一张图看起来快能交了，偏偏一个帽子和主视觉的色号错了，海报小字糊了，人物年龄跑偏了。我们只想修一个角落，模型转身把构图、光线、脸一起重画了。
等待重新生成的过程都在想，明明只是错了 5%的图，修改起来的代价却像错了 100%。
这是一款同时覆盖图像生成与编辑的模型，文生图、参考图生成、多图融合和局部精确修改都在它的能力范围里。
在我们的实际体验中，除了在效果上完全可以替代 Nano Banana2，Seedream 5.0 Pro 最能被直观感知到的特色，是交互式精准编辑。现在我们可以用圈选、点位、箭头、坐标或色号告诉模型「改哪里」「改成什么」，大幅度减少了用自然语言描述位置时的误差。
在上面这个 case 中，Seedream 5.0 Pro 能够准确完成一张数学试卷，并在对应位置写上答案。
这大概是第一次生图模型能把答案填在对的位置上，精准到填空题的位置坐标范围内，实现对位置的精准编辑。我们甚至都没有框选、点选，告诉它把哪个答案放在哪里。
另一项升级带来的明显体验变化，是信息图生成。Seedream 5.0 Pro 现在也能像 GPT-Image-2、Nano Banana 2 一样，把长文字和复杂信息等内容，准确渲染、排版成各种海报、PPT、会议议程、电商详情页等图片。
目前 Seedream 5.0 Pro 已经在字节旗下多个平台上线，我们可以选择自己常用的平台进行体验：
火山方舟体验中心-视觉模型-图片生成-Doubao-Seedream-5.0-pro，API 也已全量上线火山方舟；
即梦网页端-图片生成/Agent 模式-选择图片 5.0 Pro；
豆包 App/电脑版-AI 创作-图片生成-选择模型 Seedream 5.0 Pro；
以及海外版 AI 创作平台 Lumina 等
从交互式编辑的能力、含有大量文字的高密度信息图生成，到风格化和多语言控制，Seedream 5.0 Pro 这次的升级可以说是相当明显。
我们也根据模型的能力，测试了非常多有意思的玩法，AI 生图要进入设计、营销、电商以及各种办公场景，现在是越来越容易了。
AI 生图，终于不用整张重来了
有人曾专门做了一个 AIGC 图像创作的分布统计，数据显示在真实生图场景中，文生图占比大概是 20% 多，70% 多都是图片编辑。这次 Seedream 5.0 Pro 更新的重点首先也放在了图像编辑上，精准改图的功能让图片编辑告别抽卡。
以前我们要修改一张图，通常只能用语言描述：「把左下角的红色棋子向右移动一格」「把绿色框里的物体变成透明泡泡」「把黄色框换成暖灰米色毛线球」。
哪怕是曾经爆火的「桌面手办」改图玩法，我们都得靠着复制粘贴专门的提示词，才能控制好模型不出差错。
现在，Seedream 5.0 Pro 交互式精准编辑的能力，支持包括圈选、点位、箭头、标注框、坐标等方式指定位置，也可以用涂鸦、色块、线条、简笔画作为编辑示例，再配合自然语言生成对应物体或细化画面。
即梦则是在图片生成之后，查看所选图片，页面右侧下方的「智能改图」可以直接进入图片的编辑页面，用各种标记对图片进行修改。
我们从网络上找了一张办公桌的配置图，里面有椅子、电脑、鼠标、字母灯牌以及墙上挂着的几幅画。
如果单单是要生图模型修改后面几幅画的位置，我们就要用大量文字提示词说清楚，现在只是几个箭头，然后告诉模型按照箭头调整三幅画的顺序。
这种需要通过交互式精准编辑才能定位的能力，让我想起以前如果要求模型找到特定位置，往往需要使用极其复杂的语言描述。
就像这张毕业照，如果我只是说「中间的学士帽修改为蓝色」，首先模型可能根本不知道我要求的「中间」到底是哪里，其次模型也不知道「蓝色」是什么色。
能指定位置也能指定颜色，让这种修改可以更大胆一点，把其中一些学士帽修改为魔法学院的帽子、鸭舌帽、甚至摘掉，都能在交互式精准编辑里面，把点选作为输入。
虽然「把 PS 做进模型里」这个说法有点夸张，但交互式精准编辑确实抓住了一件事：AI 图像工具正在从整图生成，转向对象级、区域级、图层级的操作。
这张世界杯的观众图片，原图是墨西哥对战南非，我们用框选把这部分框起来，然后在提示词输入框里直接@这个框选，就能让它修改为中国队和墨西哥对战，甚至中国队还能 3:0 打败墨西哥。
类似的编辑，几乎在各类场景下都能准确定位然后修改。
这种精准编辑的能力，还能结合最多十张图的图像融合，让我们直接把一个空房子，按照自己的布局想法，生成完整的预览图。
对图片要求更高的朋友，还可以拿着 Seedream 5.0 Pro 抠好的图，放在传统的专业工具 PS、Canva 里进一步编辑、融合。
信息图真正火起来大概还是 GPT-Image-2 的出现，我们开始发现 AI 竟然能如此准确地渲染中文。
现在这项能力也来到了 Seedream 5.0 Pro 上，虽然部分小字偶尔还是需要抽卡，但水平完全达到了 Nano Banana 2 的水准，并且使用起来要更方便更便宜。
先来个简单的，「用一张信息图讲解清楚台风是怎么来的和怎么没的」
还有相机的爆炸拆解信息图。
以及曾经让马斯克和奥特曼都在抖音直播的截图，现在 Seedream 5.0 Pro 也能直接生成类似的直播画面。
准确渲染文字的能力，会特别适用于各种产品的渲染。例如我们只是用一句提示词，Seedream 5.0 Pro 就给了四种不同的电商主图方案，每一个都像是广告图。
除了电商，用来打造个人品牌，生成适用于小红书的图片，基本上也都是一次成型。
我们还用更多的文字来考验它，把一个岗位描述发给 Seedream，要求它根据文案，生成一张吸引人的海报。
其中图一是当时 Seedream 5.0 Pro 给的四张图里的其中一个，当我们想要其他的岗位描述也按照这个风格进行时，只需要上传第一张图片，告诉模型，「参考这个图片的风格和样式控制」。
说实话，这个参考能力还是比较强的，整体的画风是统一的。左边岗位职责，右边岗位要求，针对 AI、硬件产品、视频又有专门的个性化元素和文案，例如底部的宣传标语就自动适配了，插画部分也有导演椅、手机电子设备等作为区分。
而如果有专门的设计规范文档，也可以直接发给 Seedream。我们把之前用来在 GPT-Image-2 生图中使用的规范文档，将近 2000 字和提示词一起发给豆包，要求它按照设计规范来生图。
最后的效果基本上和用 GPT-Image-2 类似，遵循了我们的设计规范，图片底色、强调颜色等，都按照文档要求进行设计。
文字如果再多一点，Seedream 5.0 Pro 可能就会有点吃力了，但是多尝试两次，基本上还是能得到令人满意的结果。
同样的，如果是用在工作场景，每次生成的图片必须统一主视觉。我们直接把生成的这张会议议程长图丢给 Seedream 5.0 Pro，然后要求它参考这个图片的风格和样式控制，帮我们生成同样风格类型的具体某一个活动海报。
于是，每一个活动项目，都可以有一张与活动方案视觉一致的海报。
风格的遵循，也能延续到内容的扩充。我们先让它生成一个折叠屏 iPhone 的 Apple 官网截图，然后要求它再根据这张截图生成长截图，Seedream 5.0 Pro 都成功做到了。
质感开始取代 AI 味了
人像曾经一直是 AI 图像模型最容易出圈的能力，但也最容易让人疲劳。
过去很多模型都能生成漂亮脸，一些是漂亮得太干净，皮肤像磨过十层，另一些是眼神没有落点，光线等参数明显不对，就像是从不存在的灯箱里打出来。
Seedream 5.0 Pro 这次的升级还把现实世界的光影、材质、皮肤肌理拉回来。人像修图场景里，模型在保留主体一致性的同时，也能做到让皮肤、面料、配饰和环境融合得更自然。
能处理好人像，各种电影化、游戏化的风格图片，现在也能做到有质感。
能翻译文字，也能翻译文化
最后值得一提的更新是原生多语种，除了能准确地翻译并显示，还新增了对当地文化的理解。
例如，当我们要求它生成几个地区的电影海报，泰国是温暖的阳光，像是外孙和姥姥坐在窗外；韩国是一个发黄的信封，背景里有位老奶奶在雪天的夜灯下；美国则是日落洒下来的黄金海岸，一个漂流瓶内有一封信。
目前，Seedream 5.0 Pro 可以稳定输出包括阿拉伯语、韩语、泰语、法语、俄语、日语等在内的 14 种语言文字。
从创作到生产
AI 生图过去最大的特点，是一句提示词决定一张图片；现在，它越来越像一种新的创作方式。
我们不再一次把所有需求都说完，开始像和设计师沟通一样，圈一下、改一点、换个颜色、挪一下位置，再继续往下调整。
当模型开始理解箭头、色号、图层和局部编辑的时候，它理解的是人真正修改图片的方式，而这或许才是 AI 图像工具真正成熟的标志。
对企业来说，AI 除了帮设计师找找灵感，也能真正开始承担那些过去必须人工修改、反复确认的交付流程。
当修改开始变得精准，可控开始变得稳定，AI 图像工具真正进入每个人的工作流，很快就会是一种常态。
