Seedream - v4.5

Seedream 4.5 - 現在免費支援4k解析度！

查看由 Bytedance 提供的極其實用 Seedream 4.5 提示官方指南！

以下詳情最初發布於：https://seed.bytedance.com/en/tech/seedream3_0

技術創新

相比之前的 Seedream 2.0，本次採用了多項創新策略，解決現有挑戰，包括圖像解析度限制、複雜屬性遵循、細粒度排版生成及視覺美學和真實感不足等問題。

主要體現在以下四個方面：

• 在數據層面，通過一種新穎的動態採樣機制沿兩條正交軸進行操作——圖像叢集分佈和文本語義一致性，數據集規模約擴大了100%。

• 在預訓練階段，相較2.0實施多項改進，提升了擴展性、泛化能力及視覺語言對齊：i) 混合解析度訓練；ii) 跨模態 RoPE；iii) 表徵對齊損失；iv) 解析度感知時間步採樣。

• 在訓練後優化階段，利用多元美學標註與基於 VLM 的獎勵模型進一步提升模型綜合能力。

• 在模型加速方面，通過一致的噪聲期望促進穩定採樣，有效減少推理過程中的函數評估次數(NFE)。

圖1 Seedream 3.0 在人工分析圖像競技排行榜中排名第一。由於缺少數據，Imagen 3 的肖像結果和 Seedream 2.0 的整體結果以其他模型的平均值代表。

模型性能迭代

與 Seedream 2.0 相比，Seedream 3.0 在多個維度取得重大突破：

• 原生高解析度：原生支持2K解析度輸出，無需後期處理，且兼容更高解析度並適應多種寬高比。

• 綜合能力提升：文字圖像對齊、組合結構設計、美學品質及文字渲染能力均顯著增強。

• 文字渲染性能顯著提升：在小字體生成、中文字符準確性和高美感長文本排版上表現出色。模型成功應對小字體生成及長文本排版的行業難題，圖形設計輸出超越了 Canva 等平台的手工設計模板。憑藉精確且美學優化的文字生成能力，輕鬆創作設計師級海報，無縫融合多樣字體、風格和排版。

• 美學改進：圖像美學品質大幅提升，在電影場景渲染和更真實質感的人像生成上有優異表現。

• 高速生成體驗：通過多項創新加速技術，大幅降低推理成本。1K解析度的端到端生成僅需3.0秒。

圖2 人類評估結果。Seedream 3.0 在圖文匹配、結構和美學方面均超越其他模型。