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

首先，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”。例如输入提示词：“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。”Seedream 4.0给出了如下图这样的效果：

其次，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。例如输入提示词：“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。”生成的效果如下图：

再次，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。输入提示词：“将图1男子和图2女子合进一张画面，参考图3姿势。”效果如下图：

或者动动嘴就能给模特一键换时尚穿搭，输入提示词：“给图1模特穿上图2的穿搭。”效果如下图：

据了解，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。

栏目编辑：张钰芸 题图来源：采访对象提供 图片来源：采访对象提供

来源：作者：新民晚报 金志刚