字节Seedream 5.5实测：100轮改图稳定并可直出透明图

昨天，字节发布了新的生图模型 Seedream 5.5。

这次更新有几个明显的变化：局部编辑和多轮修改时的一致性、原生透明和半透明素材、复杂场景里的文字与排版，以及人物和场景的真实质感。

我挑了几个场景试了试，部分场景也放了 Image 2.6 和 Nano Banana 2 的结果作参照。

先说入口，Seedream 5.5 已经上线豆包、豆包工作和即梦。API 服务将于本周上线火山引擎。

比如打开即梦网页，在“生成”的图片生成模式中选择Seedream 5.5；需要把多张参考图放在一起操作时，就切到“画布”。

下面这批猫咪测试案例，我用的就是画布。

◈一、连续改图，不崩坏

用 AI 改图，最怕的就是改着改着，原本满意的地方也跟着变了。

这次 Seedream 5.5 最大的亮点就是：重点提升了局部编辑和多轮修改的稳定性。

官方的案例是把同一张图连续编辑修改了 100 轮。我没改那么多，先试了 18 轮：给一只过生日的猫换蛋糕上的数字，从 1 一直改到 18。

规则很简单：每次只改蛋糕正面的数字，下一轮在上一轮的结果上接着改。

猫咪的花色、捧脸的姿势、珍珠饰品，以及桌上的蜡烛和酒杯，都是固定参照物，不允许修改。

好家伙，真是没想到连着修改18轮我已手酸，官方直接修改了100轮，这耐心不敢想象。。。

不过最后把成果图连起来看，效果更直观：

18 轮下来，数字都改对了，猫咪捧脸的双爪、额头的珍珠头饰和脖子上的项链都没跑，一致性保持的效果给个夯。

作为参照，我也用 Image 2.6 跑了同样的 18 轮，数字仍然能辨认，但越到后面，画面的变化就越明显：

后半段不只是变模糊，猫脸、毛发和桌布开始出现块状的重绘，原本偏暗的烛光场景也越来越亮、越来越暖。

放进动图里看，会更加明显。

改一个蛋糕上的数字，可能还简单点，所以我决定给它加大难度，修改一整件衣服，

这个案例也来自我真实的需求，平常买衣服时总是纠结，购物平台上的搭配看着好看，轮到自己穿上就差点意思了。

所以我挑了一张和自己身材比例比较接近的模特图，把它当成试搭底稿。

图左边本来就有一张商品搭配卡，正好还能多测一件事：人物换了衣服，旁边的小图能不能一起换。

上传原图后，我先固定住人物身份、身形、站姿、手机、房间陈设和光影，每轮只写这次要改的衣物。

而且每一轮都在上一轮的结果上接着改。

我先把打底衫分别换成柔雾蓝、焦糖棕和豆沙粉；同时要求左侧搭配卡的“圆领打底衫”小图也要换成同款颜色。

接着试长袖开衫、不同长裤，最后改包的材质和颜色。

总共试了12轮，我把结果合成了一张动图：

从动图的展示看，当上衣、开衫和裤装依次变化的时候，左侧小图也能跟着更新，而人物背后的布局纹丝不动。

同样的 12 轮，我又让 GPT Image 2.6 和 Nano Banana 2 各跑了一遍。

GPT Image 2.6 前三轮换打底衫时还很稳，背景的时钟和照片墙基本没变。改到开衫，细节开始松动：挂在胸前的眼镜大小前后不一致，开衫的版型也不稳定。越往后，连打底衫的形状都跟着变了。

Nano Banana 2 的问题出现得更早。镜框右侧的花纹一直在变，左侧搭配卡里的马甲和人物身上穿的对不上，每轮新换的衣服也和要求的样式差了一截。

两组连续修改看下来，Seedream 5.5 在精准编辑这件事上，是三家里最稳的一个。

◈二、支持全透明／半透明素材

支持直接生成透明、半透明背景的素材正好是这次Seedream 5.5 的第二个更新点。

我用手机里的猫咪照片试了一下。

这些照片有的在户外，有的在家里，背景都比较乱。

我在即梦画布里放入10张原图，把它们作为同一个生成节点的参考，模型选Seedream 5.5、分辨率选2K。

关键的一步是把输入框下方的背景选项切成“透明背景”，再写清楚提取要求：

分别提取10张照片中的猫咪，生成独立图层，主体之外为透明图层。

深色画布上的预览已经能看出变化：猫咪从原来的环境中分离出来了，黄色小帽、围兜和各自的花色都保留下来了。

不过黑白猫下方还带着一小截猫爬架横板。不影响大局，等后期正式排版可以再处理。

拿到这批猫咪的素材后，那就有的玩了，可以把它们放在不同的背景下组合成不同的图片。

比如给每只猫一个票框，周围加票齿、面值和邮戳，底色统一成奶油色纸张，看起来就像一本自己的小收藏册。

再比如可以把同一批素材换成迷你杂志封面：每只猫一张，加上刊名、不同底色和栏目文字，再拼成一张合集。

你还别说，这两套版式风格不同，但小帽、衣饰这些识别点都保留了下来。

以后只有手里有抠好的素材，我们还可以做贺卡、手帐这些有趣的玩法。

当然前边两版都还是静的。其实透明素材还可以继续做成动态表情。前阵子很多人在用生图模型做「精灵图」动画。

就是把一个角色的连续动作一格一格排在同一张图上，再切开来播放。这次我也用 Seedream 5.5 试了一下。

过程很简单，先把一张战斗动作精灵图作为图1，再把想做的角色作为图2，一起放进画布。模型选择Seedream 5.5，背景仍选“透明背景”。

提示词里如下：

参考图1的动作安排，为图2的角色制作128px简化像素风精灵图，4×4排列、共16帧。准备、出拳、踢腿和受击各占4帧，背景透明。

生成图的速度很快，Seedream 5.5 按 4 列 × 4 行出了 16 个透明背景的动作格。

到这一步，生图模型的工作就做完了。要让它动起来，还得把整张图切成 16 帧，这一步要跑 Python，我交给了本地装的 DeepSeek Harness，给它的指令如下：

16 张 PNG 切好以后，再让它把这些图按顺序合成透明背景的 GIF：每帧 100 毫秒，一共 1.6 秒，无限循环。

最后连起来看，准备、出拳、踢腿和受击，就成了一段能反复播放的小动作：

◈三、文字更准，排版也更完整

写中文一直是生图模型容易出问题的地方。

我专门挑了一个稍有点笔画、又不至于太生僻的简体名字：桂馥茶集。

给它的是一份冬季竖版奶茶海报需求。主视觉要有热饮的暖意，三款产品分别介绍茶底、原料、口味、容量和示例价格；杯身、纸袋和周边还要反复出现同一个品牌名。

从生成的图片可以看到冬季气氛很明显，整体布局很舒服，杯中的热气从杯口往上散。

再往下是三栏介绍，纸袋、帆布袋和保温杯。

然后我们继续放大看，品牌大标题、三款品名，以及450mL、24／26／28元这些主要信息都能读清。

同一份提示词，我也让 GPT Image 2.6 和 Nano Banana 2 各做了一张。GPT Image 2.6 的版面塞得很满，看着有点挤；Nano Banana 2 排得规规矩矩，也没有给每款茶配上对应的产品图。。。

除了更准的的文字效果外，Seedream 5.5 这次更新的内容还包括了排版风格的提示。

于是我想到最近《后会友期》里文艺青年许飞比较火的梗：画地为牢。

所以尝试做一张带叙事的海报，给它提供了一些背景资料信息，这样既可以了解她们之间的故事，还能表达她们的感情。

这一张我的创意方向是把图片设计为纸感拼贴的表达：上面放舞台背影和日常回忆，中间用文字把主题点出来，下面再留给雪山、小屋和两个人。

没想到Seedream 5.5 第一版直出的效果图就让我有点意外。

首先暖色回忆与蓝灰雪山分开了两个时间层次；石墙围出距离，底部的门又把视线引向远处。

大标题、引语和旁边的小段文字也都是各有位置，没有一起压到人物身上。

好喜欢这种图文能互相接话的感觉啊。。。

◈四、人物和场景更有真实感

前面几张多少都带点设计感，最后一项更新回到最朴素的问题：生成的图片像不像真的拍出来的。

官方说这次改善了光照、材质和皮肤纹理的表现，减少过度油亮和过曝，让画面更接近真实拍摄。

我按现在的季节，写了一张秋天的生活照：女生蹲在银杏树下摸猫。

为了看出人脸和光影是否真实，提示词里专门写了肤色起伏、细小绒毛、自然神态，以及侧逆光的方向：

生成一张4:5写实生活摄影。秋季银杏公园，一位25岁中国女生穿米白针织开衫和浅棕中长裙，蹲在略微潮湿、铺满金黄扇形银杏叶的石板小路上。轻俯拍，她抬头自然微笑，一手轻摸身旁橘猫的头，另一手拿两片落叶；橘猫半眯眼、四肢自然。保留微小毛孔、细绒毛、轻微眼下纹理和真实不均匀肤色，不磨皮、不塑料脸、不过锐化。午后侧逆光穿过金黄树冠，在皮肤、衣物、猫毛、地面形成方向一致的柔和光斑和阴影。手指、关节、人与猫的接触合理；自然摄影色彩、适度景深，无文字、水印和夸张HDR。

先看Seedream 5.5 生成的这张，侧逆光把头发、针织衫和猫毛的边缘照亮，脸上仍留着自然的明暗变化。女生的手搭在猫头上，猫闭着眼坐着，人与猫的接触关系基本自然。

同样我还把三家的生成结果放在一起对比，Image 2.6生成的猫咪没有尾巴，人物也没有侧逆光，Nano Banana 2 的人与猫的接触不是很自然，整体更没有光的效果。

看完近处的人物写实风景，我想着把镜头拉远。看一下整体的风景效果。

这一组改用16:9横图，要求雪山、河道和针叶林成为主要画面，牦牛只在远处保留小小一群。看看它会不会为了画清动物，擅自把镜头推近。

从生成的图中可以看到三家这次都保住了远景的小主体。

Seedream 5.5 这张能辨认出 7 头牦牛，雪坡、树林和远山仍占着主要画面；牛群略有列队，少了一点自然散开。

Image 2.6 把兽群放得更远、更小，Nano Banana 2的前景山石则更突出。