字节把 PS 做进了生图模型里，实测 Seedream 5.0 Pro 指哪改哪

用 AI 生图的人，应该都体会过这种痛苦。

图是好图，就是位置偏了一点、颜色差一点，整张就没法交付。局部改不动，只能重抽一张，然后听天由命。

这个动作有个专门的名字，叫「抽卡」。有的团队直接排班到晚上8点半至次日早上6点半，趁夜里不用排队，守着算力继续抽。

靠手工替 AI 扛下「生成结果不可控」这个缺陷。

不过，这个事儿可能要变天了。

7 月 8 日，火山引擎正式发布 Seedream 5.0 Pro，主打「交互式精准编辑」，文生、图生、图片编辑、信息图等功能齐全。

整体测下来，效果不输Nano2，而且生成效果精准可控。

先看一个最直观的：这张十几个人的户外合照，我在上面标记了四个小哥，还圈中了一个不太应景的大树。

接着——一句指令，就能将四个人两两换位，顺便去掉这个大树。

成片看上去毫无违和感，仿佛当时就是这样拍摄的。

真就指哪，打哪，完全不用自然语言描述大半天了。

Seedream 5.0 Pro还带来了复杂信息可视化、真实影像、原生多语种和多图融合等能力。几天测下来，我把这次升级压缩成一句话——

现在，PS的能力直接装进了Seedream 5.0 Pro的生图能力里。

它给生图界面塞进了一套“类 PS”的交互：点选标记、框选、画箭头、涂鸦勾画，都会被翻译成精准的坐标指令。

文字说不清的，直接在图上比划。

我们花了几天时间，在Lumina平台把它折腾了个遍。Lumina 是火山引擎的海外创作平台，现在可以直接在上面体验Seedream 5.0 Pro、Image 2、Nano banana的能力。

先把玩法说清楚，不然后面的 @M01、@M002、@Region01你会看得一头雾水。上手其实就四步：

1.上传原图；

2. 鼠标移到图上，点一下「Draw」；

3. 想改哪儿，就在那儿点个点（一个 Mark 坐标），或拖出一个框（一个 Region 区域），或者勾勾画画，或者拉个箭头；

4. 回到提示词，直接 @ 这个点或这个框，告诉它「这块改成什么」。

下面每个案例里的 @M01、@Region01，都是这么点出来、框出来的。

◈一、基于位置的精准编辑：先告诉模型「改哪里」

交互式精准编辑最基础、也最常用的一步，是把模糊的方位描述变成明确坐标。

我找来了一张三花猫照片，在猫的头顶打一个 Mark，在地面标出 3 个道具位置，再在猫身后框出一块 Region。提示词写成：

给小猫戴上一顶苹果小帽子 @Mark01； 在猫身后的 @Region01 放一只低对比度的老虎简笔画，不能覆盖小猫； 在 @Mark02、@Mark03、@Mark04 分别添加逗猫棒、玩具小鱼和玩具老鼠。背景为温暖的家。

出来的图里，苹果帽端端正正扣在头顶，老虎简笔画乖乖躲在猫身后当半透明背景，逗猫棒、小鱼、老鼠各就各位。猫本猫，三花斑块一块没动。

连透明度 70%这种要求都执行了。云吸猫产业，含金量还在上升。

位置说清楚以后，下一步轮到那些连名字都不好起的形状。

◈二、草图勾画：画得越丑，改得越准

色号解决的是说得清的需求。

还有一大类需求，是语言根本说不清的——甲方在电话里「就是那种感觉」比划半天的那种。

对这种需求，Seedream给的答案是：别说了，画给它看。

我们找了张男模特肖像，在他脸上随手涂鸦：头顶一团蓝色乱线，眼睛上两个歪歪扭扭的方框，脖子底下一条红色"领带"，背景甩了几圈波浪线。然后告诉它：

根据勾画的内容，为模特生成一副棕色眼镜、彩色领带和对应的耳饰、一顶蓝色贝雷帽，并改变背景，使画面更有艺术感。

生成出来，蓝色的乱线变成了贴切的蓝色贝雷帽，歪方框变成棕色板材镜框，还有印花领带、金属耳饰。

整个效果直接就出来了，而且，人的眼神和肤质都完美留存住了。

我对着原图逐个部位核对，五官位置一毫米都没跑。

说实话，这个case我第一次跑的时候真没抱太大希望——涂鸦画得实在太丑了。

但它就是把每一笔都接住了，语言说不清的，画个圈它就懂。

◈三、图层分离：生成完成以后，还能接着设计

Seedream 5.0 Pro还可以把一张图中的元素默认分离，也可以根据文字要求切出指定对象，输出带透明通道的 PNG 图层。

它解决的是 AI 生图进入真实设计流程时非常实际的一道门槛。

过去模型交付的是一张压平的成片。标题位置不对、人物需要缩小、背景想换颜色，都可能牵一发而动全身。

而经过Seedream 5.0 Pro的元素分层后，人物、文字、装饰和背景可以继续进入 PS、PPT 或其他设计软件，后续修改不必重新生成整张图。

点选和草图让模型知道「怎么改」，图层分离让结果具备继续编辑的空间。

再往下，设计里最容易产生争议的颜色，也终于有了更精确的表达方式。

◈四、色号级改图：颜色从形容词变成色号

这是一张香水静物图。

原图是透明玻璃瓶、金色瓶盖、银色托盘，背景还摆着插画和玩偶。

我想调一调颜色，给原图增加一些质感。先给大家预告一下效果——

左边是原图，右边是生成图。

要是搁以前，改这种图得写一大段话：瓶子要变蓝、但玻璃质感不能丢、托盘别跟着变色……写完还得祈祷模型别理解岔了。

这次我们换了个玩法，一个字的描述都不多写，直接在原图里打点了4个Mark点，然后分别告诉模型每个位置要怎么改。

就像这样，编辑图片非常方便、精准。

改完我还意犹未尽，又在这张图上加了一个要求，加上标题：“SCENT STACK 04 雨后木 30 mL”，让整张照片变成杂志风，直接就是能用的详情页商品图。

这在以前的生图工具里是不敢想的，改一次就是重抽一次，上一轮的东西下一轮说没就没了。

当然，gpt image 2的生图能力大家有目共睹，那它能不能做这种色号级的精准编辑？我也试了下。于是拿那只滚珠瓶出了道题，同一句提示词，两边一起跑：

根据勾画的内容，为模特生成一副棕色眼镜、彩色领带和对应的耳饰、一顶蓝色贝雷帽，并改变背景，使画面更有艺术感。

结果很分明，Seedream（左）把要求的色号准确换了上去，就连高光都保了下来；gpt image 2（右）换的色号并不准确，原图高亮的质感也有所缺失。

色号要听懂，区域不能串色，塑料不能变成一块死色，高光阴影得接得上。四件事同时成立，才算做到交付级生图。

对设计师来说，颜色从形容词变成了色号，返工达到可验收的标准。

◈五、真实感：谁更像从旧相册里翻出来的

真实感这块，最容易露馅的不是画糊，而是画得太干净。AI 一上手就爱把脸磨到发光、把桌面收拾成样板间。

题目很短：

帮我生成一张千禧年在中国的一群人在家吃东西的生活照片，要求真实，右下角还要有照片时间。

Seedream 5.0 Pro给的结果，十来个人围坐在一张桌边，有人夹菜有人说话，互相遮挡。

桌面满得很生活，背景也没被收拾成样板间。画面微微偏色，家具和窗帘就是那个年代的。

最绝的是右下角那行2000.02.04，直接把整张照片的时间感钉死了。

Seedream没有只给照片加颗粒，它重新搭了一段旧生活。

同一句提示词，其他模型的结果我也对比了一下，左边是nano 2，右边是image 2。大家自己找找哪张更像自家相册里的。

◈六、多图融合：10 张参考图，最后得属于同一个世界

接下来是抽卡师们的主战场：多图融合。

Seedream 5.0最多支持10张图融合，直接难度开大最大。

我上传了 10 张风格各异的暗黑系角色立绘，提示词要求：

基于10张角色参考图融合，生成一张动漫群像战斗壁纸，10人呈金字塔式纵向堆叠充满画面，上下排紧密压叠。战斗背景为燃烧的哥特都市战场，背景的火光作为全图主光源——所有人的受光面统一偏暖橙、暗部偏冷，火光在每个人的瞳孔里映出一点红。 禁止项：禁止背景退化成纯色色块；禁止人物之间露出割裂的背景缝隙；禁止排与排出现生硬直线边界；禁止光源方向混乱（全员必须同受火光照明）；禁止面部崩坏与服装串色。

先看成品——

10 个人一个不少，金字塔式压叠，白发王冠角色稳稳压住 C 位。

全员受光统一，暖橙轮廓光从背后的火场打过来。我把图放大到 200% 挨个看了，瞳孔里真的都映着一点红。

每个人的服装、纹身、配饰都对得上各自的参考图。

这才是多图融合和「角色抠图大会」的区别。人到齐只是及格线，画风、光源、透视统一，画面有主次、有层级，他们才算属于同一部作品。

反过来，把多个物件合到一个人身上也可以。

三张物品参考图——哥特王冠、雕花盾牌、长剑——全部落到同一位角色身上。

白发红瞳的女骑士戴着那顶王冠、持着那把剑、挎着那面盾，金属雕花纹路和参考图对得上，光影统一在哥特教堂的烛光里。

这条链路往后接的就是AI 漫剧：参考图定人物 → 群像定世界观 → 拆连续分镜。

我跑了一组哥谭风漫画分镜——夜巷、车灯、铁丝网下的黑色轿车，中间是持枪追击的粉发少女，VROOM、BANG、BLAM 的拟声词都排进了格子里。

多格叙事、镜头变化、角色一致性，骨架已经齐了。

哪一格道具不对、服装颜色跑了，就回去用局部编辑接着修，不用再整页重抽了。

◈七、信息压缩：是排版，更是理解

最后是我们认为含金量最高的测试：复杂信息可视化。

这次的输入是一整篇长稿。

我们拿最近很有热度的「保护前额叶」开刀，把一篇包含结构、功能、时间线的科普长稿丢给它，要求转成专业排版的信息图。

成品是一张深蓝底的医学风信息图：中央一颗半透明大脑，前额叶区域高亮成橙色，字全部可读，没有一处乱码。

在这张图里，模型得先决定什么是主结论、哪些关系用箭头、哪些信息画成主视觉——读者不看原文，也能沿着视觉动线把整件事看明白。

这是排版，更是理解。

说实话，这类高密度图我们也不是一把出的，中间抽崩过几张。但和以前不一样的是：崩的那张里错字、箭头、某个数字，现在可以圈出来单独修，不用整张从头再来。

抽卡还在，但抽卡不再是唯一的手段了。

同一套能力我们还跑了两张风格完全不同的：一张胶片相机全解构，机身做成半透明爆炸图，镜头、光圈、快门、胶片仓逐个标注。

还有这种穿搭拆解——丢给它一张图，直接返回一页的手绘风的「人物设定集」。

穿搭博主的排版模板，一张图直接生成。

最后，Seedream 5.0 Pro还支持 14 种语言的文字生成，我用同一张「博物馆之夜」海报，分别生成了日语和阿拉伯语版本。

两张图保留了同一套场景、主体和视觉层级，标题、日期与开放时间也被放回相应位置。

而且，鉴于字面密度，模型还特地根据语言重新组织了文字占位。

对品牌、电商和内容团队来说，可以省下更多前置工作。

◈八、修订权，才是这次真正的新东西

从位置、草图、图层和色号，到真实影像、多图融合与信息压缩，Seedream 5.0 Pro的能力真的很不错。

最后，我们来盘一下 Seedream 5.0 Pro 这次吃掉的东西：

• 用点选、框选、箭头说明「改哪里」；
• 用色号和材质说明「改成什么」；
• 用草图表达语言说不清的形状和位置；
• 用最多 10 张参考图，统一人物、物件、画风和构图；
• 用复杂信息可视化和多语种，把结果接进营销、电商、内容生产的真实流程。

真实生图需求里，文生图只占20%多，图片编辑占70%多。大家早就不满足于「帮我画一张」——更多时候，我们手里已经有图，只想把它改对。

所以 Seedream 5.0 Pro 最重要的升级，也许不在「第一张图有多惊艳」，而在第二句话终于有人听懂了——

「换个色号，其他都别动」「这两个人换个位置」「帽子加在我画的这里」。

这些设计师每天都在说、过去最难被模型执行的话，开始变成可操作、可检查、可继续修改的指令。

至于那些正在上夜班的抽卡师，倒也不用太焦虑。

当「抽卡」从玄学变成可以点选、框选、圈出来改的工程问题，这个刚诞生的工种大概率不会消失，只是招聘要求可能要改写了：

从「能熬夜、手气好」，变成「会改图」。

目前，Seedream 5.0 Pro API已全量上线火山方舟，也可以在Lumina、火山方舟体验中心、即梦网页端和豆包App直接体验。

快来一起玩吖！

文章来自于"夕小瑶科技说"，作者 "夕小瑶编辑部"。