太上头了，字节的新模型

walysj

早在六月时，就有朋友对我说，这一轮 AI 浪潮中，国内可能只有字节跳动，是唯一能够在模型和应用方向都拿到船票的公司。现在想想，他的话还真有几分道理。
Nano Banana 火爆出圈之后，字节很快也发布了自己的图像创作模型 Seedream 4.0。从目前我的实测效果来看，它在中文、动漫等场景的能力是完全超过 Nano Banana 的。说真的，确实有点猛。
而且，上周我刷 X，看到 Seedream 一口气拿下了知名第三方评测机构 Artificial Analysis 的文生图和图像编辑榜单的双第一。

今年前半年，大家应该记得，依靠 GPT-4o 的吉卜力风格图片生成能力，ChatGPT 的用户迅速突破了 5 亿大关。那时候，我的感觉是，目前 AI 产品破圈，多模态确实是一个重要的方向。
这次，无论是 Nano Banana，还是 Seedream，他们的商业价值我们都已经感受到了。
举个很简单的例子，我朋友做小生意，周末我告诉他，你没必要再找外包给你做那些蹩脚的宣传图了。只要你会用豆包，那现在 AI 完全可以快速生成出来比之前水准还要高的照片。
我哥们不懂 AI，我说你就找个 00 后的小朋友，我教他一天，他就能会。
今天他已经开始行动了。
Seedream 4.0 给我的感受是，指令的遵循和理解能力特别强，而且生图的速度也比上一代模型快了很多。这是一个里程碑式的突破。除此之外，它还有下面几个优点：
1、抠图能力强。在背景很复杂的图里，它也能认出主体，替换、增删都干净利落，边缘自然，不会出现穿帮的破绽感。
2、支持多图融合。可以同时输入多张参考图和文字，把不同元素自由拼在一起，风格统一，构图自然，生成效果很可控。
3、中文排版靠谱。中文不再乱码，标题、副文都能清晰排版出来，不用再一张图一张图手动修字。
4、画质极高。能直接生成 4K 图，细节非常到位，放大看也不糊，用来做电商图、海报这些都完全够格。
除了在豆包和即梦外，我们还可以在火山方舟中免费体验 Seedream 4.0，而且支持生成 4K 图片。很多人不知道这个入口：

https://event1.cn/5LGO92

接下来，我给大家分享下我最近玩的一些有实际意义的案例。
#01
生成好看的海报

这两天，罗永浩和西贝的事情闹得沸沸扬扬。我在朋友圈看到一张罗永浩的海报，感觉设计感还不错。灵机一动，我在想，这种图片，Seedream 能不能直接出图。能的话，那后面肯定能省不少功夫。

我在网上找了马斯克的图片，然后截了他的某个 X 帖子，然后输入下面的提示词：
模仿图一重新做一张图。要求新图背景是蓝色的，人物是图二中的人，手里拿的牌子是图三，图三不要做任何改动，包括文字，文字排版，头像和上面显示的时间，直接让图二人拿手上。背景上方文字是两行，第一行是“机器人”，第二行是“太难做了”。

下面是最终生成的图片，我去，太酷了。
 该图片疑似AI生成

#02
手机壁纸

Guim Tió 是西班牙的一位年轻画家，我一直很喜欢他的作品。那种带着童话感的色彩和温柔的笔触，总能让人一下子安静下来。前阵子我在 Instagram 上刷到他的新画，忍不住截了几张收藏起来。

现在，我可以让 Seedream 4.0 参考这种风格帮我生成一张手机壁纸。下面是我的提示词：
根据参考图的绘画风格进行创作，生成一张保持相同风格特征的全新图片。要求整体画面与参考图在色彩、笔触、质感、氛围和艺术表现方式上保持一致，但不必照搬具体内容。图片的内容是：秋天丰收的田野里，几个小朋友在开心的奔跑。

下面是最后生成的效果图：
 该图片疑似AI生成

有了壁纸，我们还可以接着生成一张手机和壁纸结合在一起的展示图。以前这种图肯定得让设计师来 P，现在我觉得已经没这个必要了。AI 可以直接干。下面是我的提示词：
在桌面中央平放一部 iPhone 17 手机，宽高比是 19.5：9 ，第二、第三、第四张图是 iPhone 17 的照片。周围自然摆放耳机、平板、笔和台灯底座等物品，整体画面真实写实，光影柔和，突出日常桌面氛围。手机屏幕中显示第一张图的画面，比例和角度与屏幕自然契合，光影和反射效果融合协调，使其看起来就像手机本身正在展示该画面，真实可信。

咱们看看效果，左边是壁纸图，右侧是放到手机上的实景图：
 该图片疑似AI生成

#03
生成冰箱贴

冰箱贴算是文创产品里最常见的一类了。在很多景区的小店里，总能看到它的身影，有些游客也会买一两枚当作纪念。我就想着，不如让 Seedream 4.0 来试试看，能不能直接把地标建筑做成一套冰箱贴。
我的提示词是：
设计一款文创半圆形状金属冰箱贴。将图片中的建筑变成 Q 版冰箱贴，冰箱贴放在一个精致的礼品盒里面。
下面左图是我上传的天坛祈年殿图片，右图就是 Seedream 生成的冰箱贴效果图。真的有那种小小一枚、精致可爱的感觉，想象力被打开了。
 该图片疑似AI生成

#04
头像和证件照

再尝试生成一个简笔画风格的头像，以及证件照。下面是我的提示词，我随手附了在家里拍的照片，光线很暗，人很黑，咱们看看 AI 能不能出图。
根据参考图，设计两张人物形象：一张是简洁清爽的 Notion 风格头像，线条极简、配色柔和；另一张是证件照，构图端正、细节清晰，整体呈现干净专业的感觉。

效果不错，下图是 AI 一次性生成的效果，我已经很满意了。

证件照如果是我想红底的，也没问题，继续告诉他，我要红底的证件照：
 该图片疑似AI生成

#05
中秋海报

中秋节快到了，我们也该做一张海报。可这几年网上的中秋海报，看来看去都差不多：背景是一轮巨大得不太真实的月亮，上面端端正正地压着几行大字，冷冰冰的，几乎没有一丝烟火气。看完很难让人联想到团圆的温情，只像是一个任务式的节日符号。而我心里想象的中秋，不该是这样的。那应该是一幅柔和的画面：一家老小围坐在老院子里，竹椅吱呀作响，桌上摆着刚泡好的热茶、切开的月饼，还有几盘新鲜的应季水果。
大人们轻声闲聊，脸上带着岁月打磨后的安稳笑意，孩子们在院子角落追逐打闹，月光悄悄落在他们发亮的额头上。
远处的夜空深蓝而澄澈，天边挂着一轮不张扬却很圆满的月亮，像是悄悄守望的眼睛，把整个院子都笼在一种安宁的喜悦里。
我把我的想法，告诉给了 Seedream 4.0：

下面是我抽卡三次后，选中的两张图片：

#06
绘本

之前，Gemini 曾经上线了一个名为 Storybook 的新功能。用户只需输入一句话，就能自动生成一本完整的故事书。故事书每一页都配有精美的插图和生动的文字描述，非常适合儿童阅读。这一次，Seedream 4.0 也已经具备了这个能力。参考下图，选择故事书之后，输入自己的提示词就行。有喜欢的参考图，你可以上传，或者直接纯文字也能够搞定。

下面是我的提示词：

还有最终生成出来的效果：

#07
建筑漫画

电影《浪浪山小妖怪》里，有个细节让我印象特别深，他们把很多熟悉的中国传统建筑，做了艺术化的处理。原本那些沉静、端庄、规整得近乎严苛的殿堂、牌楼、街巷，被他们画出了另一种气质：瓦片不再一片片工整排列，而是微微翘起，像风能吹动的羽毛；屋檐也不是笔直的线条，而是像动物的脊背一样，带着一点弧度的生气。这种处理，一下子让建筑变得鲜活、灵动，甚至有点像会眨眼睛的生物。那一刻我突然觉得，原来建筑也可以不是冰冷的，而是有生命的存在。
下面是我的提示词：
参考左图，生成一座中国传统寺庙的二次元动漫风格插画，仅保留单层结构。寺庙上的文字必须与参考图一致，并保持清晰，同时带有自然破损痕迹，其余部分完全自由发挥，不必与参考图相同。墙面与柱子自然破旧，比例协调，不穿帮。前景去掉所有遮挡寺庙的元素，去掉寺庙上的牌匾，画面保持完全通透清晰。地面砖面参考乡下破瓦房风格，呈现严重自然破损，裂纹、磨损、风化痕迹明显且符合真实破坏逻辑。寺庙屋顶参考右图，并借鉴乡下破瓦房的风格，呈现真实自然破损效果，裂纹、斑驳、风化与褪色合理且符合建筑破坏逻辑，不显叠加或分层感。整体采用二次元清晰线条、赛璐璐上色、柔和低饱和色彩，呈现古朴沉稳的氛围。天空柔和动漫蓝，树木低饱和二次元风格，细节丰富，营造独特的二次元破旧美感。

#08
连环画

我家孩子特别爱看连环画，于是我就想着，干脆让 Seedream 4.0 帮我一起做一套属于她自己的。提示词我写得很简单：
生成多图，画面比例设成 3:4，一共 8 个分镜，整体风格是 Q 版治愈系，故事内容就是《小马过河》。
最妙的是，Seedream 根本不需要我多做解释，它一听到“小马过河”，就能明白这是个讲勇气与判断的故事，于是画出来的小马会先犹豫、再尝试、最后坚定地迈过河流。整套画面不仅可爱，也把故事的情绪节奏拿捏得很准。
孩子拿到这套自己专属的连环画时，兴奋地一页页翻着看，还不停补充自己的想象。我忽然觉得，AI 真是让想象力变得可以被触摸的一件事。

#09
小红书海报

还有经常我会在小红书上看到一些有趣好看的封面，比如下面这种，现在也完全可以用 AI 生成了。我挑了几张自己收藏的封面图，让 Seedream 4.0 生成了一组。颜色、排版、氛围都还原得很到位，而且几分钟就能出图，效率完全不是一个量级。
所以，未来多数的图片，其实 AI 都能够直接搞定，能不能让 AI 做出来有质感的图片，更多是考验我们的审美能力。

#10
写在最后

https://event1.cn/5LGO92

玩到最后，我忽然意识到一件事：我再也不用会画画、会修图，才敢去想象画面了。
现在只要有念头、有冲动，Seedream 4.0 就能把它立刻拉到眼前。那一瞬间会让人觉得，创作这件事，好像终于轮到我们每个人都能做了。
想基于 Seedream 4.0 做应用的话，可以直接在页面右上角的 API 接入菜单。
模型的能力只是一方面，好的应用还需要更好的交互，更多的 Context，比如儿童绘本，就不仅要会出图，还得理解故事的情节节奏、人物性格、年龄段审美这些语境信息。

而这恰恰是接下来更值得期待的部分：当图像生成不再稀缺、不再昂贵，真正的差异化就会转向谁能把模型和场景结合得更好，谁能做出真正解决问题的东西。
也许这正是字节最值得关注的地方：不只是做出了一个厉害的模型，更是把它变成了人人都能用起来的工具。

最后，以刚刚我在 X 上刷到的帖子作为今天文章收尾吧。纯粹的自由创作的时代彻底来了。
是的，也许 Seedream 4.0还不够完美，但不可否认，它也已经迈过了可用的水准，况且，技术的发展速度这么快，我相信，新的版本已经在路上。

qqwa1234

有用但更期待下一次更新，距离生产力还是有点距离。

陪着寂寞看孤单

豆包反正不咋地，问个家常里短可以。