ByteDance da China lança o modelo de criação de imagens Seedream 5.5

De acordo com pt.wedoany.com-Em 9 de novembro, a ByteDance da China lançou oficialmente o Seedream 5.5, nova geração do modelo de criação de imagens Doubao, com atualizações focadas em edição de imagens em múltiplas rodadas, geração de materiais transparentes, imagens realistas e capacidade de renderização de texto. Em comparação com a geração anterior Seedream 5.0 Pro, o novo modelo aumentou a eficiência de geração de imagens, suporta a realização contínua de 100 rodadas de edição sobre a mesma obra e pode gerar diretamente materiais de imagem com canal alfa transparente. Atualmente, o Seedream 5.5 já está integrado às plataformas Doubao, Doubao Work e Jimeng, e o serviço de API do Volcano Ark está em processo de lançamento.

O Seedream 5.5, por meio de treinamento especializado, melhorou a consistência visual durante o processo de edição contínua, sendo capaz de manter em nível de pixel as áreas que não precisam de modificação, reduzindo desvios de cor, perda de detalhes e degradação de qualidade causados por múltiplas edições. Em um conjunto de testes apresentado pela ByteDance, o modelo realizou continuamente 100 rodadas de modificações sobre a mesma pessoa, ajustando gradualmente roupas, acessórios e objetos sobre a mesa, enquanto preservava as características originais da pessoa e tratava relações de oclusão e iluminação entre objetos pequenos, como anéis e armações de óculos, e a pessoa.

O novo modelo adiciona capacidade nativa de geração de materiais transparentes em RGBA, podendo gerar diretamente, a partir de descrições textuais ou imagens de referência, imagens transparentes e semitransparentes contendo canal Alfa. O modelo é capaz de preservar detalhes de contorno de objetos complexos, como penas, tecidos e ornamentos, e de tratar áreas transparentes e bordas dos objetos, permitindo que os materiais gerados entrem diretamente em fluxos de diagramação, composição de imagens e produção de design. A ByteDance também demonstrou o efeito de aplicação do uso do mesmo conjunto de materiais de personagens transparentes para gerar diferentes ações e cenas.

A melhoria na qualidade de geração de imagens concentra-se em iluminação, materiais e textura da pele humana. O modelo reduziu problemas de brilho excessivo, exposição anormal e distorção de materiais em algumas imagens realistas, e melhorou detalhes como fios de cabelo em contraluz, dobras de tecidos e reflexos em superfícies úmidas. A capacidade de geração de texto também foi reforçada, podendo lidar com caracteres chineses complexos, textos pequenos e densos e múltiplos parágrafos em inglês em composições de texto e imagem.

A ByteDance organizou na plataforma MagicArena uma avaliação especializada voltada para seis tipos de cenários: comércio eletrônico, marketing, audiovisual, jogos, escritório e design de moda, na qual avaliadores profissionais da área de geração de imagens pontuaram a qualidade e a usabilidade das gerações. Os resultados mostram que o Seedream 5.5 obteve pontuações de efeito de geração e taxas de usabilidade superiores às do Seedream 5.0 Pro nos seis cenários, com as taxas de usabilidade nos cenários audiovisual e de escritório alcançando mais que o dobro da versão anterior.

Outro conjunto de testes especializados sobre estrutura de texto e realismo de imagem utilizou o método de pontuação de preferência GSB, comparando separadamente os resultados de tarefas de texto para imagem e imagem para imagem. O Seedream 5.5 obteve pontuações positivas em todas as quatro comparações em relação à geração anterior, com o indicador de realismo em imagem para imagem alcançando +55,62%. As avaliações voltadas para chinês, inglês e textos pequenos e densos mostram que a taxa de erros graves de texto no conteúdo gerado pelo modelo caiu para 0,4%, e a taxa de erros leves de texto caiu para 1,7%.

A API do Seedream 5.5 mantém o modelo de cobrança segmentada por imagem de entrada e imagem de saída, sem cobrança separada por Tokens de texto. Tomando como exemplo a edição de imagens quadradas em resolução 2K, o custo de processamento por imagem é de aproximadamente 0,28 yuan, menos da metade do Seedream 5.0 Pro da geração anterior. A ByteDance também planeja lançar a versão Seedream 5.5 Pro, ampliando ainda mais a capacidade de entrada de contextos complexos e de criação profissional de imagens.