不虚GPT？我用免费豆包蹭了“吉卜力风”，结果太牛了

最近两周，“吉卜力画风”突然就火了。

事情的开始是这样的，3月26日，OpenAI推出了基于GPT-4o多模态大模型的高精度图像生成功能“4o Image Generation”，按照他们的说法，现在用户只需一句简单的文字描述，就能实现精美的广告或平面图的制作、应用界面的UI设计、LOGO或图片风格的切换等等。

结果呢？整个互联网的人，都在用它变身“赛博宫崎骏”。

不开玩笑，小雷是真被这玩意给刷屏了，这两天一打开群聊，就能看到无法无天的群友们在拿GPT-4o疯狂整活，有做头像的，有做表情包的，甚至还有把“黄O大道东”变成吉卜力画风的，推特上的国外网友玩得更是乐此不疲，看得我都有点心痒痒的。

（图源：X）

幸好，类似的功能，国内大模型并不是没有。

比如说字节跳动的SeedEdit，同样可以实现“自然语意修图”，用户只需输入简单的自然语言，便可对图像进行多样化编辑操作。

最重要的是，这功能可不需要你想方设法翻出去用，在字节跳动的豆包官网就直接能用，而且目前豆包的“图像生成”功能是完全免费且不存在限制的，这一波甚至能把开会员的钱也给直接省下来。

话不说多，我们这边直接开整！

豆包这款产品，让人人都是宫崎骏

想体验这个功能的话，其实还蛮简单的就是了。

打开豆包网页版，在输入框下面就有「图片生成」，应该就能看到上传参考图的选项了，这里就是SeedEdit模型的入口。

要做的事情很简单，上传图片，然后输入我们想要改变的内容。

（图源：雷科技）

话不多说，先来看图。

首先，小雷这边选用了一张来自知名音乐录像带里的截图，让豆包和最近巨火的GPT-4o都试着“帮我换成吉卜力风格”。

这是原图：

（图源：Youtube）

这是豆包的成品：

（图源：豆包）

这是GPT-4o的成品：

（图源：GPT）

对比下来，GPT-4o的衣服还原度更高，手部没有变形，只是没有维持原图比例；豆包虽然整体构图、配色更加贴近原图，但是衣服有些微变化，手部有些变形，甚至多了一只抓着麦克风的手。

接着试一下大家都关心的名人，比如说马斯克：

（图源：豆包）

比方说乔布斯：

（图源：豆包）

再给乔布斯换个迪士尼风格：

（图源：豆包）

从结果来看，豆包的转换效果可以说是非常成熟。

最后，我们试一试影视剧集里的名场面，这次就拿《和平使者》里面约翰·塞纳饰演的克里斯多福·史密斯的名场面做例子：

（原图，图源：HBO Max）

（图源：豆包）

（图源：GPT）

这次差距其实更加明显一些，GPT-4o甚至把金属头盔保留了下来，身边的两名角色也做到了精准的画风转制，但是图片比例有所修改，文字信息也没有保留下来。

作为对比，豆包则是试图在整幅画面上进行对齐，然而人数一多起来，角色的服装和样子就没多少能对上的。

但是，接着我就要说但是了，豆包的效果还是比Gemini 2.0要强上一大截的，谷歌这玩意虽然支持自然语意修图，但是既不懂吉卜力风格是啥意思，也搞不清楚怎么修改图片比例。

（图源：Gemini 2.0）

可恶的谷歌，不要给我看这一堆不知所谓的东西！

其实把思路反过来，把画改成真实风格，豆包搞得也不错，我上传了一张刻在不少人基因里的Meme图片，让它以此为原型，生成一张真实照片。

（图源：豆包）

嗯...只能说像是挺像的，就是没了那种冲击感。

如果再简单调整一下的话，就能做出下面这种效果：

（图源：豆包）

虽说脸型有点不对，笑得也是有点狰狞，但是这种打破次元壁的做法，还真就只有AI大模型能够实现。

豆包图片处理能力在线，但仍有较大改进空间

不过，人人都在用吉卜力画风，也带来了新一轮的版权问题。

毕竟早在2016年，宫崎骏评价AI动画技术时就直言：这是对生命本身的侮辱。

宫崎骏反对用技术代替手工创作，他认为AI生成图像缺乏对生命力的敬畏，而在2025年的今天，技术力的进步，反而让大家对这件事情变得更肆无忌惮了起来，确实是有点讽刺的。

（图源：Youtube）

既然如此，我们不妨转换一下思路，把它当成PS来用？

比如在设计行业里源远流长的梗，“让大象转个身”这种要求，我们在豆包上能不能实现呢？

答案是“完全可以，轻易可以”。

可以看到，SeedEdit生成的大象背面是非常合乎逻辑的，耳朵的形状、脚部的位置、身体的颜色都做得相当不错，周围的环境也保持了高度的一致，很难看出画面上有什么破绽。

不过类似海报的效果，豆包就做得不咋样了，和GPT-4o可以说一眼就能看出差别了。

（图源：豆包）

（图源：GPT）

只能说，豆包在审美这块，还真有挺多要学的地方。

最后，我也试了一下豆包凭空进行“图片生成”的效果。

提示词如下：

一位年轻的印度女性，黑发扎着敞开的马尾辫，身穿黑色夹克，站在大学校园里，直视着镜头。该图像具有1990年代风格的电影静态美学，在阳光明媚的日子里拍下的特写肖像。

（图源：雷科技）

对比豆包，GPT-4o产出的图更有特写感；Midjourney V7产出的图片光线更加自然，人物脸部的肤色也相对更加清晰，细节更加丰富，画面焦点更加清晰，但总的来说，三者都没啥肉眼可见的问题。

AI修图，爆发在即

不可否认，如今AI大模型在“绘画”上足以独当一面了。

但是在图像编辑领域，AI大模型依然是相对落后的，无法进行精准编辑一直是行业的老大难问题。

前些年，这类需求一般可以通过Stable Diffusion的ControlNet插件来实现。

它可以获取额外的输入图像，通过不同的预处理器转换为控制图，进而作为Stable Diffusion扩散的额外条件，只需使用文本提示词，就可以在保持图像主体特征的前提下任意修改图像细节。

（图源：新浪微博，识别特征并进行重新绘制）

然而本地部署AI应用这事，和大部分小白是基本无缘的。

所以在进入今年后，包括GPT-4o、Gemini 2、Midjourney V7等先后上线了通过自然语意修图的功能。

个人认为，这种只需给定输入图像和告诉模型要做什么的文本描述，然后模型就能遵循描述指令来编辑图像的功能，甚至可以被视为重大突破，曾经被视为必备技能的PS，如今似乎陷入了“可学可不学”的微妙处境。

当然了，目前这类模型在生成图片时还是有一些问题存在的。

直到今天，豆包AI修图依然缺乏人像前后的一致性，也缺乏图片内容的方向性，只要涉及到人物面部的修图，那么最终出来的图像和原图的差异会很夸张，豆包本身也很难判断你要修改的是图片里的哪个元素。

（图源：豆包）

倒是文字处理能力，相较以往有了一定提升，现在SeedEdit在修图时已经不会随便编造文字内容，但是图片生成时的错字现象依然需要改善。

不管怎么说，豆包SeedEdit算是弥补了国产大模型在语义AI修图应用这块的空白。

可以预见的是，随着AI图像编辑技术的不断发展，未来手机、电脑都可能会集成这项功能，就像AI消除、AI扩图那样走进寻常百姓家。无论是小白还是大咖，每个人都有机会轻松上手使用，让自己对美的理解可以更直观地展现出来。

修图有手就行？或许真的不是梦。