有一說一，前幾天就已經(jīng)立冬了，眼瞅著又快到年底了現(xiàn)在。

擱往年的情況，到了年底這才到各大廠商紛紛發(fā)力的時候，年關(guān)將近嘛，總得搞出點啥新東西，給大家漲漲眼界。

 雖然說最近關(guān)于 AI 的新消息不是很多，但是人家這段時間肯定也沒閑著，這不，一個多月前，也就是 925 那天我們才跟大家說了豆包的視頻生成，這兩天，豆包又又又上新了新功能。

簡單來說，這回豆包支持 “ 一句話編輯修改圖片 ” 了。

雖然文生圖已經(jīng)搞了兩三年，但這回，我敢說真算是國產(chǎn) AI 文生圖里的新突破了。

可能不少差友還覺得， AI 生圖不是已經(jīng)挺厲害的了嘛，怎么還不能修改圖片？

實際上，我們這幾年也測了不少文生圖大模型了，支持圖片精確修改的還真沒有，目前做的最好的真就是豆包。

 就比如說 ChatGPT-4o ，你讓他畫個打籃球的人還可以，但是你要想改動一下，把環(huán)境換成沙灘，不好意思，整張圖都變了。

不止 OpenAI 的不行，谷歌的 Gemini 也一樣。

本來說讓它把圖中的雞變成鱷魚，結(jié)果不僅沒變成，還把背景給全改了，兩次的籃球也完全不一樣。

拿 AI 自己生的圖搞都這樣，更別說本地上傳的照片了。

就拿最簡單的給圖像換顏色來說，即使在豆包以前的版本里，這種效果也不理想。

比如我們直接把 925 活動里，給脖子哥拍的照片傳上去，然后告訴豆包，你給我把脖子哥抱著的小白狗換成小黃。

結(jié)果就是，整張圖都變了，風(fēng)格大變就算了，構(gòu)圖也不一樣。

但是現(xiàn)在，這回用上這個上新了的豆包，同樣的照片同樣的提示詞，你再看看：

滑動查看AI效果

雖然有一點點小瑕疵，但要跟前面的一比，是不是高下立判！

 不但保留了脖子哥的動作，表情，小狗的形狀也跟上傳的圖差不多，說換成黃色就換黃色，一點不含糊。

再來試試圖像消除，效果也不錯。

Prompt: 幫我生成圖片：消除白色小狗

發(fā)現(xiàn)沒，這個文生圖變得智能了，它能識別出照片里的內(nèi)容，你想修改啥他就只改啥，哪里不對改哪里， so eazy! 

而且不僅能做到識別，修改顏色，消除物品這些基本功能，你想整點復(fù)雜的也一樣可以。

比如更換圖片的背景。

我們把差評硬件部視頻里，米羅的照片傳上去，然后叫豆包把我們的拍攝間背景改成上海陸家嘴。

Prompt: 幫我生成圖片：背景換成陸家嘴

哎嘿！還真就換成了，紙張的折痕還都一點沒變。

 你甚至可以分得清背景里，哪個是 “ 開瓶器 ” 環(huán)球金融中心；哪個是 “ 注射器 ” 金茂大廈；哪個是 “ 打蛋器 ” 上海中心大廈，陸家嘴三件套安排的明明白白。不知道的故意第一眼看去，還真以為我們公司搬到浦東了。

除了這些現(xiàn)實中存在的場景，科幻作品中想象的東西，這回豆包也能夠生成。

我們讓豆包把米羅改造成戰(zhàn)錘 40K 風(fēng)格，結(jié)果也是相當(dāng)?shù)?amazing 啊，雖然換了個人種，但是五官還算依稀能看出米羅的影子，要是戴上頭盔，真就跟星際戰(zhàn)士一樣了。

Prompt: 幫我生成圖片：衣服換成戰(zhàn)錘40K裝甲，手拿激光炮

更重要的是，雖然人物的著裝和風(fēng)格變了，但圖片前面的桌子，跟背景的墻壁、窗簾、掛畫可都是一點沒動。

就這個效果，你要不跟別人說，誰知道這到底是 AI 生成還是 PS ，一眼望去是真分不清。

 不過，在人物測試中我們還發(fā)現(xiàn)，如果你拿AI 生成的圖進行修改，效果比用照片還要強上不少。

你比如就說，我們先生成一張屏幕前各位彥祖的日系寫真，然后告訴豆包，把彥祖的襯衣?lián)Q換顏色。

Prompt: 幫我生成圖片：衣服顏色換成棕色

你瞅瞅，臉部的細(xì)節(jié)，頭發(fā)的細(xì)節(jié)，甚至背后墻磚上的紋理，遠(yuǎn)處的電線桿子，都一點沒動，說換裝就換裝，那叫一個干凈利落。

 當(dāng)然了，用人像演示還是為了測試它在人臉細(xì)節(jié)上的把握能力，畢竟人臉這玩意，一但生成的不好，就會產(chǎn)生恐怖歡樂谷效應(yīng)，一眼盯真的事。

戴珍珠耳環(huán)的少女都見過吧，世界名畫，我們讓豆包給你把人臉換成貓臉版本，來看看它對跨物種的面部融合做的咋樣。

Prompt: 幫我生成圖片：把人臉換成貓

結(jié)果整體瞅下來，表現(xiàn)還是相當(dāng)不錯。不但保留了頭飾、衣服紋理的細(xì)節(jié)，小貓耳朵這塊也處理的很好，沒穿模，直接能拿去當(dāng)微信頭像用了。

除了照片人像這些，物品啥的理論上會更容易，但是我們還得測，比方說汽車。

我們把一張大眾 CC 的照片傳上去，讓它給換成奔馳。

Prompt: 幫我生成圖片：車頭換成奔馳

結(jié)果也還行，前臉一套都改成了奔馳 C260 ，還是現(xiàn)款的，其他的像車身顏色，周圍的環(huán)境，也都沒變。

但遇上了多人物，復(fù)雜場景的情況下，豆包又會表現(xiàn)成啥樣呢？

 就像劉華強買瓜這段，咱今天就把這個換成劉華強買炸雞和棉花。

結(jié)果效果還怪好嘞，瓜販子衣服上的圖案都一模一樣，所有的西瓜都改掉了，特聰明。

Prompt: 幫我生成圖片：把西瓜換成棉花和炸雞

還有一個重點是，如果同時給豆包不同的修改要求，它能不能全部完成。

就比如，西游記里的唐三藏，我想給改成戰(zhàn)地版唐三葬，給的提示一句話里有三個指令，同時要完成戴墨鏡，拿機槍，換背景，三樣任務(wù)。

滑動查看AI效果

Emmm ，結(jié)果還是全部都完成了，效果也可以。墨鏡一戴誰也不愛，身處戰(zhàn)場手拿機槍，六根清凈貧鈾彈，一息三千六百轉(zhuǎn)，殺生為護生，斬業(yè)非斬人，主打一個物理超度。

綜合來看的話，不止照片、視頻截圖，包括在制作梗圖表情包這一塊，豆包都能夠手到擒來，即便細(xì)節(jié)上還能發(fā)現(xiàn)可以提高的地方，但話又說回來，不怕人比人，就怕貨比貨嘛。

 就目前來說，比起以前的文生圖模型，確實是高的不知道哪里去了。

看到這可能有差友就要問了，世超鴿鴿，為啥豆包這次突然就跟換了個媽媽生的一樣，比之前聰明了這么多？

該說不說，這里面確實有門道。

這么說吧，我們以前用的文生圖模型，基本用的都是 Diffusion 技術(shù)，是先把圖片一步步變糊，然后反向分析怎么從糊到清晰，從而產(chǎn)生新的圖像。

 但問題是，在這個過程中，模型生成圖像是基于全局信息的，要想局部修改，不好意思，整體全都要重來，所以每次生成的都不一樣，也沒法在細(xì)節(jié)上再調(diào)整。

我們這兩年也測了不少文生圖模型，咋說呢，東西是沒問題，可以生成，但都沒法一模一樣的，準(zhǔn)確還原出想象中那個樣子，就比如這種：

而那些 AI 藝術(shù)家們，搞出來的都是下面這種，細(xì)節(jié)拉滿，跟電影截圖似的。

是不是感覺跟人家用的都不是一個軟件？

圖源：Mac Baconai ， “Al 的異星 cult 幻想之城 ” 

可要實現(xiàn)人家這種效果，提示詞弄的就得巨復(fù)雜，還要微調(diào)很久很久，甚至他們還編纂了專門的提示詞辭典。大伙要是沒訓(xùn)練過這個，實際上就很難做好圖，更別說把自己的照片傳上去編輯了。

如果能像畫畫一樣，哪里不對改哪里，逐漸成型就好了。

而豆包這次更新的，正是這個方向。為了實現(xiàn)圖片編輯的效果，豆包這次的文生圖采用的是 SeedEdit 模型。

相比只是通過文字生成，這玩意更微操，它會把圖片的理解和生成融合到一個統(tǒng)一的大模型框架里，從而在生成和編輯圖像的時候，可以事無巨細(xì)的參考咱傳上去的圖像，完事兒控制的就相對精準(zhǔn)，而且出來的圖片也更自然。

 打個比方，如果說以前的文生圖模型是無情潑墨畫匠， SeedEdit 就更像畫筆精巧，有創(chuàng)造力的畫家。實際我們上面用下來，可以說效果確實相當(dāng)不錯。

實際上， SeedEdit 這樣的技術(shù)，目前行業(yè)內(nèi)也剛開始用，能集成在 AI 助手里的，豆包其實是第一家。

而像 AI 編輯圖片這種方向，現(xiàn)在早就已經(jīng)是是圖片編輯行業(yè)的標(biāo)配，各種修圖軟件、剪輯軟件甚至手機相冊里都在做。

 但是先不說效果，起碼現(xiàn)在其實大多數(shù)產(chǎn)品都還是要手動涂抹修改，或者自己在上面 P 圖，加配飾，不知道大伙怎么覺得，我反正每次 P 背景，消除人物，都得花不少功夫。。。

至于 AI 直接出的圖嘛，咱上面也說了，跟抽卡似的，很難一次就有理想的圖，還沒法再二次修改。

這也就是為啥咱開頭就說，由 AI 直接控制的編輯修改圖片，會是一個技術(shù)突破了。

換句話說，這個技術(shù)不僅改變的是 AI 文生圖，其他的照片修改、視頻剪輯啥的，基本全都能用得到。

到時候，直接跟語音助手說一聲給我出圖！AI 就幫你往你想的方向調(diào)整，美美當(dāng)甲方，想想都爽。