高忆管理豆包P图全新升级，Seedream 4.0抢先评测来了，我们摸索出AI生图20种「邪修」玩法

打开多模态自由创作的大门。

谷歌 Nano Banana 掀起的全球创作狂欢尚未消退之际，字节又玩了把大的。

近日，字节跳动开始内测最新的豆包・图像创作模型 Seedream 4.0。与此前版本相比，Seedream 4.0 首次支持多模态生图，同一模型可以实现文生图、图像编辑、组图生成，并在核心能力上迎来了显著提升：

主体一致性增强：无论是文本驱动还是图像驱动，都能稳健保持主体特征，避免「失真」与「错位」。

提示词：将平视视角改为俯视视角，将近景改为中景，并把画面比例改为 16：9

多图灵活创作：支持文本、图像的多维组合输入，轻松实现参考生成、融合生成与编辑。

提示词：根据参考图中两个男生的形象，生成一组动作片分镜，原比例

超高清、超高速直出：最高支持 4K 分辨率输出，且推理效率大幅优化，2K 大分辨率图像生成用时仅需数秒。

从更长远的技术发展视角来看，多模态自由创作正成为大势所趋。无论是文本驱动、图像驱动，还是多图融合，用户都期待能以更自然、更随心的方式与 AI 协作。

Seedream 4.0 内测一出，网友们就把它玩出了花。

比如基于多图融合能力，上传两张角色照片，再加上火柴人自拍动作，即可实现同框合影。

提示词：将图1男子和图2女子合进一张画面，参考图3姿势

或者动动嘴就能给模特一键换时尚穿搭：

提示词：给图 1 模特穿上图 2 的穿搭

我们也在第一时间拿到了内测资格。据机器之心了解，字节 Seedream 4.0 模型将很快在豆包、即梦全量上线，并通过火山引擎开放给企业客户。

接下来还是老规矩，我们亲自上手体验一番，看看字节 Seedream 4.0 成色几何。

一手实测：多模态无缝融合释放创作自由

如今，图像生成已经不再是从文本到画面的单向创作。用户需要的也不仅仅是高质量的图像输出，更是一个能够在多模态输入间灵活切换、在生成与编辑之间无缝衔接的完整创作工具。

无论是单图参考、多图组合，还是基于文本与图像的自由融合，Seedream 4.0 都能在同一模型下完成从生成到编辑的一站式创作，让用户在效率与可控性上同时获得新的自由度。

多图输入、输出

先来试试它的多图融合能力。

我们上传了马斯克、奥特曼这对劲敌的半身照，以及一张手绘自拍动作参考图，并在提示词中指定将两位人物合并到同一画面，完成一张「世纪大和解」的自拍照。

模型不仅准确捕捉了参考姿势，还能在保证两位主体身份特征的同时，实现自然的构图与表情协调。不同来源的图像在风格与细节上被平滑统一，没有出现常见的「换脸违和感」或「姿势错乱」问题。

提示词：将图 1 男子和图 2 男子合进一张画面，参考图 3 姿势

除了多图输入，Seedream 4.0 还支持多图输出。比如上传一张情侣正面照，让它生成一组爱情片分镜。

Seedream 4.0 能够在严格遵循人物外观一致性的基础上，设计出超市购物、雨中撑伞等浪漫场景。这种输出方式避免了传统生成模型常见的形象漂移问题，让用户得到一整套故事化的图像。

提示词：根据参考图男生和女生的形象，生成一组爱情片分镜，原比例，不要改变男生和女生的相貌，不要改变他们的发型、衣服

深度意图理解

在深度意图理解方面，Seedream 4.0 也展现出强大的场景重建能力。

我们上传了一张室内设计的线稿图，并要求将其改造成真实场景。模型实现了细节上的高度还原，从沙发、桌子、台灯等主要家具，到画框、绿植等小型装饰，都能做到几乎 1:1 的精准复刻。

这意味着，Seedream 4.0 并非只是填色或补全，而是真正理解了用户的意图，并在此基础上进行合理、完整的空间构建，生成结果真实，细节丰富，整体观感接近专业设计渲染效果。

提示词：把这个线稿改成真实的场景

Seedream 4.0 还能理解抽象符号与图像元素之间的关系。比如在一张瘦弱小猫的图片旁画上外扩箭头，它就能推理出我们的意图是让小猫变胖，最终生成画面中小猫体型明显更加圆润。

相比于只能依赖文字描述的模型，这种图文结合的意图解析使创作过程更加直观高效。

提示词：根据箭头方向改变小猫体型

此外，上传一张人物摄影照片，它还能严格遵循文本要求进行逆向工程，描绘其创作过程。

提示词：展示布景搭建的场景，模特坐着滑手机，身后有一位女性正在帮她整理头发，背景里有一名男子站在梯子上挂幕布，幕布后露出摄影棚的环境

高度特征保持

以往，图像编辑模型在细节还原和物体特性表现上，常常出现失真或不自然的现象，而此次 Seedream 4.0 提供了更高的稳定性与精准度。

比如将参考图转化为手办测试中，Seedream 4.0 不仅遵循了提示词的多重约束，还能让角色形象与参考图保持高度一致，盒子、电脑屏幕、底座等元素布局合理，模型生成的 PVC 透明度与光泽感也更接近实物效果。

提示词：把参考图片转化为一个角色手办，在手办背后放置一个印有该角色形象的盒子，并在旁边的电脑屏幕上显示 Blender 建模过程，盒子前方放一个圆形塑料底座，角色手办立在上面，让 PVC 材质看起来清晰透亮，场景尽量设置在室内

Seedream 4.0 这一功能在商业化场景中大有作为。

我们上传了两只小狗飞奔的图片和一张白色帆布包的产品照，并输入提示词「图 2 帆布包上印着图 1 形象」。

模型在处理跨图像的组合任务时，能精准捕捉主体特征、图像比例，并将其协调融入目标物体之中，避免了贴图感。

提示词：图 2 帆布包上印着图 1 形象

我们还可以制作表情包，Seedream 4.0 忠实还原了仕女的服饰与造型特色，并充分发挥想象力，生成扮鬼脸、打哈欠、比耶、愤怒等多款生动表情，角色形象和画风均没有走样。

提示词：参考图片形象生成一组搞怪表情包

精准指令编辑

对于增删改替常规玩法，Seedream 4.0 也有了较大进步。

比如让男生戴上耳机和墨镜，并手捧一束花，模型自然完成了三项元素的添加。耳机、墨镜与花束都与人物形象高度契合，整体效果真实自然。

提示词：让男生戴上头戴式耳机，戴着墨镜，手捧一束花

或者删除背景中杂乱的路人，模型不仅把这些无关元素删除得干净利落，还能自然填充背景，画面衔接流畅，完全看不出 P 图痕迹。

提示词：删除背景中的路人

即使是更为复杂的任务，如更换人物发型，Seedream 4.0 也能在保证面部特征和气质一致性的基础上，流畅转换发型，发丝细节丰富，还避免了因局部修改导致的整体失真。

提示词：将参考图中的女生发型分别改为大波浪卷、高马尾、丸子头

为了让大家能玩明白，官方还总结出了一套提示词指南。

使用清晰明确的指令通常能实现更好的编辑效果，常见公式为「变化动作 + 变化对象 + 变化特征」，比如将骑士的头盔变为金色。这里，变化动作指的是需要执行的操作，如移除、添加、替换、参考等；变化对象包括主体、背景、光影、色彩等；变化特征则是希望变化后呈现的效果。

当需要将多张图片合成一张时，可以通过「一系列」、「组图」或「帮我生成几张图」等提示词触发组图功能，最多支持生成 9 张图片。

如果需要保持特定角色形象、产品信息或风格一致性，可以上传图像作为参考。

使用精确的风格词或直接输入图像作为风格参考，有助于获得更理想的效果。

上传多张参考图时，明确指出不同图片需参考或编辑的不同元素，可以提高生成结果的精准度。例如：将图 1 中的角色放入图 2 的背景中，参考图 3 的风格进行生成。

与 Nano Banana 同台竞技

为了更直观地展现字节 Seedream 4.0 和谷歌 Nano Banana 这两款模型的差异与优势，我们将其进行了多项对比测试。

Round1：生成 OOTD

图 1 为原图；图 2 为 Seedream 4.0；图 3 为 Nano Banana. 提示词：请根据上传的参考照片，生成一张俯拍平铺的 OOTD 穿搭图，服装、配饰、鞋子需与上传的参考照片 1:1 复刻

从结果来看，Seedream 4.0 与 Nano Banana 的整体表现都接近预期，能够较好地还原出参考造型的整体搭配与构图。

不过在材质精准性与细节控制上仍有优化空间，Seedream 4.0 生成的毛线马甲材质对不上号，Nano Banana 则是纹理不对，同时在生成的包袋上额外出现了一条肩带。

Round2: 一键换衣

我们又上传了一张模特照和一张 OOTD 俯拍平铺图，并输入提示词：Change the outfit with the uploaded one.

图 1、图 2 为原图；图 3 为 Seedream 4.0 生成效果；图 4 为 Nano Banana 生成效果。提示词：Change the outfit with the uploaded one

这两款模型都能够严格遵循提示词要求，将参考穿搭准确替换到模特身上，整体效果自然，服装细节和轮廓基本与参考图一致。

Round3: 漫画分镜

漫画分镜的生成是对模型理解力与画面统筹能力的综合考验。

我们以一张吉卜力风格的女孩形象为参考，要求模型延展出两组治愈系场景。

图 1 为原图；图 2、图 3 为 Seedream 4.0 生成效果；图 4、图 5 为 Nano Banana 生成效果。提示词：参考这张图的画风和人物形象，生成一组治愈系漫画：1. 骑着自行车在山间小路上行驶；2. 穿着透明雨衣，雨衣表面有水珠，右手提着装满鲜红番茄的柳条篮子，行走在泥泞乡间小路，小路两侧是繁茂番茄田（红番茄挂藤，绿叶带雨），田边点缀白 / 粉 / 黄 / 蓝野花，细雨纷飞

两者在复杂分镜生成方面都已具备成熟能力，Nano Banana 一如既往稳定，Seedream 4.0 则在画面色彩搭配上更加鲜明，整体清晰度也更高。

Round4: 修复老照片

我们又上传了一张破损严重的旧照，并要求这俩模型进行自动修复。

图 1 为原图；图 2 为 Seedream 4.0；图 3 为 Nano Banana。提示词：Restore this photograph

它们的处理结果都达到了可用水准，能够有效去除照片中的裂痕与瑕疵，并在保持原有影像风格的前提下，恢复出较为完整的画面。

二者实力几乎不相上下，Seedream 4.0 的成片更清晰，人物面部轮廓与背景纹理表现得更加锐利； Nano Banana 的颗粒感更强，也更有老照片的味道。

Round5: 中文排版

在涉及中文文本生成与排版的任务中，Seedream 4.0 能将英文正确替换为中文，书写感真实，整体与封面设计协调一致；而 Nano Banana 在这一任务中则出现了明显问题，生成的文字难以辨认，呈现出类似「鬼画符」的效果。

图 1 为原图；图 2 为 Seedream 4.0；图 3 为 Nano Banana。提示词：Change the text on the image to "时尚芭莎" in a handwritten style

综合这五项测试结果来看，Seedream 4.0 与 Nano Banana 在图像生成与编辑的核心能力上都展现了较高水准，能够较好地理解复杂提示词并生成符合要求的内容。

两相对比，Nano Banana 在多图融合中主体一致性更稳定，而 Seedream 4.0 则在美感、清晰度以及中文排版等方面表现更为突出，尤其在多语言环境与高精度任务中展现出明显优势。

可以预见，在多模态与生成式 AI 的赛道上，竞争将持续加速，而用户也将因此获得更丰富、更具想象力的创作体验。

下载“北京日报”客户端阅读体验更佳哦

扫描二维码下载手机客户端

-->

分享到

发布评论文明上网理性发言，请遵守评论服务协议

未登录

0/200发布发布全部评论

0条

点击加载更多

欢迎下载“北京日报”客户端发表评论

相关阅读热门报道换一批推荐阅读换一批精彩视频换一批猜你喜欢滚动北京国内国际北晚社会文娱体坛旅游文史阅读深度产经调查互联网美食北晚健康消费北晚行业北晚网摘网站地图新闻评论深度理论视频图库悦读互联网财经文化体坛科教消费矩阵网摘东城区政府网站西城区政府网站朝阳区政府网站海淀区政府网站丰台区政府网站石景山区政府网站门头沟区政府网站房山区政府网站通州区政府网站顺义区政府网站大兴区政府网站昌平区政府网站平谷区政府网站怀柔区政府网站密云区政府网站延庆区政府网站市人大市政协市监察委市高级人民法院市人民检察院市政府办公厅市发展改革委市教委市科委市经济信息化局市民族宗教委市公安局市民政局市司法局市财政局市人力社保局市规划自然资源委市生态资源局市住房城乡建设委市城市管理委市交通委市水务局市农业农村局市商务局市文化和旅游局市卫生健康委市退役军人事务局市应急管理局市市场监督管理局市审计局市政府外办市国资委市广播电视局市文物局市体育局市统计局市园林绿化局市地方金融监管局市人防办市信访办市知识产权局市医保局京报媒体矩阵北京日报北京晚报北京青年报北京商报音乐周报新闻与写作北京日报客户端长安街知事艺绽北晚在线北京深读空间