新智元報(bào)道

編輯：編輯部 XZH

【新智元導(dǎo)讀】豆包的一句話P圖功能，又進(jìn)化了！各種高考祝福、網(wǎng)絡(luò)梗圖、大片級(jí)精修、設(shè)計(jì)師草稿，無不是信手拈來。此刻，AI P圖再次迎來降維打擊，只要用自然語言，就能實(shí)現(xiàn)精準(zhǔn)的圖片編輯。可以說，AI修圖終于來到了3.0時(shí)代！

高考第一天就這么來了！莘莘學(xué)子們離解放的日子，也只剩不到三天。

祝廣大考生文曲星附體，逢考必過，心想事成！

如今，回憶起當(dāng)年的場(chǎng)景，有沒有想過直接穿越到霍格沃茨的魔法世界？

還是未來的賽博朋克世界？

話說，現(xiàn)在P圖已經(jīng)進(jìn)化成這樣了嗎？

說句話，圖就自己變了！

輕描淡寫一句「天空換成夕陽」，早晨的城市公園瞬間鋪滿溫柔的晚霞

雖說用AI來P圖已經(jīng)是稀松平常，但在這次用過豆包AI最新版本智能修圖后，真的有被征服，只剩下一個(gè)感受——穩(wěn)！太穩(wěn)了！

不論是精準(zhǔn)的在圖像上編輯文字。

張伯倫拿著100分照片的梗圖，秒變高考祝福

還是局部圖像任意修改細(xì)節(jié)。

豆包在精細(xì)且自然地處理編輯區(qū)域的同時(shí)，都能高保真地維持其他信息。

這次豆包的能力提升主要得益于圖像編輯模型SeedEdit 3.0全量上線。

經(jīng)過兩個(gè)版本的迭代，豆包AI智能生圖直接化身你個(gè)人專屬的P圖專家。

愛因斯坦在上海

一秒入古畫，人在畫中游

將衣服和發(fā)型換成大人模樣

而且，操作起來既然不用糾結(jié)細(xì)節(jié)，也無需學(xué)習(xí)復(fù)雜的軟件界面。

你只需要一句簡單的指令，便能看到想象力如何被一鍵點(diǎn)亮。

圖片文字編輯：超準(zhǔn)超實(shí)用

一直以來，AI在圖像編輯領(lǐng)域都有個(gè)很難過去的坎——在圖片中「準(zhǔn)確地」添加文字。

舉個(gè)例子，比如我們想在眼鏡左鏡片上添加文字「暴」，右鏡片上添加文字「富」。

這時(shí)，模型不僅需要完全理解圖片（找到墨鏡），并且還要理解要添加的文字（別認(rèn)錯(cuò)字）。

對(duì)于這項(xiàng)任務(wù)，即使是國外的扛把子ChatGPT，翻車也是常態(tài)。尤其，是在處理中文時(shí)。

比如將圖中的「暴富」換成「發(fā)財(cái)」，ChatGPT兩個(gè)字都打錯(cuò)了。

相比之下，豆包就能完美達(dá)成。

改文案、做海報(bào)，簡直是打工人神器，以后編輯圖片不用再求人了。

將界面改為手機(jī)點(diǎn)餐app的UI，移除人像，將「Shop」「Spring Sale Up to 50% Off」「Clothing」「Shoes」「Accessories」「Home」「Wireless Eardus」「Woman Hat」「Brejan Sweater」「Sneakers」「-20% On select items」「New Arrivals」等文字改成餐飲相關(guān)的

圖像局部修改：化身PS達(dá)人

這次帶來的另一個(gè)「神器」功能，就是局部修改PS。

比如，我們可以把喬幫主抱著的蘋果電腦換成最新版的MacBook。

或者把手里的iPhone換成字面意思上的蘋果。

如此沒有違和感的成片，說聲「PS大神」不為過吧！

圖像風(fēng)格遷移：秒變攝影大師

豆包這次升級(jí)另外一個(gè)看點(diǎn)就是可以進(jìn)行圖片整體風(fēng)格遷移，比如將人物直接放入拍立得相框。

這下，再也不擔(dān)心女朋友的要求了。

AI修圖，正當(dāng)時(shí)

豆包上的AI生圖，為何進(jìn)化到了如此強(qiáng)大的地步？

這就不得不提它背后的模型——SeedEdit 3.0了。

要知道，之前的圖像編輯模型，往往存在這樣一個(gè)令人頭疼的通病——

在保留圖像主體和背景、精準(zhǔn)執(zhí)行編輯指令方面表現(xiàn)不佳，導(dǎo)致生成結(jié)果可控性差、成品率低，難以滿足真實(shí)應(yīng)用需求。

而SeedEdit 3.0通過引入多源數(shù)據(jù)融合策略與定制化獎(jiǎng)勵(lì)機(jī)制，成功突破了這一瓶頸。

無論是主體還原、背景一致性，還是細(xì)節(jié)保真度，SeedEdit 3.0均實(shí)現(xiàn)大幅提升。

尤其在人像美化、場(chǎng)景替換、視角調(diào)整與光影變化等復(fù)雜編輯任務(wù)中，展現(xiàn)出了讓人印象極其深刻的穩(wěn)定性與真實(shí)感。

可以看到，如今在SeedEdit 3.0加持下的豆包已經(jīng)不單單局限于日常P圖，更是變成了設(shè)計(jì)師們的工作利器。

圖像編輯一騎絕塵

比如，在花瓶的瓶身上畫上花紋，將花瓶上色成青花瓷，并變成真實(shí)花瓶。

再比如，將圖片里的四種花上色，并擺放在同一個(gè)精美的玻璃瓶里，玻璃瓶置于客廳的窗臺(tái)上，去掉標(biāo)注的文字，變?yōu)閷憣?shí)攝影圖片。

之所以能有如此表現(xiàn)，正是因?yàn)閳F(tuán)隊(duì)在 SeedEdit 3.0的研發(fā)工作中提出了一種高效的數(shù)據(jù)融合策略，并構(gòu)建了多種專用獎(jiǎng)勵(lì)模型。

通過將這些獎(jiǎng)勵(lì)模型與擴(kuò)散模型聯(lián)合訓(xùn)練，團(tuán)隊(duì)針對(duì)性地改善了關(guān)鍵任務(wù)的編輯質(zhì)量（如人臉對(duì)齊、文本渲染等）。在落地時(shí)也對(duì)推理加速進(jìn)行了同步優(yōu)化。

從上面這些實(shí)測(cè)中不難看出，SeedEdit 3.0對(duì)非編輯區(qū)域的保持能力很強(qiáng)——既能留住細(xì)節(jié)，又能兼顧美感。

P圖中的「變」與「不變」

在實(shí)測(cè)過程中，豆包的另一個(gè)令人印象深刻之處就是：P起圖來，它怎么那么會(huì)！

讓照片中的人物頭戴簪花，衣服換成惠安民族服裝，背景替換為福建海邊。

這是三個(gè)要求，不僅要找到人物，還要定位服裝，最后還要識(shí)別背景。

而豆包都完美做到了。

這當(dāng)然也要?dú)w功于SeedEdit 3.0。

要知道，圖像編輯任務(wù)訓(xùn)練的另一大關(guān)鍵，就是讓模型聽懂指令，區(qū)分出哪里需要變，哪里需要不變。

為此，團(tuán)隊(duì)專門開發(fā)了一套增強(qiáng)型數(shù)據(jù)融合策略，構(gòu)建了合成數(shù)據(jù)集、編輯專家數(shù)據(jù)、傳統(tǒng)人工編輯操作、視頻幀與多鏡頭幾個(gè)類別的數(shù)據(jù)。

基于上述數(shù)據(jù)，研究者促使擴(kuò)散模型在真實(shí)數(shù)據(jù)與合成的「輸入-輸出編輯空間」進(jìn)行交錯(cuò)學(xué)習(xí)，提高對(duì)真實(shí)圖片的編輯效果。

就這樣，對(duì)于編輯圖像時(shí)的難題——「哪里改，哪里不改」，SeedEdit 3.0都表現(xiàn)出了更佳的理解力和權(quán)衡力。

再加上豆包APP的超強(qiáng)圖片編輯能力，用AI來P圖真正做到了「言出法隨」。

還有比如這張，原圖是哪吒和敖丙在實(shí)驗(yàn)室里做果汁。我們要求p成背景在高考考場(chǎng)，豆包就很好地領(lǐng)會(huì)到了。

就算是細(xì)節(jié)拉滿的promt，豆包也能輕松get。

把照片改成插畫風(fēng)格，女生騎坐在一條可愛的卡通紅金魚身上，金魚眼睛大且靈動(dòng)，魚鰭、魚尾色彩鮮艷，背景是橙紅色放射狀漸變并帶白色線條裝飾，上方有黃橙漸變卡通字「一定高中」，底部是藍(lán)白色海浪圖案。

對(duì)齊不同模態(tài)信息

值得一提的是，這次豆包P圖保留的人臉細(xì)膩質(zhì)感，實(shí)在令人贊嘆不已。

這就要?dú)w功于，SeedEdit 3.0團(tuán)隊(duì)對(duì)于模型細(xì)節(jié)上的提升。

他們還沿用了此前驗(yàn)證過的框架：底層使用視覺理解模型，頂層采用因果擴(kuò)散網(wǎng)絡(luò)，并在擴(kuò)散過程中重新引入圖像編碼器。然后在視覺理解模型與擴(kuò)散模型之間，加入一條連接，用于將前者獲取的編輯推理信息與后者對(duì)齊。

改造完成后的SeedEdit 3.0結(jié)構(gòu)

由此，人臉與物體特征這類細(xì)節(jié)保留顯著提升。

最后，在訓(xùn)練和推理加速上，SeedEdit 3.0還融合了蒸餾模型方法、CFG蒸餾、統(tǒng)一噪聲參照、自適應(yīng)時(shí)間步采樣等多個(gè)加速方法，實(shí)現(xiàn)了10秒級(jí)的推理。

在未來，團(tuán)隊(duì)還將探索更豐富的編輯操作，讓大家創(chuàng)意爆棚，靈感爆棚。

現(xiàn)已加入生產(chǎn)力豪華套餐

隨著圖像生成的質(zhì)量越來越高，AI生圖也開始從「玩具」逐漸進(jìn)化成真正的生產(chǎn)力工具。

與此同時(shí)，用戶的需求也早已不局限在生圖這個(gè)單一的場(chǎng)景中。這一點(diǎn)，從GPT-4o「魔改吉卜力風(fēng)」一夜火爆全網(wǎng)，便不難看出。

現(xiàn)在，在AI修圖邁入3.0時(shí)代的今天，豆包SeedEdit 3.0不僅打破了傳統(tǒng)P圖工具的門檻，更真正將「所見即所得」升級(jí)為「所想即所得」。

不論是圖中文字編輯、局部精修、風(fēng)格遷移，還是超寫實(shí)建模與視覺美學(xué)體驗(yàn)，它都做到了「穩(wěn)準(zhǔn)狠」——穩(wěn)在每一次操作都可復(fù)現(xiàn)，準(zhǔn)在每一句指令都能精準(zhǔn)理解，狠在生成效果足以媲美專業(yè)級(jí)修圖師。

在這個(gè)大家都希望AI「言出法隨」的時(shí)代，你只需動(dòng)動(dòng)嘴，剩下的交給AI。

現(xiàn)在，是時(shí)候告別繁瑣，擁抱想象力的無限可能了。