Команда ByteDance Seed выпустила Seedream 5.0 Pro, свою новейшую мультимодальную модель для создания изображений. Этот релиз состоялся 8 июля, спустя почти пять месяцев после предварительной версии, и включает в себя визуализацию сложной информации, точное редактирование, качество реальной фотографии и нативную генерацию на разных языках в рамках 17 тестовых сценариев.
Новая версия модели повышает базовые функции, такие как соответствие текста и изображения, структурная согласованность, отображение текста и визуальная эстетика. Кроме того, были добавлены четыре ключевые способности: возможность сложной визуализации информации, интерактивное точное редактирование, реалистичное изображение и портретное качество, а также поддержка ввода и генерации на родных языках.
Стоимость использования определяется размерами входного и выходного изображений. Для результатов размером до 2,36 мегапикселей первое входное изображение предоставляется бесплатно, последующие входные изображения стоят 0,003 доллара, а выходные — 0,041 доллара. Для более крупных результатов цены масштабируются соответствующим образом. Модель теперь доступна в центре опыта Volcengine Ark и будет внедрена на платформах Doubao и Jimeng.
В ходе обширного тестирования по 17 сценариям Seedream 5.0 Pro продемонстрировала высокую эффективность в создании коммерческих постеров, реалистичной фотографии, локализованного точного редактирования и многоязычного создания постеров. Модель способна работать со сложными инфографиками, имеющими трехколоночные макеты, визуализациями разбивки стоимости роботов и схемами популяризации науки, объясняющими архитектуру чипов AI HBM.
Примечательные улучшения включают макеты с сетчатыми направляющими, демонстрирующие восемь категорий моделей ИИ в карточном формате, рекламные зимние постеры в винтажном пергаментном стиле и макеты пользовательского интерфейса электронной коммерции. Модель сохраняет единообразный визуальный стиль при задании стилистических подсказок и показывает особую силу в дизайне коммерческих постеров, где надежно работают отображение текста, иерархия и размещение декоративных элементов.
Функции точного редактирования позволяют заменять локальные материалы в определенных областях, сохраняя при этом оригинальную перспективу, тень и окружающее освещение. Модель поддерживает разделение слоев, отрисовку эскизов и генерацию текста на нескольких языках, при этом китайское отображение текста значительно улучшено по сравнению с предварительной версией, хотя в плотной инфографике все еще встречаются некоторые сложные ошибки в китайских иероглифах.
Seedream 5.0 Pro представляет собой конкурентный ответ ByteDance на быстро развивающийся ландшафт генерации изображений с помощью ИИ, конкурируя с такими моделями, как ChatGPT Images 2.0. Цель модели — устранить разрыв между потребностями креативных профессионалов в области информационного дизайна, коммерческой графики и фотореалистичного вывода. Команда Seed продолжает работать над устранением оставшихся проблем, связанных со сложным отображением текста и согласованностью символов в различных генерациях.
