Le 9 novembre, Volcengine a publié le modèle de création d'images Doubao Seedream 5.5, prenant en charge « l'édition contrôlée au pixel près », la cohérence dans les éditions multi-tours et la génération native de matériaux transparents RGBA, avec une mise en ligne cette semaine sur Volcano Ark. Par rapport à la génération précédente Seedream 5.0 Pro, le nouveau modèle offre un réalisme plus proche de la photographie réelle et peut générer des images plus naturelles et plus cinématographiques.
Concernant les tarifs, Seedream 5.5 adopte une facturation en deux étapes « image d'entrée + image de sortie », avec des tokens de texte gratuits : l'édition d'une image carrée 2K ne coûte que 0,28 yuan, soit 60 % moins cher que Seedream 5.0 Pro, avec une vitesse de génération près de 40 % supérieure. Les développeurs et les clients d'entreprise peuvent l'intégrer à Harness et à leurs pipelines de production, couvrant des scénarios tels que le marketing e-commerce, la conception publicitaire, les assets pour le cinéma et les jeux vidéo, les storyboards de films et la visualisation de connaissances ; les utilisateurs grand public peuvent en faire l'expérience directement dans Jimeng et les flux de travail Doubao.
Le cœur de cette mise à niveau est la capacité de préservation au niveau du pixel lors de l'édition. Grâce à un entraînement spécialisé, le modèle évite facilement, lors de modifications successives, la dérive de l'arrière-plan, la déformation du sujet et la dégradation de la qualité d'image ; dans les tests, même après plus d'une centaine de modifications consécutives (chaque tour prenant le résultat du tour précédent comme entrée), les caractéristiques du sujet, les proportions de la composition et le style d'éclairage en dehors des zones désignées restent parfaitement identiques, atteignant ainsi l'effet « seule la zone modifiée change ».
Le modèle prend également en charge la génération et la séparation de matériaux transparents RGBA natifs, pouvant sortir directement des images avec canal Alpha et prendre en charge jusqu'à 100 couches de matériaux transparents en sortie stratifiée, ce qui facilite la réutilisation des assets créatifs entre scénarios et leur agencement indépendant ; dans les jeux, cela permet d'afficher des effets dynamiques 2.5D. En matière de rendu du texte, le nouveau modèle améliore la génération et la disposition des petits caractères denses, restituant plus précisément les glyphes complexes.
Pour la génération réaliste, le modèle a amélioré le rendu de la lumière, des matériaux et des textures de peau, réduisant les excès de brillance et la surexposition ; la restitution du contre-jour dans les scènes de personnages de films et la fusion spatiale et lumineuse des nouveaux éléments avec la scène d'origine dans la composition d'effets spéciaux se rapprochent également davantage du rendu de la photographie réelle.