用 AI 生成一張漂亮的海報，可能只需要幾十秒，但想讓它達到真正能交付的標準，麻煩才剛剛開始。
改個產品顏色，背景跟著變了；調整一句文案，人物五官卻走樣了；想把素材單獨摳出來復用，還得重新折騰一遍。AI 越來越擅長畫圖，卻還沒完全學會像 Photoshop 一樣精準改圖。
就在剛剛，字節跳動發布新一代圖像創作模型 Seedream 5.5，主打像素級精準編輯、百輪修改不崩壞、支持原生 RGBA 透明素材和小字渲染、攝影質感等能力，將 AI 生圖進一步帶入專業圖像編輯領域。火山引擎將於本周上線 Seedream 5.5 API 服務。
從一句話生成圖片，到一句話精確修改圖片，AI 生圖正在向「AI 版 PS」邁進。這次也化身難纏甲方，認真體驗拷打這款生圖模型的實際水平如何。
從 iPhone Duo 到《持械入宋》，AI 改圖終於有了像素級控制力
Seedream 5.5 的像素級精準編輯和多輪一致性，究竟能做到什麼程度？我們決定拿已經發布的 iPhone Duo 做個實驗，看看能否通過連續修改，把它變成一台復古磁帶播放器。
初始畫面中，一台半摺疊的 iPhone Duo 被雙手捧在掌心，左右兩塊螢幕展示不同的界面。我們的目標是通過連續修改，將其中一塊螢幕改造成復古磁帶播放器，同時儘可能保留手機本身的設計。
整個過程以上一輪圖片為基礎，先刪除多餘組件、更換壁紙，再逐步調整界面布局，添加專輯封面、播放控制項和磁帶元素，直到右螢幕變成一台頗有年代感的磁帶播放器。
最後，我們又提出一個更大幅度的修改要求，將原本乾淨的白色背景換成黑膠唱片店，讓整個畫面從產品展示圖變成一張復古風格的商業宣傳圖。
經過連續多輪修改，Seedream 5.5 依然保留了手機的主體結構與已經確認的設計元素，體現出 SOTA 水準的局部編輯能力。
如果說 iPhone Duo 考驗的是產品結構和 UI 組件能否在反覆修改中保持一致，那麼接下來，我們決定給 AI 上點強度，看看面對更複雜的多人物構圖，它能否兼顧精準編輯與藝術表現力，讓一張電影海報在連續修改中依然保持統一的美感和視覺風格。
最近 AI 短劇《持械入宋》頗受關注，我們也參考這個靈感，嘗試通過 18 輪連續編輯，將一張現代五人群像海報改造成古裝懸疑電影《誤入汴京》的宣傳海報，看看人物、構圖、光影和電影氛圍能否經得起反覆調整。
從最初的現代人物造型開始，我們逐步提出修改要求，先調整五個人的站位和服裝，再將背景替換為古代城門，隨後添加雨幕、冷色調電影光影，最後加入中文片名，讓整個畫面逐漸擁有古裝懸疑大片的氛圍。
多人物場景的難度顯然更高。五個人的面部特徵、服裝、站位和前後遮擋關係需要同時維持一致，尤其是在修改背景和光影時，模型很容易把人物也重新生成一遍。
但從最終結果來看，Seedream 5.5 在連續 18 輪修改後，依然較好地保留了人物身份特徵和此前確定的構圖，讓同一張海報能夠沿著新的創意方向持續完善。
緊接著，我們又讓它完成了兩組更貼近日常設計工作的任務。
一組是為原創咖啡品牌「周一續命」製作新品海報，從冰拿鐵的杯身顏色到文字、背景和局部裝飾，連續提出十幾輪修改要求，觀察已經滿意的桌面紋理、光影與產品細節能否保持原樣。
另一組則是辦公室桌面插畫，在三個咖啡杯、五本筆記本、兩盆綠植和其他雜物中，要求 AI 只修改左下角藍把手的杯子，考驗它能否從大量相似物品中準確識別目標。
幾組測試下來，Seedream 5.5 給人最直觀的感受，就是修改時終於不用總擔心其他地方跟著遭殃。
要知道，傳統 Photoshop 可以通過選區、圖層和蒙版精確控制編輯範圍，而生成式 AI 在修改局部內容時，往往會重新計算周圍的畫面。連續修改的次數越多，人物、結構和細節出現偏移的風險也就越高。
Seedream 5.5 的進步，恰恰體現在讓該修改的地方發生變化，同時儘可能保留已經確認的內容。即便放到 ChatGPT Images 2.6、Nano Banana 2.1 等頭部模型的競爭中，它在多輪編輯一致性上的表現也展現出爭奪行業最佳的水平。
這也是 Seedream 5.5 這次更新的一大亮點：將多輪一致性作為重點，支持上百輪連續編輯，減少細節丟失與畫質衰減，根據用戶不斷提出的新想法，持續完善每一張圖。
可以說，後面每一項測試都建立在這一節的地基之上：只有成果能被留住，文字、質感與素材的比拼才有意義。
Seedream 5.5 的寫實野心，從一張手機自拍開始
當然，打工人做圖也不止是跟文字資訊圖死磕，很多時候商業宣傳海報里得塞進幾個 AI 模特，平時在生活里大夥也免不了想搓幾張氛圍感人像拿去發個社交平台。
但偏偏人像寫真，正是過去所有 AI 生圖模型最容易當場露餡的照妖鏡。
為了測試 Seedream 5.5 的寫實能力，我們在提示詞中模擬了多種日常手機拍攝場景，並詳細描述光線、皮膚紋理、運動模糊等攝影細節，看看模型能否生成接近真實隨手拍的畫面。
圖｜3:4 豎幅，超寫實 iPhone 前置攝影機近距離自拍，呈現剛起床拿起手機時意外留下的生活照片。人物一隻手向前伸出，手機略偏向面部右側，鏡頭接近眼睛高度，構圖傾斜，頭頂略被裁切，肩部自然鬆弛。嚴格保留參考圖像中身份特徵、五官、髮型及身體比例的同一位年輕成年東亞女性，穿寬鬆棉質上衣站在酒店窗邊，身後可見失焦的床鋪、半開的行李箱與牆角。清晨陰天的自然光穿過薄紗窗簾，從畫面一側形成面積較大的柔和光源，靠窗面頰明亮，遠側面頰逐漸變暗，下頜和頸部保留寬而柔軟的陰影。皮膚呈現未經修飾的真實狀態：鼻翼與面頰內側可見細小毛孔，眼下有輕微浮腫和細紋，臉頰局部淡紅，嘴唇略干，額頭只有少量自然皮脂反光；細小絨毛僅在適當的側光角度下顯現。膚色在額頭、面頰、眼周和頸部存在自然差異，不將整張臉處理成統一色塊。亮窗允許輕微過曝，室內背景曝光偏暗，保留輕度手機壓縮感，不使用美容濾鏡、強 HDR 或誇張的毛孔銳化。
演唱會散場後的自拍，需要保留凌亂頭髮、額頭薄汗、便利商店冷白光與招牌反光，以及局部過曝、暗部噪點和路人拖影。深夜計程車后座的人像，則充分表現了路燈經過時半明半暗的臉部，以及皮膚上的毛孔和油光。
酒店清晨、便利商店冰櫃、健身房過道、燒烤攤和老公寓廚房，也被用於觀察不同照明下的膚色、陰影與神態。
圖｜2:3 豎幅，超寫實 iPhone 前置攝影機近距離自拍式消費級數碼照片，像訓練結束後拿起手機查看消息時意外拍下。人物單手前伸握持手機，鏡頭位於面部左前方、略高於眼睛並向下傾斜，構圖不完全端正，臉部偏左，下方只露出部分運動上衣領口。嚴格保留參考圖像中身份特徵、五官、髮型及身體比例的同一位年輕成年東亞男性，站在夜間健身房通往更衣室的狹窄過道里，呼吸尚未完全平穩，嘴唇自然微張，幾縷汗濕頭髮貼近額頭。頂部條形燈照亮額頭、鼻樑和肩部，側面門口透來的弱光柔化一側眼窩，眉骨下方、鼻底及下巴下方保留真實陰影。皮膚呈現運動後的局部泛紅，太陽穴和髮際線有大小不一的細小汗珠，鼻翼可見毛孔，上唇與下頜保留短胡茬；部分汗珠形成明亮的小反光，其餘區域只有薄薄濕潤感，不把整張臉處理成均勻油亮。背景器械與門框隨傾斜構圖輕微斜向匯聚，暗處存在手機降噪造成的細節損失，不額外添加輪廓光，不銳化每一處毛孔。
我們還基於同一提示詞，對比了 Seedream 5.5、GPT Images 2.6 和 Nano Banana 2.1 的人像生成效果，重點比較皮膚紋理、環境光照與攝影質感。
幾組圖片看下來，Seedream 5.5 和 GPT Images 2.6 對真實感的理解頗有意思。如果非要用兩個詞概括，我會把 Seedream 5.5 稱為「規整的真實」，GPT Images 2.6 則更像「潦草的真實」。
前者像攝影師認真構圖、控制光線後拍出的照片，人物與環境都經過恰到好處的安排；後者則更有生活抓拍的隨意感，有些畫面沒那麼工整，卻更容易讓人聯想到朋友手機相冊里那些沒有刻意修飾的瞬間。兩種風格各有所長，也說明真實感本身並沒有唯一的標準。
Seedream 5.5（左）、GPT Images 2.6（中）、Nano Banana 2.1（右）
至於 Nano Banana 2.1 版本則還有很大的提升空間。
除了靜態人像，我們還把鏡頭對準了剛洗完澡的貓狗。貓甩水時，頭部和耳朵需要有運動模糊，踩在地墊上的爪子仍然清楚；狗則要表現濕毛結綹、耳朵殘影和飛濺的水滴。
這些細節共同決定了畫面是否符合真實攝影規律，包括光從哪裡來、物體怎樣運動，以及快門記錄下的瞬間是什麼樣子。
Seedream 5.5 的材質與光影表現，也延續到了遊戲概念設計中。無論是荒蕪廢土上擱淺的巨型生鏽星艦、陰森潮濕的中式恐怖老宅，還是漫天暴風雪古剎里的壓迫感Boss戰，畫面的厚重質感都完全立得住。
從日常自拍到虛構場景，質感升級讓畫面減少了塑料味。結合精準編輯，哪怕後續甲方再拋出讓皮膚質感再真實一點、把光線調暗一點的要求，也可以沿著原圖調整皮膚、材質與光線，保留已經滿意的構圖。
值得一提的是，儘管如今很多人推崇一兩句話就能生圖，但在我看來，簡單提示詞更適合觀察模型的基礎能力，複雜提示詞則更能檢驗模型對細節的理解和精準控制能力，也更容易摸清它的能力上限。
尤其是寫實攝影，光線從哪裡來、皮膚應該呈現什麼狀態、鏡頭會產生怎樣的模糊，這些細節描述得越具體，模型通常就越容易理解你想要的效果。
當然，現在寫複雜提示詞也沒有想像中那麼麻煩。我通常會先告訴 AI 自己想要什麼畫面，再讓它幫忙完善攝影參數、環境細節和構圖要求，聊上幾輪，一段足夠專業的提示詞就有了。
某種程度上，學會和 AI 溝通，本身也是一種新的創作能力。
四十道菜名，也要經得起放大細看
經常用 AI 生圖和修圖的朋友，一定經歷過類似的情況：
畫面快定稿時，甲方又提出了熟悉的要求，希望資訊再豐富一點，最好把文字和數據都放進去。
然而，過去不少生圖模型遇到大段中文，就容易漏字、甚至倉頡「造字」，遠看像那麼回事，放大一看全是缺胳膊少腿的天書，排版更是亂成一鍋粥。
為了測出 Seedream 5.5 的文字功底，我們讓它給虛構的「山海神獸食堂」製作菜單，將八大分類、四十道菜排進四欄，菜名、價格、介紹與配圖必須對應。
底部還要寫上「神獸掌勺，凡人買單；豐儉由人，謝絕鬥法」。
另一張「天庭便民服務中心」資訊牆，則把八個窗口、四十項業務放進九十年代辦事大廳的版式中，包含筋斗雲年檢、御劍號牌申領等項目，以及收費標準、流程和「禁止使用分身同時占號」的提示。
這兩個整活兒案例看著像在玩梗，背後考察的其實是模型對複雜中文字符的筆畫準確率、極小字號下的清晰度以及多層級資訊的排版審美。
優異表現的背後，也有著量化的數據支撐。
官方表示，在涵蓋中英文及密集小字的測試中，Seedream 5.5 的嚴重文字崩壞率已降至 0.4%，輕微文字崩壞率則降至 1.7%，相比上一代均有明顯改善，在與主流生圖模型的橫向比較中也展現出領先優勢。
同時 Seedream 5.5 還大幅度改善了布局與配色，讓密集資訊更容易閱讀。
此外，我們還製作了一幅東方奇幻長卷，用山神少女與琉璃白鹿的故事，考驗豎排小字的表現力。
圖｜生成一張 21×9 超寬橫版東方奇幻藝術設定集畫卷，採用粗顆粒天然礦物岩彩（青金石、硃砂、孔雀石綠、蛤粉）混合燒箔貼金工藝繪製在斑駁龜裂的泥壁肌理上，光影下呈現出真實的礦石結晶體閃爍感與金箔氧化質感。畫面左側三分之二為主視覺插畫，描繪一位身披百鳥羽衣、手持青銅九連環錫杖的東方山神少女，騎乘在一隻通體半透明如琉璃般的六角白鹿背上，穿行於燃燒著金色磷火的幽暗奇石古木之間，周圍環繞著形態稚拙古怪的提燈小妖。畫面右側三分之一為黑底烏金紙的泥金豎排題跋區，用端莊秀麗的唐代寫經體金色毛筆字自右向左排列，主標題大字為「卷叄 · 雲夢澤鹿蜀神女考」，下方三列小字筆鋒清晰犀利「狀如白鹿而六角，其音如謠，佩其毛羽可辟夢魘，每逢月晦之夜巡遊於雲夢大澤，百鬼皆避道而行」，左下角鈐有一枚硃砂陽刻古印「山海異聞錄」。
再比如讓它製作一張復古工業說明書風格的多智能體辦公協同技術藍圖。
《2026 年摸魚年度報告》則要準確呈現摸魚 520 小時、喝咖啡 286 杯、無效會議 93 場等設定數據。
我們還讓它為便攜咖啡器具品牌「山霧」製作主圖與六屏電商詳情頁，從使用場景、結構拆解到參數表和用戶評價，綜合考察產品質感、小字準確性，以及啞光墨綠手沖壺與玻璃濾杯在不同畫面中的一致性。
圖｜為便攜咖啡器具品牌「山霧」做一張電商長圖詳情頁和主圖，豎版長圖，按 6 屏展開。整體結構：首屏主視覺→使用場景→結構拆解→參數表→用戶評價→底部購買理由。主標題「把清晨，裝進一杯山霧」用宋體，副標題「3 分鐘手沖，辦公室也有山野氣」。產品是啞光墨綠手沖壺加玻璃濾杯，背景為米白和岩石灰。參數小字逐字寫：「304 不鏽鋼 / 雙層真空 / 240ml / 320g」。整體像一本產品目錄，不要促銷風
從菜單到報告，好用的資訊圖既要遠看清楚，也要近看讀得懂，讓文字、數字和圖形共同把資訊講明白。
原生 RGBA 素材，讓做好的角色可以反覆使用
計稿好不容易通過之後，交付環節的折騰往往還沒有結束。
比如把人物單獨導出透明底，方便放到其他海報里。過去 AI 生成的角色經常與背景合在一起，還需要另外摳圖、處理邊緣。
Seedream 5.5 支持原生 RGBA 圖像生成，能夠輸出帶 Alpha 透明通道的素材，用於後續排版與合成。
我們設計了一套白色小幽靈表情包，共九種狀態，包括「靈魂出竅」「已讀亂回」「精神離職」和「下班復活」。
雖然首次默認生成時還帶著普通背景，但只要進一步明確要求包含 Alpha 通道，模型立刻就能吐出邊緣乾淨的透明底圖。
另一套職場黑話貼紙，把「賦能」「顆粒度」「抓手」「情緒價值」和「賽博功德」做成九十年代電腦系統風格的小圖標，結合中文渲染能力，生成後即可放進公眾號封面、PPT 和活動海報。
原生透明素材的加入不僅省去了繁瑣的去背工序，也方便設計師隨時重新排布、組合與二次加工，讓已經打磨好的原創角色和設計元素能夠在不同作品裡反覆派上用場。
生圖模型的下半場，從像素級改圖開始
回顧數字工具的發展史，許多影響深遠的技術進步，都圍繞著同一個目標展開，讓人們能夠在已有成果上繼續創造，而不必每次都從頭開始。
1994 年，Photoshop 3.0 引入圖層功能，讓圖片中的不同元素可以獨立編輯。此後，調整圖層、歷史記錄等功能陸續加入，逐漸奠定了現代圖像編輯的基礎。
類似的邏輯也出現在 Git 的版本控制和電子遊戲的存檔機制中。只有過去的成果能夠被保留，人們才敢放心探索下一種可能。
如今，AI 生圖也走到了相似的階段。
從 Photoshop 的圖層與蒙版，到美圖秀秀降低修圖門檻，Seedream 5.5 正在嘗試通過自然語言實現像素級精準編輯，將專業圖像編輯進一步帶入自然語言交互時代。
用戶只需說清楚想修改什麼，AI 就能精準調整對應區域，讓其他已經滿意的部分保持原樣。哪怕經歷上百輪修改，畫面中的人物、結構與細節依然能夠持續保留。
Seedream 5.5 此次強調的「為專業而生」，也正體現在這裡。
放到全球競爭中，Seedream 5.5 已經進入 GPT Image 2.6、Nano Banana 2.1 所在的第一梯隊。像素級精準編輯、百輪連續修改和自然寫實質感，正是它爭奪專業市場的三張重要牌。
價格也是 Seedream 5.5 的重要競爭優勢，它費用約為 GPT Images 2.6 的 1/3，而生成質量已經來到第一梯隊。好傢夥，這不就是生圖模型的斬殺線嗎？
目前，Seedream 5.5 已上線豆包工作、即夢等產品，可以配合畫布、分層編輯繼續調整；企業和開發者也可通過火山引擎接入模型 API，將相關能力用於電商營銷、影視遊戲等工作流程。
回到文章開頭，那些熬夜改了十幾版的打工人，大概率不關心參數和榜單。他只關心一件事：工具是來分擔勞動的，還是來製造新的勞動的。這個問題的答案，決定了 AI 是生產力，還是另一種形式的甲方。
而答案的分量，最終要落在每一次修改上。
創造從來不只是靈光一現，也是站在上一次的自己肩上，再走一步。這正是 Seedream 5.5 押注的方向，也是所有想成為專業生產力工具的模型，最終必須回答的問題。
