Seedream · фото по описанию и правка по инструкции

Seedream · семейство моделей генерации изображений от команды ByteDance Seed. Одна модель принимает текст, одно изображение или сразу несколько и умеет три вещи: рисовать по описанию, править готовое фото по инструкции и собирать новый кадр из нескольких референсов. В Студии гайд привязан к Seedream 5.0 Pro, старшей версии на момент проверки.

Мультимодальная модель генерации изображений с продвинутым рассуждением · ByteDance Seed

Ниже разберём, чем отличаются версии, что говорит официальная документация о промптах и где модель чаще всего понимает задачу не так.

Что умеет модель

Официальное руководство Volcano Engine Ark, облачной платформы ByteDance, описывает такие сценарии.

• Генерация по описанию. Портреты, предметная съёмка, интерьеры, иллюстрации, инфографика.
• Правка по инструкции. Добавить, убрать или заменить объект, сменить материал, фон, цвет, ракурс, стиль. Остальное модель старается сохранить.
• Несколько референсов в одном запросе. Например, человек с первого изображения в одежде со второго или товар на фоне с третьего.
• Интерактивная правка у 5.0 pro и flash. Место правки можно отметить прямо на картинке стрелкой, рамкой или наброском либо задать координатами в тексте промпта.
• Разбор на слои у 5.0 pro и flash. Модель раскладывает картинку на подложку и до 16 отдельных слоёв, чтобы их можно было двигать и менять по отдельности.
• Серии изображений у 5.0 lite, 4.5 и 4.0. Набор связанных кадров за один запрос: раскадровка, комикс, стикеры, четыре сезона одного места.
• Надписи на многих языках. Для 5.0 pro и flash документация отдельно называет 14 языков для надписей, среди них русский.

Версии и параметры

Данные ниже взяты из руководства Volcano Engine Ark и относятся к работе через API разработчика. Что из этого доступно в Студии, видно в форме запуска: формат кадра и качество выбираются там.

Что ещё важно из документации:

• Соотношение сторон. Для собственного размера допустимы пропорции от 1:16 до 16:1. Документация советует описывать формат и назначение картинки прямо в промпте, например «горизонтальный кадр 16:9 для обложки», и модель подберёт размер сама.
• Pro и flash. Flash описана как облегчённый вариант pro для задач, где важнее скорость отклика. У pro есть быстрый режим обработки промпта ценой части качества, у flash только стандартный.
• Поиск в сети у 5.0 lite. Эта версия умеет подтягивать свежие данные из интернета, например для карточки с прогнозом погоды.
• Серии у lite и 4.x. Число референсов вместе с числом картинок в серии не больше 15.
• Длина промпта. Руководство советует укладываться примерно в 300 китайских иероглифов или 600 английских слов. Если текст длиннее, модель начинает терять детали.

Как устроен хороший промпт

Гайд разработчика по Seedream 4.0 и 5.0 сводится к простой мысли: пишите связным естественным языком, а не набором тегов через запятую.

Генерация по описанию

Базовая схема · объект, действие, окружение. Если важна эстетика, добавьте стиль, цвет, свет и композицию словами или короткими фразами. Полезно назвать назначение картинки: логотип, постер, карточка товара, обложка. Модель лучше подбирает подачу, когда понимает, для чего кадр.

Правка по инструкции

Назовите конкретный объект и конкретное изменение. Вместо «сделай её в розовом» пишите «замени синее пальто девушки на розовое того же кроя». Отдельно перечислите, что должно остаться как было: лицо, поза, свет, композиция. Местоимения вроде «это» и «он» модель может отнести не к тому объекту.

Несколько референсов

Называйте изображения по номерам и давайте каждому роль: «человек с изображения 1», «куртка с изображения 2», «фон с изображения 3». Сначала скажите, что взять из каждого референса, потом опишите новую сцену. Подробнее о ролях референсов в статье о референсах.

Надписи

Текст, который должен появиться на картинке, берите в кавычки. Гайд разработчика прямо указывает, что без кавычек точность надписей падает. Укажите, где находится надпись, каким шрифтом и цветом она написана. Больше приёмов в статье о тексте на изображениях.

Документация показывает примеры промптов на китайском и английском. Русский входит в список языков для надписей у 5.0 pro и flash, но отдельно о русских промптах документация не говорит. Если модель поняла описание неточно, сократите его до главного или продублируйте ключевые слова на английском.

Примеры промптов

Последний пример рассчитан на версии с поддержкой серий, по документации это 5.0 lite, 4.5 и 4.0. Его удобно попробовать на Seedream 5.0 lite.

Частые ошибки

• Список тегов вместо описания. Строка «девушка, парк, осень, пальто, кино, 8k» хуже связной фразы, где понятно, кто где стоит и что делает. Гайд разработчика приводит такие строки как пример слабого промпта.
• Надпись без кавычек. Модель может принять текст за часть описания и не написать его на картинке или исказить буквы.
• Размытая правка. «Сделай красивее» или «поменяй одежду» не говорят, что именно менять. Назовите объект, новое состояние и то, что трогать нельзя.
• Референсы без ролей. Если не сказать, что взять с каждого изображения, модель смешает лица, одежду и фон непредсказуемо.
• Слишком длинный промпт. Когда описание раздувается, часть деталей теряется. Оставьте главное, второстепенное уберите или вынесите в следующую правку.
• Ждать серии от 5.0 pro. По документации pro и flash пока не делают серии кадров. Для раскадровок берите версию, где серии поддерживаются.
• Отметки остаются на фото. Если вы рисовали рамку или стрелку на исходнике, попросите модель убрать её из результата. Так советует и руководство по интерактивной правке.

Как попробовать в Студии

Откройте Seedream 5.0 Pro в разделе Фото, вставьте один из промптов выше, выберите формат кадра и качество. Для правки и примерки загрузите исходные изображения, сколько файлов принимает модель, видно в форме. Цена в кредитах видна на кнопке запуска до нажатия.

Если модель обрабатывает запросы за рубежом, для запуска нужно согласие на трансграничную передачу. Его отмечают флажком при входе, подробнее в статье о согласии.

Если нужна быстрая серия черновиков, попробуйте Seedream 5.0 Flash. Для сложных правок с несколькими референсами сравните результат с FLUX и Kling O1.