AI を使用して美しいポスターを生成するのにかかる時間はわずか数十秒かもしれませんが、それを本当に成果物にできる水準に達したい場合、問題はまだ始まったばかりです。
製品の色を変更すると、背景も変更されます。コピーライティングの文章を調整すると、キャラクターの顔の形が崩れてしまいます。素材を個別に切り取って再利用したい場合は、最初からやり直す必要があります。AI の描画能力はますます向上していますが、Photoshop と同じくらい正確に画像を変更する方法をまだ完全には学習していません。
ちょうど今、Bytedance は新世代のイメージ作成モデルである Seedream 5.5 をリリースしました。ピクセルレベルの正確な編集、崩壊することなく何百回も修正することに焦点を当てており、ネイティブRGBA透明マテリアルと小さなテキストのレンダリング、写真のテクスチャなどの機能を備え、AI によって生成された画像をプロの画像編集の分野にさらにもたらします。 Volcano Engine は今週、Seedream 5.5 API サービスを開始します。
一文で画像を生成することから、一文で画像を正確に修正することへ、AI画像生成は「AI版PS」に向かって進んでいます。今回、アイファナーも難しいクライアントに変身し、この生のモデルの実際のレベルの拷問を真剣に体験しました。
iPhone Duo から「宋王朝への武装」まで、AI 画像修正がついにピクセルレベルで制御できるようになりました
Seedream 5.5 はピクセル精度の編集とマルチラウンドの一貫性でどこまでできるでしょうか?私たちは、すでにリリースされている iPhone Duo を、継続的な改造によってレトロなテープ プレーヤーに変えることができるかどうかを実験することにしました。
最初の写真では、半分に折り畳んだ iPhone Duo が両手の平に置かれており、左右の画面には異なるインターフェイスが表示されています。目標は、電話自体のデザインを可能な限り維持しながら、連続的な変更を通じて画面の 1 つをレトロなテープ プレーヤーに変えることでした。
左にスワイプすると、その他のコンテンツ、元の画像 (左)、変更された完成画像 (右) が表示されます。
プロセス全体は前のラウンドの写真に基づいており、最初に冗長なコンポーネントを削除し、壁紙を変更し、次にインターフェイスのレイアウトを徐々に調整し、アルバム カバー、再生コントロール、テープ要素を追加して、右側の画面が時代を感じさせるテープ プレーヤーに変わります。
最後に、私たちは、元のきれいな白い背景をレコード店に置き換え、全体の写真を製品展示写真からレトロなスタイルの商業プロモーション写真に変更する、より実質的な修正要求を提案しました。
複数回の改訂を経て、Seedream 5.5 は電話機の主な構造と確認された設計要素を保持しており、SOTA レベルのローカル編集機能を反映しています。
iPhone Duo が、変更を繰り返しても製品構造と UI コンポーネントの一貫性を維持できるかどうかをテストする場合、AI の強度を高めて、より複雑な複数のキャラクター構成に直面した場合でも正確な編集と芸術的表現のバランスを取ることができるかどうかを確認することにしました。これにより、継続的な変更にもかかわらず、映画ポスターが統一された美学とビジュアル スタイルを維持できるようになります。
最近ではAI短編ドラマ「入宋」が話題を集めている。私たちもこのインスピレーションを受けて、キャラクター、構図、光と影、映画の雰囲気が繰り返しの調整に耐えられるかどうかを確認するために、18回の連続編集を経て、現代的な5人のポートレートポスターをコスチュームサスペンス映画「Into the Bianjing」のプロモーションポスターに変身させようとしました。
最初の現代的な文字の形状から始めて、徐々に修正要件を提案しました。まず5人の位置や服装を調整し、次に背景を古都の門に置き換え、次に雨よけや寒色系の映画の光と影を追加し、最後に中国語のタイトルを追加して、全体的に時代劇サスペンス大作の雰囲気を出しました。
マルチキャラクターシーンの難易度は明らかに高くなります。 5 人の顔の特徴、服装、位置、前後の咬合関係が同時に一致している必要があります。特に背景や光と影を変更した場合、モデルはキャラクターを簡単に再生成できます。
しかし、最終結果から判断すると、Seedream 5.5 は、18 回連続の改訂後もキャラクターのアイデンティティと以前に決定された構成を保持しており、同じポスターを新しい創造的な方向に沿って改善し続けることができます。
その直後、私たちは日常の設計作業に近い 2 セットのタスクを完了するように依頼しました。
一つはオリジナルコーヒーブランド「Monday Life」の新商品ポスターを制作するグループ。アイスラテカップの色から文字、背景、局所装飾に至るまで、既に満足のいく天板の質感、光と影、商品のディテールをそのままにできるかどうか、10回以上の修正依頼を出しました。
もう 1 つのグループはオフィスのデスクトップのイラストです。 AIは、コーヒーカップ3個、ノート5冊、緑の植物やその他の雑貨のポット2個のうち、左下隅に青いハンドルが付いたカップのみを変更して、多数の類似アイテムの中からターゲットを正確に識別できるかどうかをテストする必要があります。
数セットのテストを経た結果、Seedream 5.5 は最も直観的な感覚をユーザーに提供します。つまり、変更を加えるときに、他の場所が影響を受けることを心配する必要がありません。
ご存知のとおり、従来の Photoshop は選択範囲、レイヤー、マスクを通じて編集範囲を正確に制御できますが、生成 AI はローカル コンテンツを変更するときに周囲のシーンを再計算することがよくあります。改訂が続けば続くほど、登場人物、構成、詳細がずれてしまう危険性が高くなります。
確定した内容を可能な限り残しつつ変更を加えていくところに、Seedream 5.5の進歩が如実に反映されている。 ChatGPT Images 2.6 や Nano Banana 2.1 などのヘッド モデルとの競合においても、複数ラウンドの編集一貫性におけるパフォーマンスは、業界最高を争っていることを示しています。
これは、Seedream 5.5 の今回のアップデートのハイライトでもあります。マルチラウンドの一貫性を重視し、ディテールの損失や画質の劣化を軽減するために数百ラウンドの連続編集をサポートし、ユーザーから常に提案される新しいアイデアに基づいて各画像を継続的に改善します。
後続のすべてのテストはこのセクションの基礎に基づいて構築されていると言えます。結果を保持できた場合にのみ、単語、テクスチャ、およびマテリアルの競争が意味を持つことができます。
Seedream 5.5 の現実的な野心は携帯電話のセルフィーから始まります
もちろん、アルバイトとして働くのはテキストベースのインフォグラフィックだけではありません。多くの場合、商業ポスターには複数の AI モデルを詰め込む必要があります。日常生活では、誰もが必然的に、ソーシャル プラットフォームに投稿するための雰囲気のあるポートレートをいくつか作成したいと考えます。
しかし、ポートレートは、過去において AI モデルを最も簡単に暴露する鏡でした。
Seedream 5.5のリアリズム能力をテストするために、日常のさまざまな携帯電話撮影シーンをプロンプトワードでシミュレートし、照明、肌の質感、モーションブラーなどの撮影の詳細を詳細に記述して、モデルが実際のカジュアルショットに近い画像を生成できるかどうかを確認しました。
図 | 3:4 垂直の超リアルな iPhone の前面カメラのクローズアップセルフィー。起きて電話を手に取ったときに偶然残された人生の写真が表示されます。キャラクターは片手を前に伸ばし、携帯電話を顔の右側にわずかに傾け、レンズを目の高さに近づけ、構図を傾け、頭頂部をわずかにトリミングし、肩を自然にリラックスさせます。参照画像では、アイデンティティ、顔の特徴、髪型、体のプロポーションを厳密に保持している同じ若い成人の東アジア人女性が、ゆったりとした綿のトップスを着てホテルの窓際に立っていて、後ろに焦点の合っていないベッド、半分開いたスーツケース、隅が見えています。曇りの朝の自然光がチュールカーテンを通過し、画面の片側から大きな柔らかい光源を形成します。窓に近い頬は明るく、反対側の頬は徐々に暗くなり、下顎と首に広く柔らかい影が残ります。皮膚は、修正されていない本当の状態を示しています。鼻と頬の内側に小さな毛穴が見られ、目の下にわずかな腫れと小じわがあり、頬は部分的に赤みを帯びており、唇はわずかに乾燥しており、額には光を反射するための天然皮脂が少量しかありません。小さな絨毛は、適切な側面照明角度の下でのみ表示されます。額、頬、目の周り、首などでは肌の色に自然な違いがあり、顔全体が均一なカラーブロックに加工されません。明るい窓はわずかな露出過剰を許容し、内部の背景は暗くなり、美容フィルター、強力な HDR、または誇張した毛穴の鮮明化を使用せずに、電話のわずかな圧縮感を維持します。コンサート後にセルフィーを撮る場合は、ボサボサの髪、額のうっすらとした汗、コンビニや看板の反射などの冷白色光、局所的な露出オーバー、暗い場所のノイズ、通行人の汚れなどを保存する必要があります。深夜のタクシーの後部座席に座る人物のポートレートは、街灯が通過するときの顔の半分の暗さ、肌の毛穴や脂っぽさなどを表現し尽くしている。
左にスワイプするとさらに表示されます
ホテルの朝、コンビニの冷凍庫、ジムの通路、バーベキュー屋台、古いアパートのキッチンも、さまざまな照明の下で肌の色、影、表情を観察するために使用されました。
図 | 2:3 垂直の超リアルな iPhone フロントカメラのクローズアップ自撮りスタイルの消費者グレードのデジタル写真。トレーニング後にメッセージを確認するために電話を手に取ったときに誤って撮影されたようなものです。キャラクターは片手を前に伸ばして携帯電話を持っています。カメラは顔の左側の前、目より少し高い位置にあり、下向きに傾いています。構図が完全に間違っていて、顔が左に傾いていて、下にスポーツトップスの襟の一部だけが露出しています。参考画像のアイデンティティ、顔の特徴、髪型、体のプロポーションを厳密に保持している同じ若い成人の東アジア人男性が、夜のジムのロッカールームに続く狭い通路に立っている。彼の呼吸はまだ完全には安定しておらず、唇は自然にわずかに開いており、汗ばんだ髪が数本額に近づいている。上部のバー ライトは額、鼻梁、肩を照らし、サイド ドアからの弱い光は片方の眼窩を和らげ、眉骨の下、鼻の下、顎の下に実際の影を残します。運動後、皮膚は局所的に赤くなり、こめかみや髪の生え際にはさまざまな大きさの小さな汗の玉があり、鼻翼には毛穴が見え、上唇と下顎には短い無精ひげが残っています。汗玉の一部が明るく小さな反射を形成し、残りの領域は薄く湿った感触があるだけで、顔全体が均一で光沢のある処理がされていません。背景の装置や扉枠がやや斜めに収束する傾き構図となっております。携帯電話のノイズリダクションにより、暗闇では細部が失われます。すべての毛穴を鮮明にするために追加のアウトライン ライトは追加されません。また、同じプロンプトワードに基づいて、Seedream 5.5、GPT Images 2.6、および Nano Banana 2.1 のポートレート生成効果を比較し、肌のテクスチャ、環境光、写真のテクスチャの比較に焦点を当てました。
いくつかの写真セットを見た結果、Seedream 5.5 と GPT Images 2.6 はリアリズムについて興味深い理解を示しました。これを 2 つの言葉で要約するなら、Seedream 5.5 を「通常の現実」と呼ぶのに対し、GPT Images 2.6 は「スクランブルされた現実」に近いと思います。
前者は、写真家が丁寧に構図を決め、光をコントロールして撮った写真のようです。登場人物も環境もすべて適切に配置されています。後者はよりカジュアルな人生の捉え方を持っています。一部の写真はそれほどきれいではありませんが、友人の携帯電話のフォトアルバムにある意図せずに変更された瞬間を彷彿とさせます。どちらのスタイルにも独自の利点があり、これはリアリズム自体に単一の基準がないことも示しています。
左にスワイプして詳細を表示します。Seedream 5.5 (左)、GPT Images 2.6 (中央)、Nano Banana 2.1 (右)
Nano Banana 2.1 バージョンに関しては、まだ改善の余地がたくさんあります。
静止ポートレートだけでなく、お風呂に入ったばかりの犬猫にもカメラを向けました。猫が水を振るとき、頭と耳にはモーション ブラーが必要ですが、フロア マットの上の足はまだ鮮明である必要があります。犬は濡れた毛皮のもつれ、耳の残像、飛び散る水滴を表現する必要があります。
左にスワイプするとさらに表示されます
これらの詳細によって、光がどこから来るのか、物体がどのように動くのか、シャッターで記録された瞬間がどのように見えるのかなど、画像が実際の写真の法則に準拠しているかどうかが決まります。
Seedream 5.5 のマテリアルと光と影のパフォーマンスは、ゲームのコンセプト デザインにも拡張されています。荒れ果てた荒野に取り残された巨大な錆びた宇宙船であれ、薄暗くじめじめした中国風ホラーの古い家であれ、吹雪に満ちた古代寺院での圧巻のボス戦であれ、絵の分厚い質感は完全に最新のものです。
左にスワイプするとさらに表示されます
日常の自撮り写真から架空のシーンまで、テクスチャのアップグレードにより写真のプラスチック感が軽減されます。緻密な編集と組み合わせることで、後から甲から肌の質感をよりリアルにしたい、光を暗くしたいなどの要望があった場合でも、元の画像に沿って肌、素材、光を調整し、満足のいく構図を保つことができます。
言及する価値があるのは、今日では多くの人が 1 つまたは 2 つの文でイメージを作り出すことができると信じていますが、私の意見では、単純なプロンプト ワードの方がモデルの基本的な能力を観察するのに適しており、複雑なプロンプト ワードの方がモデルの詳細の理解と正確な制御能力をより適切にテストでき、その能力の上限を見つけるのが容易です。
特にリアルな写真の場合、光がどこから来るのか、肌はどのように見えるべきか、レンズがどのようなぼかしを生成するかなど、これらの詳細がより具体的であるほど、通常、モデルが必要な効果を理解しやすくなります。
もちろん、今では複雑なプロンプトワードを書くことは想像されているほど面倒ではありません。私は通常、最初にどのような写真が欲しいかを AI に伝えてから、撮影パラメーター、環境の詳細、構成要件の改善に役立てさせます。数回チャットをした後、プロフェッショナルとして十分なアドバイスを得ることができました。
ある意味、AI とのコミュニケーションを学ぶこと自体が新しい創造的な能力です。
40 品の料理の名前は、拡大して詳しく見るのに耐えられるものでなければなりません。
AI を使用して写真を生成および編集することが多い友人は、同様の状況を経験しているはずです。
写真が完成しようとしていたとき、当事者 A は、できればテキストとデータの両方を含む、より豊富な情報を希望して、別のおなじみの要求を出しました。
しかし、これまでは、多くのグラフィック モデルが中国語の大部分に遭遇すると、文字が省略されたり、文字が「作成」されたりする傾向がありました。遠くから見るとそれっぽいのですが、拡大してみると腕と足が欠けた聖書のように見え、レイアウトはさらに混沌としていました。
Seedream 5.5 のライティングスキルをテストするために、架空の「山と海の神獣レストラン」のメニューを作成してもらい、8 つのカテゴリと 40 の料理を 4 列に配置しました。料理名、価格、紹介文、添付写真が一致している必要があります。
また、一番下には「神話上の獣がスプーンを握り、定命の者が代金を支払う。富と倹約は人々に委ねられ、争いは許されない」とも書かれるべきである。
別の「天亭便利サービスセンター」の情報壁には、1990年代のサービスホールのレイアウトに8つの窓口と40の企業が配置されており、宙返り雲の年次検査、玉建ナンバープレートの申請などの項目のほか、課金基準、手順、「クローンを使用して同時にアカウントを占有することは禁止されている」ことなどが盛り込まれている。
これら 2 つの完全な作業ケースは冗談のように見えるかもしれませんが、舞台裏で実際に検査されているのは、モデルの複雑な漢字のストロークの正確さ、非常に小さなフォント サイズの明瞭さ、および複数レベルの情報のレイアウトの美しさです。
優れたパフォーマンスの裏には、定量的なデータの裏付けもあります。
当局者らによると、中国語、英語、高密度の小さなフォントを対象としたテストで、Seedream 5.5の重度のテキスト破損率は0.4%に低下し、軽度のテキスト破損率は1.7%に低下したという。どちらも前世代と比較して大幅に改善されており、主流のグラフィックス モデルとの水平比較でも最先端を示しています。
同時に、Seedream 5.5 ではレイアウトとカラー マッチングも大幅に改善され、密な情報が読みやすくなりました。
また、縦長の小さな文字の表現力を試すため、山神娘と釉薬をかけた白鹿の物語を題材とした東洋幻想絵巻も制作した。
写真 |オリエンタル ファンタジー アート セット絵巻の 21 × 9 の超ワイド水平バージョンを生成します。粗粒の天然鉱物岩絵の具 (ラピスラズリ、辰砂、マラカイト グリーン、ハマグリの粉) を焼き箔と金貼りの技術と混ぜて使用し、まだらでひび割れた土壁のテクスチャを描きます。光と影の下で、本物の鉱石の結晶の輝きと金箔の酸化質感を表現します。メインビジュアルイラストの左3分の2には、百鳥の羽衣を着て青銅の九リンクブリキの杖を持った東方の山神の少女が描かれている。彼女はガラスのように半透明の六芒星の白い鹿の背中に乗って、子供じみた奇妙な提灯の悪魔に囲まれながら、暗い岩と金燐の火で燃える古木の間を歩きます。写真の右 3 分の 1 は、黒地に金と黒の金紙が縦書きされた領域です。凛々しく美しい唐代の書体の金毛書を右から左に配しました。メインタイトルは「第3巻・雲夢沢鹿蜀女神考察」で、下の3段の小さな文字はくっきりと鮮明で、「6つの角を持つ白い鹿のような姿をしており、その鳴き声はバラードのようで、羽を身に着けていると悪夢を避けることができる。毎晩、月が暗いと雲夢沢を練り歩き、すべての幽霊がそれを避ける。」と書かれている。左下隅には「山海奇談」という古代の辰砂の印章が刻まれています。もう 1 つの例は、レトロな産業マニュアルのスタイルでマルチエージェント オフィス コラボレーション テクノロジーの青写真を作成するよう依頼することです。
「2026年漁業年次報告書」は、520時間の釣り、286杯のコーヒーの飲酒、93回の無効な会議などの設定データを正確に提示する必要がある。
また、ポータブルコーヒー器具ブランド「Shanwu」のメインイメージと6画面のEC詳細ページの制作も依頼しました。使用シナリオや構造分解からパラメータ表やユーザーレビューに至るまで、製品の質感、細かい文字の精度、マットなダークグリーンの手醸造ポットとガラスフィルターカップの一貫性をさまざまな画像で総合的に検査しました。
写真 |ポータブルコーヒー器具ブランド「Shanwu」の電子商取引の長い画像詳細ページとメイン画像を作成します。縦長の映像を6画面まで拡大できます。全体構成:最初の画面のメインビジュアル→利用シナリオ→構造解体→パラメータ表→ユーザー評価→下部の購入理由。メインタイトルは宋体で「山霧一杯に朝を入れて」、副題は「手淹れ3分、オフィスもワイルドな雰囲気に」となっている。この製品は、ガラスフィルターカップが付いたマットなダークグリーンのハンドポアポットで、背景はオフホワイトとロックグレーです。パラメーターは小さな文字で「304ステンレススチール / 二重真空 / 240ml / 320g」と書かれています。全体はプロモーションではなく、製品カタログのようなものです。メニューからレポートに至るまで、有用なインフォグラフィックスは、近くからでも読めるだけでなく、遠くからでも見える必要があり、単語、数字、グラフィックを連携させて情報を明確にすることができます。
ネイティブ RGBA 素材により、完成したキャラクターを繰り返し使用できます
草案が最終的に可決されても、納品プロセスへの投入はまだ終わっていないことがよくあります。
たとえば、文字を透明な背景で個別にエクスポートすると、他のポスターに簡単に配置できます。以前は、AI によって生成されたキャラクターは背景と統合されることが多く、追加の切り抜きやエッジ処理が必要でした。
Seedream 5.5 はネイティブ RGBA 画像生成をサポートしており、その後の植字や合成のためにアルファ透明チャネルを使用してマテリアルを出力できます。
私たちは、「幽体離脱」、「混乱を読む」、「精神的な諦め」、「仕事を降りた後の復活」など、合計 9 つの状態を含む白い幽霊の絵文字のセットをデザインしました。
初めてデフォルトで通常の背景で生成されますが、アルファ チャネルを含める必要があることがさらに明示的に要求されている限り、モデルはきれいなエッジを持つ透明なベースマップをすぐに吐き出すことができます。
職場のスラング ステッカーの別のセットでは、「権限付与」、「粒度」、「把握」、「感情的価値」、「サイバーメリット」を 1990 年代のコンピューター システムのスタイルの小さなアイコンに組み合わせています。中国語のレンダリング機能と組み合わせることで、生成後に公式アカウントのカバー、PPT、イベントポスターに配置できます。
ネイティブの透明な素材を追加することで、面倒な暗記作業が不要になるだけでなく、デザイナーがいつでも並べ替え、組み合わせ、再加工することが容易になり、磨き上げられたオリジナルのキャラクターやデザイン要素を別の作品で繰り返し使用することができます。
RAW 画像モデルの後半は、ピクセルレベルの画像変更から始まります。
デジタル ツールの開発の歴史を振り返ると、多くの広範囲にわたる技術的進歩は同じ目標を中心に展開されています。毎回最初から始める必要がなく、既存の結果を基に構築できるようにする。
1994 年、Photoshop 3.0 にレイヤー機能が導入され、画像内のさまざまな要素を個別に編集できるようになりました。その後、調整レイヤーやヒストリーなどの機能が次々に追加され、徐々に現代の画像編集の基盤が整いました。
同様のロジックは、Git のバージョン管理やビデオ ゲームのアーカイブ メカニズムにも見られます。過去の成果を維持できた場合にのみ、人は自信を持って次の可能性を探求することができます。
現在、AI マッピングも同様の段階に達しています。
Photoshop のレイヤーやマスクから、写真レタッチの敷居を下げる MeituXiuXiu に至るまで、Seedream 5.5 は自然言語を通じてピクセルレベルの正確な編集を実現しようとしています。プロの画像編集を自然言語インタラクションの時代にさらに持ち込みます。
ユーザーは修正したい部分を明確に伝えるだけで、すでに満足している部分はそのままにして、AIが該当箇所を正確に調整してくれる。何百回も修正を行った後でも、絵の中の文字、構造、詳細は保持されます。
Seedream 5.5 の「プロフェッショナリズムのために生まれた」ことの強調は、ここにも反映されています。
世界的な競争において、Seedream 5.5 は GPT Image 2.6 および Nano Banana 2.1 の最初の段階に入りました。ピクセルレベルの正確な編集、数百回にわたる継続的な修正、自然でリアルなテクスチャは、プロ市場で競争するための 3 つの重要なカードです。
価格も Seedream 5.5 の重要な競争上の利点です。費用がかかりますGPT 画像 2.6 の約 1/3、そして生産品質は第一段階に達しています。いいやつ、これが生モデルのキリングラインではないでしょうか?
左にスワイプするとさらに表示されます
現在、Seedream 5.5 では、キャンバスやレイヤー編集で継続的に調整できる Doubaojiu や Jimeng などの製品がリリースされています。企業や開発者は、Volcano エンジンを通じてモデル API にアクセスし、電子商取引マーケティング、映画やテレビ ゲーム、その他のワークフローに関連する機能を使用することもできます。
記事の冒頭に戻ると、夜更かしして十数のバージョンを修正した作業者は、おそらくパラメータやリストなど気にしていないでしょう。彼が気にしていることはただ 1 つだけです。道具は労働を共有したり、新たな労働を生み出したりするために使われます。この質問に対する答えによって、AI が生産性を高めるものなのか、それとも別の形式の顧客サービスなのかが決まります。
答えの重みは、最終的にはすべての変更に影響します。
創造とは決して単なるひらめきではなく、前回の肩の上に立ち、新たな一歩を踏み出すことでもあります。これはまさに Seedream 5.5 が賭けていることであり、プロフェッショナルな生産性ツールを目指すすべてのモデルが最終的に答えなければならない質問でもあります。
著者:モー・チョンユ、シャン・リン
#aifanerの公式WeChat公開アカウント:aifaner(WeChat ID:ifanr)のフォローを歓迎します。さらにエキサイティングなコンテンツをできるだけ早くお届けします。




