Volcano Engine veröffentlichte am 9. November das Bilddesign-Modell Seedream5.5 von Doubao, das „pixelgenaue kontrollierte Bearbeitung“, Konsistenz über mehrere Bearbeitungsrunden hinweg sowie die native Generierung von RGBA-Transparentmaterial unterstützt, und brachte es in dieser Woche auf Volcano Ark online. Im Vergleich zur Vorgängergeneration Seedream5.0Pro wirkt das neue Modell realistischer und kommt einer echten Aufnahme näher; es kann natürlichere und filmischere Bilder erzeugen.
Beim Preis setzt Seedream5.5 auf eine zweistufige Abrechnung mit „Eingabebild + Ausgabebild“, Text-Token sind kostenlos, die Bearbeitung eines einzelnen 2K-quadratischen Bildes kostet nur 0.28 Yuan – 60% günstiger als Seedream5.0 Pro und fast 40% schneller bei der Generierung. Entwickler und Unternehmenskunden können Harness und Produktionspipelines anbinden und damit Szenarien wie E-Commerce-Marketing, Werbedesign, Assets für Film und Games, Film-Storyboards sowie Wissensvisualisierung abdecken; Privatanwender können es direkt in Jimeng und in den Doubao-Arbeitsabläufen erleben.
Der Kern dieses Updates ist die Fähigkeit zur pixelgenauen Bewahrung bei der Bearbeitung. Nach einem gezielten Training treten beim Modell in fortlaufenden Bearbeitungen weniger Hintergrunddrift, Subjektverzerrung und Qualitätsverlust auf. In Tests blieben selbst nach über hundert fortlaufenden Bearbeitungsrunden (wobei jeweils das Ergebnis der vorherigen Runde als Eingabe dient) die Merkmale des Subjekts, die Kompositionsproportionen sowie der Licht- und Schattenstil außerhalb der angegebenen Bearbeitungsbereiche vollständig erhalten – es verändert sich also nur, was geändert werden soll.
Das Modell unterstützt zudem die Generierung und Aufteilung nativer RGBA-Transparenzmaterialien und kann Bilder mit Alphakanal direkt ausgeben, mit gestaffelter Ausgabe von bis zu 100 Transparenzebenen, was die wiederverwendbare Nutzung und unabhängige Anordnung von Kreativ-Assets über Szenarien hinweg erleichtert; in Spielen lassen sich damit 2.5D-Dynamikeffekte darstellen. Beim Text-Rendering hat das neue Modell die Fähigkeit zur Generierung und Anordnung dichter, kleiner Schrift verbessert und kann komplexe Schriftzeichen genauer wiedergeben.
Beim realistischen Generieren hat das Modell die Darstellung von Licht und Schatten, Materialien und Hauttexturen verbessert, übermäßigen Ölglanz und Überbelichtung reduziert; bei Filmszenen mit Personen sind die Wiedergabe von Gegenlicht sowie die räumlichen Beziehungen und die Licht-Schatten-Verschmelzung neu hinzugefügter Elemente mit der Originalszene in Film-VFX-Kompositionen nun noch näher an der Qualität echter Aufnahmen.