酒店清晨、便利店冰柜、健身房过道、烧烤摊和老公寓厨房,也被用于观察不同照明下的肤色、阴影与神态。
图|2:3 竖幅,超写实 iPhone 前置摄像头近距离自拍式消费级数码照片,像训练结束后拿起手机查看消息时意外拍下。人物单手前伸握持手机,镜头位于面部左前方、略高于眼睛并向下倾斜,构图不完全端正,脸部偏左,下方只露出部分运动上衣领口。严格保留参考图像中身份特征、五官、发型及身体比例的同一位年轻成年东亚男性,站在夜间健身房通往更衣室的狭窄过道里,呼吸尚未完全平稳,嘴唇自然微张,几缕汗湿头发贴近额头。顶部条形灯照亮额头、鼻梁和肩部,侧面门口透来的弱光柔化一侧眼窝,眉骨下方、鼻底及下巴下方保留真实阴影。皮肤呈现运动后的局部泛红,太阳穴和发际线有大小不一的细小汗珠,鼻翼可见毛孔,上唇与下颌保留短胡茬;部分汗珠形成明亮的小反光,其余区域只有薄薄湿润感,不把整张脸处理成均匀油亮。背景器械与门框随倾斜构图轻微斜向汇聚,暗处存在手机降噪造成的细节损失,不额外添加轮廓光,不锐化每一处毛孔。
我们还基于同一提示词,对比了 Seedream 5.5、GPT Images 2.6 和 Nano Banana 2.1 的人像生成效果,重点比较皮肤纹理、环境光照与摄影质感。
几组图片看下来,Seedream 5.5 和 GPT Images 2.6 对真实感的理解颇有意思。如果非要用两个词概括,我会把 Seedream 5.5 称为「规整的真实」,GPT Images 2.6 则更像「潦草的真实」。
前者像摄影师认真构图、控制光线后拍出的照片,人物与环境都经过恰到好处的安排;后者则更有生活抓拍的随意感,有些画面没那么工整,却更容易让人联想到朋友手机相册里那些没有刻意修饰的瞬间。两种风格各有所长,也说明真实感本身并没有唯一的标准。
向左滑动查看更多内容,Seedream 5.5(左)、GPT Images 2.6(中)、Nano Banana 2.1(右)
至于 Nano Banana 2.1 版本则还有很大的提升空间。
除了静态人像,我们还把镜头对准了刚洗完澡的猫狗。猫甩水时,头部和耳朵需要有运动模糊,踩在地垫上的爪子仍然清楚;狗则要表现湿毛结绺、耳朵残影和飞溅的水滴。
向左滑动查看更多内容
这些细节共同决定了画面是否符合真实摄影规律,包括光从哪里来、物体怎样运动,以及快门记录下的瞬间是什么样子。
Seedream 5.5 的材质与光影表现,也延续到了游戏概念设计中。无论是荒芜废土上搁浅的巨型生锈星舰、阴森潮湿的中式恐怖老宅,还是漫天暴风雪古刹里的压迫感Boss战,画面的厚重质感都完全立得住。
向左滑动查看更多内容
从日常自拍到虚构场景,质感升级让画面减少了塑料味。结合精准编辑,哪怕后续甲方再抛出让皮肤质感再真实一点、把光线调暗一点的要求,也可以沿着原图调整皮肤、材质与光线,保留已经满意的构图。
值得一提的是,尽管如今很多人推崇一两句话就能生图,但在我看来,简单提示词更适合观察模型的基础能力,复杂提示词则更能检验模型对细节的理解和精准控制能力,也更容易摸清它的能力上限。
尤其是写实摄影,光线从哪里来、皮肤应该呈现什么状态、镜头会产生怎样的模糊,这些细节描述得越具体,模型通常就越容易理解你想要的效果。
当然,现在写复杂提示词也没有想象中那么麻烦。我通常会先告诉 AI 自己想要什么画面,再让它帮忙完善摄影参数、环境细节和构图要求,聊上几轮,一段足够专业的提示词就有了。
某种程度上,学会和 AI 沟通,本身也是一种新的创作能力。
四十道菜名,也要经得起放大细看
经常用 AI 生图和修图的朋友,一定经历过类似的情况:
画面快定稿时,甲方又提出了熟悉的要求,希望信息再丰富一点,最好把文字和数据都放进去。
然而,过去不少生图模型遇到大段中文,就容易漏字、甚至仓颉「造字」,远看像那么回事,放大一看全是缺胳膊少腿的天书,排版更是乱成一锅粥。
为了测出 Seedream 5.5 的文字功底,我们让它给虚构的「山海神兽食堂」制作菜单,将八大分类、四十道菜排进四栏,菜名、价格、介绍与配图必须对应。
底部还要写上「神兽掌勺,凡人买单;丰俭由人,谢绝斗法」。
另一张「天庭便民服务中心」信息墙,则把八个窗口、四十项业务放进九十年代办事大厅的版式中,包含筋斗云年检、御剑号牌申领等项目,以及收费标准、流程和「禁止使用分身同时占号」的提示。
这两个整活儿案例看着像在玩梗,背后考察的其实是模型对复杂中文字符的笔画准确率、极小字号下的清晰度以及多层级信息的排版审美。
优异表现的背后,也有着量化的数据支撑。
官方表示,在涵盖中英文及密集小字的测试中,Seedream 5.5 的严重文字崩坏率已降至 0.4%,轻微文字崩坏率则降至 1.7%,相比上一代均有明显改善,在与主流生图模型的横向比较中也展现出领先优势。
同时 Seedream 5.5 还大幅度改善了布局与配色,让密集信息更容易阅读。
此外,我们还制作了一幅东方奇幻长卷,用山神少女与琉璃白鹿的故事,考验竖排小字的表现力。
图|生成一张 21×9 超宽横版东方奇幻艺术设定集画卷,采用粗颗粒天然矿物岩彩(青金石、朱砂、孔雀石绿、蛤粉)混合烧箔貼金工艺绘制在斑驳龟裂的泥壁肌理上,光影下呈现出真实的矿石结晶体闪烁感与金箔氧化质感。画面左侧三分之二为主视觉插画,描绘一位身披百鸟羽衣、手持青铜九连环锡杖的东方山神少女,骑乘在一只通体半透明如琉璃般的六角白鹿背上,穿行于燃烧着金色磷火的幽暗奇石古木之间,周围环绕着形态稚拙古怪的提灯小妖。画面右侧三分之一为黑底乌金纸的泥金竖排题跋区,用端庄秀丽的唐代写经体金色毛笔字自右向左排列,主标题大字为「卷叁 · 云梦泽鹿蜀神女考」,下方三列小字笔锋清晰犀利「状如白鹿而六角,其音如谣,佩其毛羽可辟梦魇,每逢月晦之夜巡游于云梦大泽,百鬼皆避道而行」,左下角钤有一枚朱砂阳刻古印「山海异闻录」。
再比如让它制作一张复古工业说明书风格的多智能体办公协同技术蓝图。
《2026 年摸鱼年度报告》则要准确呈现摸鱼 520 小时、喝咖啡 286 杯、无效会议 93 场等设定数据。
我们还让它为便携咖啡器具品牌「山雾」制作主图与六屏电商详情页,从使用场景、结构拆解到参数表和用户评价,综合考察产品质感、小字准确性,以及哑光墨绿手冲壶与玻璃滤杯在不同画面中的一致性。
图|为便携咖啡器具品牌「山雾」做一张电商长图详情页和主图,竖版长图,按 6 屏展开。整体结构:首屏主视觉→使用场景→结构拆解→参数表→用户评价→底部购买理由。主标题「把清晨,装进一杯山雾」用宋体,副标题「3 分钟手冲,办公室也有山野气」。产品是哑光墨绿手冲壶加玻璃滤杯,背景为米白和岩石灰。参数小字逐字写:「304 不锈钢 / 双层真空 / 240ml / 320g」。整体像一本产品目录,不要促销风
从菜单到报告,好用的信息图既要远看清楚,也要近看读得懂,让文字、数字和图形共同把信息讲明白。
原生 RGBA 素材,让做好的角色可以反复使用
计稿好不容易通过之后,交付环节的折腾往往还没有结束。
比如把人物单独导出透明底,方便放到其他海报里。过去 AI 生成的角色经常与背景合在一起,还需要另外抠图、处理边缘。
Seedream 5.5 支持原生 RGBA 图像生成,能够输出带 Alpha 透明通道的素材,用于后续排版与合成。
我们设计了一套白色小幽灵表情包,共九种状态,包括「灵魂出窍」「已读乱回」「精神离职」和「下班复活」。
虽然首次默认生成时还带着普通背景,但只要进一步明确要求包含 Alpha 通道,模型立刻就能吐出边缘干净的透明底图。
另一套职场黑话贴纸,把「赋能」「颗粒度」「抓手」「情绪价值」和「赛博功德」做成九十年代电脑系统风格的小图标,结合中文渲染能力,生成后即可放进公众号封面、PPT 和活动海报。
原生透明素材的加入不仅省去了繁琐的去背工序,也方便设计师随时重新排布、组合与二次加工,让已经打磨好的原创角色和设计元素能够在不同作品里反复派上用场。
生图模型的下半场,从像素级改图开始
回顾数字工具的发展史,许多影响深远的技术进步,都围绕着同一个目标展开,让人们能够在已有成果上继续创造,而不必每次都从头开始。
1994 年,Photoshop 3.0 引入图层功能,让图片中的不同元素可以独立编辑。此后,调整图层、历史记录等功能陆续加入,逐渐奠定了现代图像编辑的基础。
类似的逻辑也出现在 Git 的版本控制和电子游戏的存档机制中。只有过去的成果能够被保留,人们才敢放心探索下一种可能。
如今,AI 生图也走到了相似的阶段。
从 Photoshop 的图层与蒙版,到美图秀秀降低修图门槛,Seedream 5.5 正在尝试通过自然语言实现像素级精准编辑,将专业图像编辑进一步带入自然语言交互时代。
用户只需说清楚想修改什么,AI 就能精准调整对应区域,让其他已经满意的部分保持原样。哪怕经历上百轮修改,画面中的人物、结构与细节依然能够持续保留。
Seedream 5.5 此次强调的「为专业而生」,也正体现在这里。
放到全球竞争中,Seedream 5.5 已经进入 GPT Image 2.6、Nano Banana 2.1 所在的第一梯队。像素级精准编辑、百轮连续修改和自然写实质感,正是它争夺专业市场的三张重要牌。
价格也是 Seedream 5.5 的重要竞争优势,它费用约为 GPT Images 2.6 的 1/3,而生成质量已经来到第一梯队。好家伙,这不就是生图模型的斩杀线吗?






