总会让我惊艳