字节新图像模型来了！一张图连改100轮不崩，精准指哪改哪，API降价

智东西
作者 黄菲
编辑 江宇

智东西11月9日报道，今天下午，字节跳动Seed团队正式发布新一代图像创作模型Seedream 5.5。相比此前版本，Seedream 5.5重点强化了多轮编辑稳定性、原生RGBA透明素材生成、复杂文字与真实质感表现这三项核心能力。

▲Seedream 5.5生成图片整体效果

其中，多轮编辑支持围绕同一作品持续修改最多100轮；透明素材可直接生成带Alpha通道的透明或半透明图像，减少后期抠图步骤；文字渲染则进一步提升了复杂字形和密集小字的还原效果。

此次更新距离今年7月8日上一代模型Seedream 5.0 Pro发布，已过去4个月。

目前，Seedream 5.5已在豆包、豆包工作上线，即梦AI、火山方舟正陆续开放体验，该系列后续还将推出 Pro 版本。智东西第一时间在豆包工作进行了实测。

▲Seedream 5.5体验入口

从这次实测来看，Seedream 5.5整体使用体验较为顺畅，在连续编辑、透明素材生成和真实质感表现方面带来了更明显的升级，生成速度很快，单张图片耗时约5-10秒。尤其是多轮修改不必反复从头生成，透明素材也能直接进入后续设计流程。

价格方面，Seedream 5.5 API采用输入图与输出图分开计费的方式，文本Token免费。以2K方图编辑为例，单张成本约0.28元，不到Seedream 5.0 Pro的一半。

一、连续编辑100轮，人物、物体和空间都能改

多轮编辑是Seedream 5.5此次升级的核心能力之一。

在过去使用AI生图工具时，用户往往需要反复修改提示词，但每次修改都可能带来新的问题。

针对这一问题，Seedream 5.5重点强化了连续编辑的稳定性。官方称，模型能够实现非编辑区域的像素级保持，降低连续修改带来的色彩偏移和画质衰减，并支持最多100轮持续创作。

智东西从人物、桌面物体和室内空间三个场景进行了测试。整体来看，Seedream 5.5不仅能够根据连续指令修改指定对象，也能在多轮创作中延续已有画面的主体和构图。

1、人物连续换装，修改服饰不必重新生成

初始指令：先生成一张真实摄影风格的全身人物照片。一名年轻女性站在简洁的咖啡馆内，穿着白色衬衫、蓝色牛仔裤，手拿咖啡杯。人物正面站立，面部清晰，背景包含木质桌椅、落地窗和室外街景。自然光照，真实摄影质感。

▲初始生成图

第一轮：将人物的白色衬衫换成黑色皮衣，其他内容保持不变。

第二轮：将黑色皮衣换成米白色针织毛衣，保持人物面部、发型、姿势、咖啡杯和背景不变。

第三轮：将人物的蓝色牛仔裤换成黑色长裙，其他区域不做修改。

第四轮：将人物手中的咖啡杯换成透明玻璃杯，保持手部姿势和其他内容不变。

▲人物连续换装结果

在这组测试中，Seedream 5.5生成的人物服装和家具具有较好的质感，衣物褶皱、面料纹理等细节看起来比较自然。连续调整服装和手持物品后，人物面部、发型和背景环境也基本保持了原有状态。

不过，模型对人体结构细节的把握仍不够准确。这组图片中人物的大拇指过长，形态不符合真实的人体结构；穿上裙装后，腿部与裙摆之间的衔接也不够自然，出现了腿部看起来悬空的情况。

整体来看，Seedream 5.5在人物造型和服装细节上的表现较为自然，连续修改时也能较好地保留画面主体，但手部结构和人体姿态仍有进一步优化的空间。

2、多个物体连续修改，桌面布局也能跟着调整

初始指令：生成一张桌面静物摄影图。画面中有一本打开的书、一只白色陶瓷咖啡杯、一副黑色眼镜、一支钢笔和一盆绿色小型盆栽。物品摆放自然，桌面为浅色木质材质，采用俯拍视角，柔和自然光。

▲初始生成图

第一轮：将白色陶瓷咖啡杯替换成透明玻璃杯。

第二轮：将黑色眼镜替换成金色细框眼镜。

第三轮：将钢笔移动到书本右侧，保持其他物品位置不变。

第四轮：将盆栽替换成一束黄色郁金香。

第五轮：将桌面材质改成深色胡桃木，保持所有物品的形状、位置和光照关系不变。

▲桌面物品连续修改结果

桌面静物测试中，Seedream 5.5对多个物体的识别和细节还原仍有不足。初始生成时，模型没有正确生成提示词要求的眼镜，而是将其画成了一个黑色架子；后续修改为金丝眼镜后，镜架又出现了三条眼镜腿的错误，物体结构不够准确。

这组测试中，模型能够根据指令调整桌面上的物品和材质，但在小型物体的初始生成和细节还原上仍容易出错。尤其是眼镜这类结构相对精细的物品，模型虽然能够生成大致外观，却未能准确还原其结构。

3、室内空间连续改造，家具移动后还能保持透视

初始指令：生成一张现代简约风格的客厅室内照片。画面包含灰色沙发、木质茶几、落地灯、电视柜、绿植和落地窗，采用广角室内摄影视角，家具位置清晰，光线自然。

▲初始生成图

第一轮：将灰色沙发换成深绿色布艺沙发，其他内容不变。

第二轮：将茶几移动到沙发左侧，保持合理的透视和地面投影。

第三轮：将落地灯移动到电视柜旁边。

第四轮：在沙发右侧增加一把黄色单人椅，确保家具之间没有不合理的重叠。

第五轮：将窗外场景改成雨天，保持室内家具、墙面和地板不变。

▲室内空间连续改造结果

室内空间的连续编辑比单个物体替换更加复杂。家具移动后，模型不仅需要调整物体位置，还要重新处理透视、遮挡和投影关系。

这组测试中，Seedream 5.5对编辑指令的理解较为准确，除了茶几以外，基本能够按照要求调整家具的颜色、位置和数量，也能修改窗外环境。多轮修改后，画面没有出现明显的空间错位，透视和整体布局也保持得比较自然。

从这组结果来看，Seedream 5.5在室内空间的连续编辑上表现较为稳定，不仅能识别用户希望调整的内容，也能较好地处理家具变化后与周围环境的空间关系。

二、原生RGBA透明素材，AI生图也能省去抠图步骤

除了连续编辑，Seedream 5.5此次还增加了原生RGBA透明素材生成能力。

以往用户通过AI工具生成产品、人物或装饰元素后，若需要单独使用其中的主体，通常还要借助其他工具去除背景。对于细节复杂或具有透明效果的对象，处理时容易出现边缘残留、细节丢失或透明效果失真等问题。

此次升级， Seedream 5.5能够直接生成带Alpha通道的透明或半透明图像，让生成内容成为可以独立使用的设计素材。

智东西围绕复杂主体、透明艺术字和素材二次组合进行了测试。

1、复杂主体透明生成，羽毛边缘也能保留

指令一：生成一只展翅飞翔的白色雪鸮，正面视角，双翼完全展开，羽毛层次丰富，羽毛之间的细小空隙清晰可见，脚爪自然收拢，眼睛明亮。主体完整，不裁切翅膀和脚爪，背景为真正透明背景，输出RGBA格式，保留自然的羽毛边缘和半透明细节。

▲透明雪鸮生成结果

可以看到，在复杂主体生成测试中，Seedream 5.5能够按照要求生成完整的雪鸮形象，展开的双翼、层叠羽毛和身体轮廓都有较好的呈现。相比普通纯色背景生成，透明素材更方便用户将主体单独放入其他设计画面中。

2、透明艺术字，文字和视觉效果可以一起生成

指令二：生成一组透明背景的中文艺术字素材，文字内容为“保持好奇，探索未知”。整体采用立体玻璃材质，字形清晰完整，内部有细腻的蓝紫色渐变和自然折射效果，边缘有柔和高光。文字必须准确，不得增字、漏字或改变笔画。背景透明，输出RGBA格式。

▲透明艺术字生成结果

透明素材生成并不局限于人物和物体，也可以用于文字设计。

在这组测试中，Seedream 5.5准确识别了提示词中的中文内容，并按照要求生成了对应的艺术字体。生成的文字造型与预设风格基本一致，玻璃材质效果也得到了较好的呈现，文字轮廓清晰，没有出现明显的错字或字形错乱。

从实际效果来看，Seedream 5.5不仅能够生成透明背景下的艺术字，也能较好地还原指定的字体风格和材质质感。

3、素材二次组合，生成内容可以继续用于设计

指令三：使用刚才生成的透明雪鸮和透明艺术字素材，设计一张16:9横版自然主题宣传海报。背景为深蓝色夜空和雪山，雪鸮位于画面右侧，标题“保持好奇，探索未知”位于左侧，整体采用高端自然摄影与杂志视觉设计风格。保持雪鸮主体完整，文字清晰，构图具有层次感。

▲透明素材组合后的海报

在素材复用测试中，Seedream 5.5能够将此前生成的主体和文字组合到新的设计画面中，雪鸮也被放置在雪山背景中，整体画面衔接较为自然。不过，与最初生成的素材相比，雪鸮的形象和姿态发生了一些变化，身体舒展程度更高，更接近飞行状态，但主体细节基本保持一致。

三、 真实摄影和文字渲染升级，图片质感更自然

图像真实感和文字渲染也是Seedream 5.5此次重点升级的方向。官方称，Seedream 5.5改善了光照、材质和皮肤纹理表现，并进一步提升复杂字形与密集小字的还原能力。

智东西从人像摄影、产品摄影、复杂中文信息图和商业海报四个方面进行了测试，重点观察模型对人物细节、产品材质、中文文字和画面布局的还原效果。

1、人像摄影，皮肤纹理和自然光影更重要

指令：生成一张真实摄影风格的人像照片。一位年轻女性坐在咖啡馆靠窗的位置，微微侧身看向镜头，阳光从窗户斜射到脸部和肩膀。保留自然皮肤纹理、细小毛孔、真实发丝和轻微面部瑕疵，不使用磨皮和过度美颜效果。背景为虚化的咖啡馆环境，采用85mm人像镜头拍摄，浅景深，自然肤色。

▲人像摄影生成结果

在人物生成方面，Seedream 5.5对皮肤、头发和光照细节进行了较好的呈现。人物面部不再只是简单的光滑皮肤效果，光线照射下的明暗变化、发丝细节和皮肤纹理也让画面更接近真实摄影。

相比单纯追求人物五官精致，这类测试更关注画面是否自然。对于需要生成生活方式图片、人物宣传照和商业人像的用户来说，自然的肤质和光影表现能够提升图片的使用价值。

2、产品摄影，金属、玻璃材质更有层次

指令：生成一张高端消费电子产品广告摄影图。画面主体是一副银色金属智能眼镜，镜框采用拉丝金属材质，镜片具有轻微透明度和自然反光，镜腿结构清晰。产品放置在黑色大理石台面上，背景为深灰色摄影棚，使用侧面柔光突出金属边缘和镜片细节，画面具有真实商业摄影质感。

▲产品摄影生成结果

产品摄影对材质表现有较高要求。金属需要呈现真实的反光和纹理，玻璃则需要体现透明度与折射效果，不同材质之间也要有清晰区分。

从生成效果来看，Seedream 5.5对不同材质的还原较为自然。金属镜框呈现出相应的反光质感，透明镜片没有明显的浑浊感，大理石台面上还生成了与产品相呼应的倒影，反射效果清晰，整体画面具有较好的视觉质感。

这组测试中，Seedream 5.5对金属、玻璃和大理石等材质的区分较为准确，尤其是透明镜片和台面倒影的表现，基本符合预期。

3、复杂中文信息图，小字号文字能否看清？

指令：生成一张关于“人工智能芯片工作原理”的中文科普信息图，采用16:9横版设计。

画面分为三个区域：

左侧：展示GPU芯片，标注“计算单元”“显存”“数据传输”。

中间：展示HBM高带宽内存堆叠结构，标注“DRAM芯片”“硅通孔”“逻辑芯片”。

右侧：展示数据从内存传输到GPU的流程，标注“数据读取”“并行计算”“结果输出”。

底部增加三个知识点：“高带宽”“低延迟”“高容量”。

要求所有中文文字准确无误，不能出现错字、乱码或重复文字。图示与文字对应，版式清晰，适合科技媒体科普文章配图。

▲中文信息图生成结果

信息图是对模型文字渲染能力的一项综合考验。与普通海报相比，这类图片不仅需要生成标题，还要在有限空间内安排多个专业术语、说明文字和图示。

从生成效果来看，Seedream 5.5对提示词的理解较为准确，能够按照要求组织信息层级，文字与对应的芯片结构、数据流程也能较好地结合。画面中的文字排布清晰，没有出现明显的文字重叠，整体布局具有科技信息图的视觉风格。

这组测试中，Seedream 5.5不仅完成了中文文字生成，也较好地处理了多组信息与图示之间的对应关系，整体可读性和设计完整度都比较不错。

4、商业海报，视觉设计与文字排布兼顾

指令：生成一张高端消费电子品牌新品发布海报，主题为“探索下一代智能生活”。画面主体是一台银色智能设备，置于未来感室内空间中。主标题为“让科技触手可及”，副标题为“重新定义智能生活”。底部加入三项产品卖点：“轻薄设计”“智能交互”“全天续航”。所有中文文字必须准确、清晰，标题与卖点之间有明显层级，整体采用高级商业广告设计风格，16:9横版。

▲商业海报生成结果

商业海报不仅要求模型生成符合主题的视觉主体，还需要合理安排标题、副标题和产品卖点之间的关系。

从生成效果来看，Seedream 5.5生成的画面具有较强的商业设计感，产品主体突出，标题、副标题和产品卖点等信息也基本齐全，各部分排布比较协调，整体符合预设要求。此外，这组图片的生成速度也比较快。

这组测试中，Seedream 5.5较好地完成了产品展示与文字信息的整合，生成的海报在视觉效果和信息完整度上都比较符合预期。

结语：从生成一张图，到持续打磨一张图

Seedream 5.5此次升级，在兼顾生成效果与使用成本的同时，进一步强化了连续编辑、透明素材生成和文字渲染能力。

从智东西的体验来看，尽管模型在一些小细节上仍有瑕疵，但在此次重点升级的三个方向上都展现出了不错的表现。尤其是多轮编辑与透明素材生成，已经能够较好地应用于实际图片创作流程。