字節跳動釋出 Seedream 5.0 Pro：支援塗畫標註修改，主打高密度資訊圖

用過 AI 生圖的朋友大概都有同一種煩躁：畫出來的大體滿意，但只要想改掉左上角的一個小圖示，重新抽卡往往整張圖就面目全非了。

字節跳動上線了多模態影像生成模型 Seedream 5.0 Pro。這次更新沒有去卷虛無縹緲的畫質跑分，而是把重心放在了兩個極其務實的方向上：高密度資訊排版，以及看得懂手繪塗鴉的區域性編輯。

讀懂你的隨手塗鴉，還能拆出透明圖層

最抓人的是互動式編輯能力。以前微調影像全靠敲一大段提示詞碰運氣，而 Seedream 5.0 Pro 允許你直接在原圖上畫框、打箭頭，甚至寫上手寫英文批註。

比如在官方演示裡，一張客廳照片被畫上了 6 個紫色方框並附上手寫要求，模型就能老老實實順著這幾處標記把光線調暖、替換擺件；給一張蜥蜴照片圈出局部，它也能按照文字標註把它演化成水晶龍，同時保持生物結構的合理性。

你甚至可以隨手手繪一張粗糙的網頁線框圖，它就能按部就班把它變成高保真的 SaaS 官網首屏，連排版結構都不會走樣。

更狠的是圖層分離。它可以把生成的複雜畫面直接拆分成相互獨立的透明元素，這意味著設計師可以直接把素材丟進設計軟體裡繼續處理，不用再費勁去摳圖。

啃下排版硬骨頭，通吃十多種語言

以前影像模型的文字渲染基本只能應付一兩個英文單詞，文字一多就變成難以辨認的鬼畫符。Seedream 5.0 Pro 展現出了極強的高密度資訊圖表生成能力。

它可以生成六大茶類的風味輪盤圖表、複雜精細的跑車工程分解藍圖，或是塞滿數值與小地圖的硬核 RPG 角色面板，文字不僅清晰可讀，還嚴格遵循對齊和網格排版規範。

另外，它原生支援十多種常用語言的輸入與輸出。你可以讓它做一張四語並列的地鐵站安全告示牌，也可以直接丟給它一張全英文的醫療宣傳海報，要求它保留全部版式和視覺風格，只把文字翻譯成阿拉伯語並改成從右往左閱讀。

在寫實攝影上，它改進了人體皮膚紋理和物理光影表現，多口之家的複雜大合照也能應付。有業內評論認為，它的表現已經接近 Nano Banana，雖然距離行業領先的 GPT Image 2 還有些許差距，但咬得很緊。

這一發布也卡在字節跳動預計本月推出 Seedance 2.5 影片模型之前，顯然是在密集補齊視覺模型矩陣。

為什麼重要

做設計最耗時間的從來不是第一張圖的草創，而是後面來來回回二三十次的區域性微調。過去兩年的 AI 生圖之所以很難進入專業生產管線，說白了就是缺乏確定性——改一處毀全身。

Seedream 5.0 Pro 走得很聰明的地方，在於它放棄了純靠自然語言猜意圖的死衚衕，而是接納了人類設計師最習慣的溝通方式：在圖上圈圈畫畫。配合圖層分離，它開始真正把影像生成當成輔助工具，而不是高高在上的黑盒玩具。

對於做海報、課件、UI 原型的打工人來說，它能直接省掉大量的素材拼湊時間。不過這類高密度排版在真實業務裡到底能不能百分之百不打錯字，依然需要打個問號，商業商用前少不了人工校對。

但不管怎麼說，它預示著影像模型正在集體吃掉傳統工具層：未來的比拼不再是誰能畫出更漂亮的糖水圖，而是誰能更好地充當那個隨叫隨到、指哪改哪的設計助手。